Permasalahan-permasalahan dalam

analisis kuantitatif komponen aktif

sediaan obat dalam sediaan farmasi
 Faktor-faktor yang menyebabkan ketidaktepatan dan
ketidakteraturan dalam suatu penetapan kadar

1. Kesalahan dalam penimbangan dan

pemindahan analit dan baku
2. Kesalahan penggunaan pipet, buret, atau
labu tentukur untuk mengukur volume
3. Pengukuran dilakukan dengan menggunakan
instrumen yang dikalibrasi secara tidak tepat
4. Ekstraksi analit yang tidak efisien dari
matriks, misalnya tablet
5. Pemilihan kondisi penetapan kadar yang
menyebabkan penguraian analit
6. Tidak dapat meminimalkan atau
menghilangkan gangguan eksipien dalam
pengukuran suatu analit
7. Tidak dapat menggunakan blangko analisis
8. Salah memahami prosedur analisis
9. Sampel tidak representatif
10.Pencemaran silang obat lain
11.Wadah sampel tidak sesuai
 Masalah lain:
1. Metode yang belum divalidasi
2. Pemilihan Metode
3. Ketersediaan baku pembanding
4. Waktu yang tersedia
1. Masalah dalam penimbangan
dan pemindahan analit dan baku
 TIMBANGAN DAN ANAK TIMBANGAN

• Pada pengujian dan penetapan kadar menurut

Farmakope diperlukan penggunaan timbangan
yang beragam dalam kapasitas, kepekaan dan
reprodusibilitas.

FI V, 2014, hal 1342

Neraca

7
 NERACA

 nnnnnn
 Beberapa contoh dari tabel di atas

Timbangan Kepekaan (mg) Jumlah angka di

belakang koma [g]

Analitik 0,1 4
Semimikro 0,01 5
Mikro 0,001 6
Ultramikro 0,0001 7

Berapa mg terkecil bahan boleh ditimbang dengan neraca

tersebut…?
 Minimum Penimbangan

Kepekaan 0,1
=
Bobot minimum 100
Bobot minimum = bobot minimum yang boleh ditimbang
secara seksama
Contoh: Timbangan analitik dengan kepekaan 0,1 (timbangan 4
angka di belakang koma); maka bobot minimum yang boleh
ditimbang dengan timbangan tsb adalah:

0,1 0,1 Bobot minimum = 0,1 x 100

=
Bobot minimum 100 0,1
= 100 mg
 Sebelum Menimbang
 Apakah anda sudah memilih neraca yang tepat ?
 Perhatikan water pass !
 Perhatikan sikap nol neraca !
 Apakah anda sudah memilih wadah yang tepat ?
 Perhatikan kebersihan neraca !
 Penimbangan
Pada prosedur penyiapan sampel, ada istilah:

 Timbang saksama
 Timbang lebih kurang
Kemudian,
 Gabungan keduanya……
 Penimbangan
Prosedur di Farmakope Indonesia:
• Timbang saksama lebih kurang 10 mg Skopolamin
Hidrobromida BPFI, masukkan ke dalam labu
tentukur 10 mL, larutkan dengan…… dst

FI Ed V hal 212
 Menimbang
• Kecuali dinyatakan lain, jika zat dinyatakan "timbang
saksama" untuk penetapan kadar, maka
penimbangan harus dilakukan dengan menggunakan
alat timbangan yang ketidakpastian pengukurannya
(kesalahan acak ditambah dengan kesalahan
sistematik) tidak lebih dari 0,1% pembacaan.
• Misalnya, ditimbang sejumlah 50 mg, maka
kesalahan mutlak tidak lebih dari 50 µg.
• Ketidakpastian pengukuran memenuhi syarat jika
pada penimbangan ulang tidak kurang dari 10 kali,
tiga kali nilai simpangan baku dibagi dengan jumlah
yang ditimbang tidak lebih dari 0,001.
FI V, 2014, hal 1342
 Menimbang
• Pernyataan "Lebih kurang“ menunjukkan
kuantitas dalam rentang 10%
 Bobot zat yang digunakan untuk pengujian atau
penetapan kadar, mempunyai makna dalam
batas 10% dari bobot yang ditetapkan

Contoh: Timbang lebih kurang 10 mg Skopolamin

Hidrobromida BPFI
Artinya : Batas penimbangan yang dapat diterima
adalah 10 ± 1 mg  9 – 11 mg
FI Ed.V, halaman 38
 Untuk permintaan menimbang “seksama” dan
“lebih kurang”

 Pilihlah neraca yang sesuai agar bisa memenuhi kedua

permintaan cara menimbang pada prosedur tersebut di
atas, yaitu:

- kesalahan tidak lebih dari 0,1 %

- sampel yang ditimbang antara 9 - 11 mg

Neraca manakah yang harus dipilih ???

 Lakukan Penimbangan dengan salah satu
neraca berikut:
1. Timbang dengan neraca:
₋ berkepekaan 0,01 mg (neraca semimikro/ 5 angka di
belakang koma)
₋ hasil penimbangan harus  10 mg sampai 11 mg

atau:

2. Timbang dengan neraca:

₋ berkepekaan 0,001 mg (neraca mikro/ 6 angka di
belakang koma)
₋ hasil penimbangan harus  9 mg sampai 11 mg
 Teknik Menimbang ada dua:

1. Weighing by difference:
Wadah + zat = A g
Wadah + sisa = B g
Berat zat = A-B g

2. Weighing by addition:
Wadah ditimbang = C g
Wadah + zat = D g
Berat zat = D-C g
 Weighing by Difference
• Tare neraca kosong
• Letakkan botol timbang dengan tutup pada neraca dan
catat bobot awal
• Angkat botol timbang dengan cara sedemikian rupa
agar menghindari pemindahan minyak atau zat lain
dari jari kita
• Lepaskan tutup botol timbang dengan cara yang sama
• Gunakan spatula yang kering dan bersih untuk
memindahkan sampel dari botol timbang dan
langsung dimasukkan ke labu
• Tutup kembali botol dan timbang kembali.
• Perbedaan antara penimbangan pertama (awal) dan
penimbangan kedua menunjukkan banyaknya sampel
yang ditimbang.
Weighing by Difference
 Taring = Mentara
 Dikerjakan di banyak neraca elektrik modern
 Wadah (botoh timbang/ kertas timbang)
diletakkan pada neraca sebelum sampel
ditambahkan
 Bobot wadah secara automatis diset “0”
2. Kesalahan penggunaan pipet, buret,
atau labu tentukur untuk mengukur
volume
 Transfer Pipet
Pipet volume dan pipet ukur yang
Volume (mL) Tolerance (mL) dikalibrasi sebagai pemindah (td), harus
0.5 ±0.006 dialirkan dalam posisi tegak lurus dan
1 ±0.006
2 ±0.006
disentuhkan pada dinding labu
3 ±0.01 menampung untuk mengeluarkan sisa
4 ±0.01
5 ±0.01
pada ujung pipet.
10 ±0.02
15 ±0.03
20 ±0.03
25 ±0.03
50 ±0.05
100 ±0.08
Pipet yang dikalibrasi secara khusus (tc) umunya
digunakan untuk pengukuran cairan kental seperti sirup,
dalam hal demikian labu tentukur dapat dipakai sebagai
pengganti pipet tersebut, untuk itu pipet atau labu
tentukur harus dibilas sampai bersih dan bilasan
ditambahkan pada bagian cair yang diukur.
 10% of pipet volume 100% of pipet
volume
Pipet Accuracy Precision Accuracy Precision
volume (mL) (%) (%) (%) (%)
Adjustable
pipets
0.2-2 ±8 ±4 ±1.2 ±0.6
1-10 ±2.5 ±1.2 ±0.8 ±0.4
2.5-25 ±4.5 ±1.5 ±0.8 ±0.2
10-100 ±1.8 ±0.7 ±0.6 ±0.15
Disposable tip
30-300 ±1.2 ±0.4 ±0.4 ±0.15
100-1000 ±1.6 ±0.5 ±0.3 ±0.12
Fixed pipets
10 ±0.88 ±0.4
25 ±0.88 ±0.3
100 ±0.5 ±0.2
500 ±0.4 ±0.18
1000 ±0.33 ±0.12
 3. Masalah Pengecekan
Kinerja Peralatan (Kalibrasi)
 Contoh:
Neraca:
• Untuk semua tipe neraca tsb di atas pada saat digunakan,
parameter yang harus dicek:
– level of balance
– zero point
– cleanliness
• Tiap bulan(an):
– cek akurasi, dengan standard reference weights
– one point check
– calibration procedure should be documented
• Tiap setengah tahunan:

* parameter diperiksa: * menggunakan:

– repeatability
– linearity Reference weights
– accuracy
 Bagaimana dengan
microbalance ?

• Kalibrasi dilakukan tiap 4 bulanan menggunakan

reference weights

• Parameter yang dicek:

– Repeatability
– Linearity
– Accuracy
 Neraca

• Bagaiamana sebaiknya kalibrasi

neraca tersebut dilakukan ?

• Siapa yg harus mengkalibrasi ?

 Kalibrasi Neraca
 Dikalibrasi pada daerah (rentang) penimbangan yang
sering digunakan
 Dikalibrasi oleh orang/lembaga yang berhak melakukan
kalibrasi (terakreditasi KAN)
 Dilakukan secara periodik (interval waktu tertentu)
 Hasil kalibrasi berupa sertifikat kalibrasi disimpan
ditempat yang mudah ditemukan
 Neraca yang sudah dikalibrasi diberi label kapan neraca
tersebut dikalibrasi dan kapan kalibrasi berikutnya
4. Masalah Pembacaan Skala Pada Alat Ukur
 Buret

Meniscus pada 9,68 mL

Read buret at the bottom of a concave meniscus

always read the buret at the same eyelevel as the liquid
 Avoids parallax errors

eyelevel View from above

15.46 mL 15.31 mL
1% error
Pembacaan volume pada buret harus dapat
diperkirakan hingga mendekati 0,01 ml untuk buret 25
ml dan 50 ml dan hingga mendekati 0,005 ml untuk
buret 5 ml dan 10 ml.
5. ANGKA PENTING
• Angka penting adalah bilangan yang diperoleh
dari hasil pengukuran yang terdiri dari angka-
angka penting yang sudah pasti (terbaca pada
alat ukur) dan satu angka terakhir yang ditafsir
atau diragukan.
• Angka eksak/pasti adalah angka yang sudah
pasti (tidak diragukan nilainya), yang diperoleh
dari kegiatan membilang (menghitung).
 Ketentuan Angka Penting :
1. Semua angka yang bukan nol merupakan angka penting. Contoh :
 6,89 ml memiliki 3 angka penting.
 78,99 m memiliki empat angka penting

2. Semua angka nol yang terletak diantara bukan nol merupakan

angka penting.
Contoh :
 1208 m memiliki 4 angka penting.
 2,0067 memiliki 5 angka penting.
 7000,2003 ( 9 angka penting ).

3. Semua angka nol yang terletak di belakang angka bukan nol yang
terakhir, tetapi terletak di depan tanda desimal adalah angka
penting.
Contoh :
 70000 ( 5 angka penting).
4. Angka nol yang terletak di belakang angka bukan
nol yang terakhir dan di belakang tanda desimal
adalah angka penting.
Contoh: 23,50000 (7 angka penting).
5. Angka nol yang terletak di belakang angka bukan
nol yang terakhir dan tidak dengan tanda desimal
adalah angka tidak penting.
Contoh : 3500000 (2 angka penting).
6. Angka nol yang terletak di depan angka bukan nol
yang pertama adalah angka tidak penting.
Contoh : 0,0000352 (3 angka penting).
 Aturan Pembulatan
• Jika angka pertama setelah angka yang hendak
dipertahankan adalah 4 atau lebih kecil, maka
angka itu dan seluruh angka disebelah kanannya
ditiadakan.
Contoh
1)75,494 = 75,49 (angka 4 yang dicetak tebal
ditiadakan).
2)1,00839 = 1,008 (kedua angka yang dicetak tebal
ditiadakan)
• Jika angka pertama setelah angka yang akan anda
pertahankan adalah 5 atau lebih besar, maka angka
tersebut dan seluruh angka di bagian kanannya
ditiadakan. Angka terakhir yang dipertahankan
bertambah satu.
Aturan Penjumlahan dan Pengurangan

• Apabila anda melakukan operasi penjumlahan

atau pengurangan, maka hasilnya hanya boleh
mengandung satu angka taksiran
(catatan : angka tafsiran adalah angka terakhir
dari suatu angka penting).
• Contoh :
Jumlahkan 273,219 g; 15,5 g; dan 8,43 g
(jumlahkan seperti biasa, selanjutnya
bulatkan hasilnya hingga hanya terdapat
satu angka taksiran)
273,219 g + 15,5 g + 8,43 g = 297,149
Angka 4 dan 9 ditiadakan.
Hasilnya = 297,1
 Aturan Perkalian dan Pembagian
1. Pada operasi perkalian atau pembagian, hasil
yang diperoleh hanya boleh memiliki jumlah
angka penting sebanyak bilangan yang angka
pentingnya paling sedikit.
• Contoh :
Hitunglah operasi perkalian berikut ini : 0,6283 x 2,2 cm
(petunjuk : lakukanlah prosedur perkalian atau
pembagian dengan cara biasa. Kemudian bulatkan
hasilnya hinga memiliki angka penting sebanyak salah
satu bilangan yang memiliki angka penting paling
sedikit)

Hasilnya dibulatkan menjadi 1,4 cm2 (dua angka penting)

2.Hasil perkalian atau pembagian antara
bilangan penting dengan bilangan eksak/pasti
hanya boleh memiliki angka penting sebanyak
jumlah angka penting pada bilangan penting.
Contoh :
Hitunglah operasi perkalian berikut ini : 25 x 8,95

25 x 8,95 = 223,75

Hasilnya dibulatkan menjadi 224 cm (tiga angka

penting) agar sama dengan banyak angka penting
pada bilangan penting 8,95
• The main instrument for the harmonisation of
standards between the EU, USA and Japan is
through the International Conference on
Harmonisation of technical Requirements for
Registration of Pharmaceuticals for Human
Use (ICH)
a summary of the quality topics issued by ICH
as draft or full guidelines
• Q1 Stability Q1A Stability testing of new drugs
Q1B Photostability testing
Q1C Stability testing of new dosage forms
Q1D Bracketing and matrixing designs for stability testing of
drug substance and drug products.
• Q2 Analytical validation
• Q3 Impurities
• Q4 Pharmacopoeias
• Q5 Biotechnological quality
• Q6 Specifications Q6A Chemical substances
Q6B Biotechnological substances
• Q7 GMP Q7A GMP for APIs.
 Experimental Error & Data Handling
Significant Figures

1.) Definition: The minimum number of digits needed to write a given value (in
scientific notation) without loss of accuracy.
(i) Examples:

142.7 = 1.427 x 102

Both numbers have 4 significant figures

0.006302 = 6.302 x10-3

Zeros are simple place holders

2.) Zeros are counted as significant figures only if:

Both
(i) occur between other digits in the zeros are significant figures
number

9502.7 or 0.9907

(ii) occur at the end of number andzero is a right

to the significant
of thefigure
decimal point
 Experimental Error & Data Handling
Significant Figures

3.) The last significant figure in any number is the first digit with any uncertainty
(i) the minimum uncertainty is ± 1 unit in the last significant figure
(ii) if the uncertainty in the last significant figure is ≥ 10 units, then one less
significant figure should be used.
(iii) Example:

9.34 ± 0.02 3 significant figures

But

6.52 ± 0.12 should be 6.5 ± 0.1 2 significant figures

4.) Whenever taking a reading from an instrument, apparatus, graph, etc. always estimate the
result to the nearest tenth of a division
(i) avoids losing any significant figures in the reading process

7.45 cm
 Experimental Error & Data Handling
Significant Figures

5.) Addition and Subtraction

(i) use the following procedure:
 Express all numbers using the same exponent
 Align all numbers with respect to the decimal point

1.25 x 105 12.5 x 104

2.48 x 104 2.48 x 104
+ 1.235 x 104 + 1.235 x 104
 Add or subtract using all given digits
 Round off the answer so that it has the same number of digits to the
right of the decimal as the number with the fewest decimal places

12.5 x 104 1 decimal point

2.48 x 104
+ 1.235 x 104
16.215 x 104 = 16.2 x 104
 Experimental Error & Data Handling
Significant Figures

5.) Addition and Subtraction

(i) use the following procedure:
 Round off the answer to the nearest digit in the least significant figure.
 Consider all digits beyond the least significant figure when rounding.
 If a number is exactly half-way between two digits, round to the nearest
even digit.
- minimizes round-off errors
 Examples:

3 sig. fig.: 12.534  12.5

4 sig. fig.: 11.126  11.13

4 sig. fig.: 101.250  101.2

3 sig. fig. 93.350  93.4

 Experimental Error & Data Handling
Significant Figures

6.) Multiplication and Division

(i) use the following procedure:
 Express the answers in the same number of significant figures as the
number of digits in the number used in the calculation which had the
fewest significant figures.
 Examples:

3.261 x 10-5
x 1.78
3 significant figures
5.80 x 10-5

34.60
) 2.4287
4 significant figures
14.05
 Experimental Error & Data Handling
Significant Figures

7.) Logarithms and Antilogarithms

(i) the logarithm of a number “a” is the value “b”, where:

a = 10b or Log(a) = b

(ii) example:
The logarithm of 100 is 2, since:
100 = 102

(iii) The antilogarithm of “b” is “a”

a = 10b

(iv) the logarithm of “a” is expressed in two parts

Log(339) = 2.530

character mantissa
 Experimental Error & Data Handling
Significant Figures

7.) Logarithms and Antilogarithms

(v) when taking the logarithm of a number, the number of significant figures
in the resulting mantissa should be the same as the total number of
significant figures in the original number “a”

(vi) Example:

Log(5.403 x 10-8) = -7.2674

4 sig. fig. 4 sig. fig.

(vii) when taking the antilogarithm of a number, the number of significant

figures in the result should be the same as the total number of significant
figures in the mantissa of the original logarithm “b”

(viii) Example:

Antilog(-3.42) = 3.8 x 10-4

2 sig. fig. 2 sig. fig.

 Experimental Error & Data Handling
Significant Figures

8.) Graphs
(i) use graph paper with enough rulings to accurately graph the results

(ii) plan the graph coordinates so that the data is spread over as much of the
graph as possible
(iii) in reading graphs, estimate values to the nearest 1/10 of a division on the
graph
 Experimental Error & Data Handling
Significant Figures

8.) Graphs
(ii) plan the graph coordinates so that the data is spread over as much of the
graph as possible

(iii) in reading graphs, estimate values to the nearest 1/10 of a division on the
graph
Experimental Error & Data Handling
Errors

1.) Systematic (or Determinate) Error

(i) An error caused consistently in all results due to inappropriate methods or
experimental techniques.
(ii) Results in all measurements exhibiting a definite difference from the true
value.
(iii) This type of error can, in principal, be discovered and corrected.

Buret incorrectly calibrated

Experimental Error & Data Handling
Errors

2.) Random (or Indeterminate) Error

(i) An error caused by random variations in the measurement of a physical
quantity.
(ii) Results in a scatter of results centered on the true value for repeated
measurements on a single sample.
(iii) This type of error is always present and can never be totally eliminated

True value

Random Error Systematic Error

Experimental Error & Data Handling
Errors

3.) Accuracy and Precision

(i) Accuracy: refers to how close an answer is to the “true” value
 Generally, don’t know “true” value
 Accuracy is related to systematic error

(ii) Precision: refers to how the results of a single measurement compares from one
trial to the next
 Reproducibility
 Precision is related to random error

Low accuracy, low precision Low accuracy, high precision

High accuracy, low precision High accuracy, high precision

 Experimental Error & Data Handling
Errors

4.) Absolute and Relative Uncertainty

(i) Both measures of the precision associated with a given measurement.
(ii) Absolute uncertainty: margin of uncertainty associated with a measurement
(iii) Example:
If a buret is calibrated to read within ± 0.02 mL, the absolute uncertainty
for measuring 12.35 mL is:

Absolute Uncertainty = 12.35 ± 0.02 mL

(iv) Relative uncertainty: compares the size of the absolute uncertainty with the
size of its associated measurement
Absolute Uncertainty
Relative Uncertainty 
Measured Value
(v) Example:
For a buret reading of 12.35 ± 0.02 mL, the relative uncertainty is:
(Make sure units cancel)
0.02 mL
Relative Uncertaint y(%)  (100)  0.16%  0.2%
12.35 mL 1 sig. fig.
 Experimental Error & Data Handling
Errors

5.) Propagation of Uncertainty

(i) The absolute or relative uncertainty of a calculated result can be estimated
using the absolute or relative uncertainties of the values used to obtain that
result.
(ii) Addition and Subtraction
 The absolute uncertainty of a number calculated by addition or subtraction
is obtained by using the absolute uncertainties of numbers used in the
calculations as follows:

Abs . Uncert .Answer   Abs . Uncert .value1    Abs . Uncert .

2
value 2  2


 Example: Value Abs. Uncert.

1.76 (± 0.03)
+ 1.89 (± 0.02)
- 0.59 (± 0.02)
Answer: 3.06

Abs . Uncert .Answer   0.03 2   0.02 2   0.02 2  0.04

 Experimental Error & Data Handling
Errors

5.) Propagation of Uncertainty

(iii) Once the absolute uncertainty of the answer has been determined, its
relative uncertainty can also be calculated, as described previously.
 Example (using the previous example):

0.04
Re l . Uncert .(%)  ( 100 )  1.3%  1% 1 sig. fig.
3.06
 Note: To avoid round-off error, keep one digit beyond the last significant
figure in all calculations.
- drop only when the final answer is obtained

Round-off errors
 Experimental Error & Data Handling
Errors

5.) Propagation of Uncertainty

(i) Multiplication and Division
 The relative uncertainties are used for all numbers in the calculation

Re l . Uncert .Answer   Re l . Uncert . value1    Re l . Uncert .

2
value 2  2

 Example:

1.76   0.03   1.89   0.02 

 5.64 3 sig. fig.
0.59   0.02 

Re l . Uncert . 
  0.03 ( 100 ),   0.02 ( 100 ) ,   0.02 ( 100 )
1.76 1.89 0.59

Re l . Uncert .  1.7%,  1.1% ,  3.4%

Re l . Uncert .Answer   1.7  2   1.1 2   3.4  2  4.0%  4% 1 sig. fig.

 Experimental Error & Data Handling
Errors

5.) Propagation of Uncertainty

(ii) Once the relative uncertainty of the answer has been obtained, the absolute
uncertainty can also be calculated:

Absolute Uncertaint y
Relative Uncertaint y(%)  ( 100 )
Calculated Value
Rearrange:

Relative Uncertaint y(%)

Absolute Uncertaint y  (calculate d value)
( 100 )

(iii) Example (using the previous example):

 4.0% 
Absolute Uncertainty  ( 5.64 )   0.23  0.2 1 sig. fig.
 100 
 Experimental Error & Data Handling
Errors

5.) Propagation of Uncertainty

(iv) For calculations involving Both additions/subtractions and
multiplication/divisions:
 Treat calculation as a series of individual steps
 Calculate the answer and its uncertainty for each step
 Use the answers and its uncertainty for the next calculation, etc.
 Continue until the final result is obtained

(v) Example:
 1.76   0.03  0.59  0.02    0.619  ?  3 sig. fig.
1.89  0.02 
First operation: differences in brackets

 1.76   0.03  0.59  0.02    1.17   0.036  3 sig. fig.

0.036   0.03 2   0.02  2 1 sig. fig., but carry two sig. fig.
through calculation
 Experimental Error & Data Handling

Errors

5.) Propagation of Uncertainty

(v) Example:
Second operation: Division

1.17   0.036  1.17   3.1% Convert to relative

  0.61%  3%

1.89  0.02  
1.89  1.1%  uncertainty

3 sig. fig.
3.3%  3%   3.1% 2
  1.1%
2

1 sig. fig.
 Experimental Error & Data Handling

Errors

5.) Propagation of Uncertainty

(vi) Uncertainty of a result should be consistent with the number of significant
figures used to express the result.

(vii) Example:

1.019 (±0.002)
Result & uncertainty match in
decimal place
28.42 (±0.05)

But:
12.532 (±0.064)  too many significant figures

12.53 (±0.06)  reduce to 1 sig. fig. in uncertainty

same reduction in results

The first digit in the answer with any uncertainty associated with it should
be the last significant figure in the number.
 Experimental Error & Data Handling

Errors

5.) Common Mistake

(vi) Number of Significant Figures is Not the number shown on your calculator.

Not 10 sig. fig.

23.97
 2.596966414
9.23
 Experimental Error & Data Handling

Errors

Example
Find the absolute and percent relative uncertainty and express the answer with a
reasonable number of significant figures:

[4.97 ± 0.05 – 1.86 ± 0.01]/21.1 ± 0.2 =

Obat yang diberikan kepada pasien haruslah:

 It is the correct product.

 It is the correct strength.
 It has not degraded.
 It is free from harmful impurities and micro-
organisms.
 It has not been contaminated.
 It is correctly labelled.
 It is properly sealed in a suitable container.