Upload
adani-fajrina-luthfi
View
201
Download
24
Embed Size (px)
DESCRIPTION
kimia analitik
Citation preview
© 2008 BAGIAN KIMIA ANALITIK
KALIBRASI
Prof Dr Ir Latifah K Darusman, MS
PendahuluanPendahuluan• Kimia Analitik menentukan kadar gula dalam darah
spektroskopi A [ ]
pada maks
y = a + bx
A [ ]
Teknik kalibrasi satu titik
kalibrasi multititik
• Contoh lain Kimia Fisik membuat model dari suatu reaksi sebagai fungsi suhu
menentukan laju reaksi
kalibrasi mencari hubungan faktor & respon yang sesuai orde 0, 1, 2, dst
univariat
PendahuluanPendahuluan
Univariat dan Multivariat
Univariat: penentuan pigmen klorofil dengan detektor UV pada KCKT
Multivariat: penentuan suatu ekstrak flavonoid (multikomponen dengan multistandar) pada KCKT UV, diode array
Kalibrasi UnivariatKalibrasi Univariat
• Kalibrasi klasik
x = bc atau x = b0 + b1c
• Kalibrasi terbalik
c = ax atau c = a0 + a1x
Kalibrasi UnivariatKalibrasi UnivariatHubungan antara kalibrasi klasik dan kalibrasi terbalik
Bila tidak ada pencilan harus sejalan
Persamaan KalibrasiPersamaan KalibrasiDapat lebih mudah dimengerti bila disajikan dalam bentuk matriks
a = konstanta atau skalar
c = vektor konsentrasi
x = vektor pengukuran (A)
Kalibrasi MultivariatKalibrasi Multivariat• Banyak digunakan terutama: untuk menganalisis campuran
dengan teknik spektroskopi
• Pada dasarnya dalam Kimia The Chemistry of mixture
merupakan hal yang penting & paling banyak dihadapi
• Contoh: - Farmasi mensintesis obat sulit 100% murni (ada 1% isomer dll) - mendeteksi?
- efek?
- Lingkungan komposisi udara di dalam pabrik tercemar?
mendeteksi? campuran?
efek?
- Deteksi konvensional --- OK
--- lama & mahal
Kalibrasi MultivariatKalibrasi MultivariatContoh: Analisis campuran bahan (3 bahan dalam contoh) dengan
spektroskopi UV
Kalibrasi MultivariatKalibrasi Multivariat
Kalibrasi MultivariatKalibrasi MultivariatProblem istilah vektor X C1S1 + C2S2 + C3S3
X = campuran spektrum vektor masing-
masing
C1 = konsentrasi 1 dst
S1 = spektrumnya
X S.C
seperti univariat, tetapi diukur pada berbagai
teknik analitiknya
ada syaratnya pengukuran simultan
Digunakan pada pengukuran
menentukannya??
Kalibrasi MultivariatKalibrasi Multivariat
SXC reaksi .
Multiple Linear Regression (MLR)
MLR CLS: Classical Least Square
ILS: Inverse Least Square
Contoh: pada spektroskopi analisis campuran suatu seri dari campuran spektrum
Dicirikan: (a) spektrum masing-masing komponen
(b) konsentrasi masing-masing komponen
(c) derau (galat eksperimental)
matriks X misalkan terdiri dari 30 spektrum UV dari reaksi A B + C
model kalibrasi:
X C.S + E
Kalibrasi MultivariatKalibrasi Multivariat
Principle Component Regression (PCR)
PCR dalam analisis campuran digunakan untuk mengidentifikasi beberapa komponen dalam campuran
Contoh: menentukan kadar senyawa karsinogenik di dalam air laut, tetapi tidak ada data atau tidak ingin diketahui data tentang identitas senyawa dan konsentrasi masing-masing
Cara:
Tahap 1 memperoleh seri spektrum (set kalibrasi/set training)
spektrum UV dari 20 sampel discanning pada 200
matrik = X = 20 x 200
Kalibrasi MultivariatKalibrasi Multivariat
Tahap 2 menjalankan PCA terhadap spektrum
diperoleh matrik skor dan loading
T & P
menentukan jumlah PC?
dibantu dengan perkiraan jumlah senyawa dalam campuran bila diduga 10 10 PC/AKU
ukuran matrik T 20 x 10
P 10 x 200
secara statistika leave one out (LOO) cross validation
Kalibrasi MultivariatKalibrasi Multivariat
Tahap 3 tahap regressi, transformasi atau rotasi
dalam hal kalibrasi menentukan hubungan antara skor dengan konsentrasi yang sebenarnya dari masing senyawa
C = T r
ada 10 PC C = t1r1 + t2r2 + ……+ t10r10
C & T diketahui r = T+. C
Bila senyawa banyak C C (dalam matrik)
C = T.R
Kalibrasi MultivariatKalibrasi Multivariat
Kalibrasi MultivariatKalibrasi MultivariatPartial Least Square (PLS)
PCR KU dihitung pada blok matrik X dan tidak ikut diperhitungkan pada blok matrik C
PLS komponen diperoleh dengan menggunakan blok data matrik X dan C secara simultan
dengan harapan dapat memaksimumkan covariance diantara dua blok
Pada PCA memaksimumkan variance pada blok matrik X
PLS bertujuan untuk menemukan suatu variabel yang dapat memaksimumkan XC
berasumsi bahwa terdapat galat pada kedua blok matrik yang keduanya sama penting
Kalibrasi MultivariatKalibrasi MultivariatSebagai contoh: bila kita mengkalibrasi galat dapat ada pada konsentrasi juga pada absorbans/spektrum
Persamaan PLS dua persamaan: X = T.P + E
C = T.q + f
T skor orthogonalP loading orthogonal dinormalkan
Kalibrasi MultivariatKalibrasi MultivariatKualitas model ditentukan: ukuran galat (jumlah kuadrat C dan f)
PLS dimungkinkan untuk menentukan kebaikan model dari data yang dimodelkan baik menggunakan matrik blok C atau X
Galat pada C biasanya yang lebih diperhatikan
Kalibrasi MultivariatKalibrasi MultivariatPLS1 PLS2
matrik blok C terdiri lebih dari satu variabel
campuran 3 komponen
C matrik dengan 3 kolom
persamaan pada blok C
C = T.Q + F
untuk analitik begitu baik, tetapi pada QSAR akan lebih menguntungkan
Kalibrasi MultivariatKalibrasi Multivariat PLS2 dapat digunakan dengan variabel C yang banyak satu
model
PLS1 harus masing-masing variabel C
PLS dapat digunakan juga dari pengenalan pola terawasi (supervised pattern recognition)
Bagaimanakah mengukur kebaikan kalibrasi model yang tepat
• autoprediksi
• cross-validation
• test-sets
• bootstrap
FACTORIAL DESIGNDigunakan untuk menentukan faktor (x) yang paling berpengaruh terhadap respon atau hasil (y)Menggunakan 2 level untuk setiap faktor (namun dapat dikembangkan menjadi lebih dari 2)Level diberi simbol -1 (level bawah) dan +1 (level atas)Jumlah eksperimen (N) = lf l adalah jumlah level dan f adalah jumlah faktor
Eksperimen Faktor 1 Faktor 2 Faktor 3 Respon
1 -1 -1 -1
2 +1 -1 -1
3 -1 +1 -1
4 +1 +1 -1
5 -1 -1 +1
6 +1 -1 +1
7 -1 +1 +1
8 +1 +1 +1
FACTORIAL DESIGN
Jumlah eksperimen (N) = (2)3
= 8
Contoh
Evaluasi pengaruh suhu, waktu ekstraksi, dan pH terhadap rendemen ekstraksi kafein dari oba sakit kepalaJumlah faktor 3 faktorLevel suhu 30 dan 45 ᵒC
waktu 30 dan 60 menit pH 5 dan 7
Eksperimen suhu waktu pH Respon
1 -1 -1 -1
2 +1 -1 -1
3 -1 +1 -1
4 +1 +1 -1
5 -1 -1 +1
6 +1 -1 +1
7 -1 +1 +1
8 +1 +1 +1
Eksperimen suhu waktu pH Respon
1 30 30 5
2 45 30 5
3 30 60 5
4 45 60 5
5 30 30 7
6 45 30 7
7 30 60 7
8 45 60 7
FACTORIAL DESIGN
fAK
Kelemahan: Jumlah eksperimen besarJika faktor 10, N =210 = 1024
Fractional factorial design
FRACTIONAL FACTORIAL DESIGNMengurangi jumlah eksperimen pada factorial designPengurangan jumlah eksperimen ½, ¼, 1/8 dari jumlah eksperimen pada fractional design
Eksperimen Faktor 1 Faktor 2 Faktor 3
1 +1 +1 +1
2 +1 +1 -1
3 +1 -1 -1
4 +1 -1 -1
5 -1 +1 +1
6 -1 +1 -1
7 -1 -1 +1
8 -1 -1 -1
Eksperimen Faktor 1 Faktor 2 Faktor 3
1 +1 +1 +1
2 +1 -1 -1
3 -1 -1 +1
4 -1 +1 -1
FACTORIAL DESIGNFRACTIONAL FACTORIAL DESIGN
FRACTIONAL FACTORIAL DESIGN
Jumlah eksperimen factorial design (N) = (2)3 = 8Jumlah eksperimen fractional factorial design =1/2 X 8 = 4
Evaluasi pengaruh suhu, waktu ekstraksi, dan pH terhadap rendemen ekstraksi kafein dari oba sakit kepalaJumlah faktor 3 faktorLevel suhu 30 dan 45 ᵒC
waktu 30 dan 60 menit pH 5 dan 7
Eksperimen Suhu Waktu pH
1 45 60 7
2 45 30 5
3 30 30 7
4 30 60 5
Contoh
MIXTURE DESIGNDigunakan saat jumlah seluruh faktor (campuran faktor) konstan (100%)Biasa digunakan untuk design campuran pelarut ekstraksi, fase gerak kromatografi, atau campuran komponen
2 faktor 3 faktor 4 faktor
MIXTURE DESIGNSaat digunakan 3 faktor, design dapat mengikuti bentuk:Simplex centroidSimplex latticeSimplex centroid with axial design
Simplex centroid design
Ekstraksi asiaticosida dari pegagan dilakukan dengan
menggunakan campuran 3 pelarut, yaitu metanol, air, butanol.
Campuran palarut yang paling optimal mixture design
Jika digunakan simplex centroid design, kombinasi pelarut sbb:
MIXTURE DESIGN
air
metanol
butanol
metanol air butanol
Contoh
Ekstraksi asiaticosida dari pegagan dilakukan dengan
menggunakan campuran 3 pelarut, yaitu metanol, air, butanol.
Jika digunakan simplex lattice design, kombinasi pelarut sbb:
Contoh
Metanol
Air Butanol
Ekstraksi asiaticosida dari pegagan dilakukan dengan
menggunakan campuran 3 pelarut, yaitu metanol, air, butanol.
Jika digunakan simplex centroid with axial design, kombinasi
pelarut sbb:
Contoh
Experiment Metanol Air Butanol1 1 0 02 0 1 03 0 0 14 1/2 1/2 05 1/2 0 1/26 0 1/2 1/27 1/3 1/3 1/38 1/6 2/3 1/69 1/6 1/6 2/310 2/3 1/6 1/6
Kimia Analitik FMIPA IPB
Rudi Heryanto
The use of FT-IR technique in herbal medicine quality control:
A tutorial
Kimia Analitik FMIPA IPB
Segments of quality Control
– Identification of adulterants– Differentiation of herbal medicines with multiple
sources– Determination of the best harvesting time– Confirmation of collection sites– Assessment of processing methods– Quality evaluation of herbal parts– Identification and quantitative determination of
proprietary products– Stability test of proprietary products– Diagnosis of herbal intoxication
Kimia Analitik FMIPA IPB
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
3996 3659 3321 2984 2646 2309 1971 1634 1296 959 621
Bilangan Gelombang
Abso
rban
s
IVNF1-1
K32I10
LC17-2
PS1-4
PS4-16
SLW8-1
U22-2
InformationFingerprint
Chemometrics …
Kimia Analitik FMIPA IPB
Spektroskopi FTIR
• Spektra FTIR Representasi khas dari suatu sistem kimia
• Cepat• Nondestructive• Reagentless • High-throughput
analysis of a diverse range of sample types
Kimia Analitik FMIPA IPB
FTIR for QC : The strategy
Sample preparation
Spectra collection and Prepocessing
Data analysis : Classification and Discrimination
Observations
Sim
ilari
ty
BGR_
GNP_
67
PNG_
SLH_
48
PNG_
SLH_
47
KRA_
TMG_
43
SMD_
RKL_
51
PNG_
SLH_
46
KDR_
SMN_
44
BGR_
CMP_
68
KDR_
SMN_
45
WNG
_NGD
R_36
SMD_
TJK_
50
KRA_
TMG_
42
WNG
_NGD
R_37
BGR_
DMG_
69
SMD_
TJK_
49
WNG
_PK_
35
0.00
33.33
66.67
100.00
Dendrogram with Complete Linkage and Euclidean Distance
Validation
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
• Collect specimens– Number of specimens : ~ 15 per specimen
or more
• Measure corresponding IR spectra– ATR, Drift : raw material or extracts– Abs FTIR : extracts
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
Ethanol extract
Raw material
The detail of FTIR absorption spectra of ethanol extract (Curcuma longa) was better than FTIR spectra from powder of raw material
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
a
b
c
IR spectra of ethanol extract (a) resolution 4 cm-1, scanning rate 32 (b) resolution 8 cm-1, scanning rate 32, (c) resolution16 cm-1, scanning rate 32.
Optimisation for IR spectra collection IR
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
• Designate two-thirds of the total number of spectra as the calibration set and the remaining one-third of spectra as the validation set
• Preprocess spectra– Baseline correction: to flatten the baseline (or the
baseplane) and make it equal to zero – Normalization : to bring their peaks to comparable
heights – Smoothing– Derivative
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
Original Spectra
After Baseline correction and Normalization
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
• Choose modeling method (e.g. PCA, PLS-DA, SIMCA)
• Generate models ranging in complexity from a very few variables (wavelength terms for MLR; factors for PLS-DA, PCA) to many variables
• Identify outliers and correct or remove as appropriate
• Recalibrate models with outliers removed• Evaluate standard errors of calibration and
cross-validation for each model and plot as a function of the number of variables in the model
Kimia Analitik FMIPA IPB
FTIR for QC : The Procedure
UNSCRAMBLER from CAMO
Kimia Analitik FMIPA IPB
Example …• Differentiation of Differentiation of Curcuma longaCurcuma longa, , Curcuma xanthorrhizaCurcuma xanthorrhiza
and and Zingiber cassumunar Zingiber cassumunar by Fourier-Transform Infrared by Fourier-Transform Infrared SpectroscopySpectroscopy
• Researchers : M. Rafi, E. Rohaeti, UD Syafitri, LK Darusman
• Problems : Curcuma longa, Curcuma xanthorrhiza, and Zingiber cassumunar are belong to the family of Zingiberaceae and therefore contain some common bioactive chemical compounds such as curcuminoids. Traditionally, authentication or differentiation of these herbs mainly depends on smell, taste and appearance of the plants. If they are pulverized as powder or cut into slice, the differentiation becomes more difficult
• Objectives : to develop a rapid analytical method using Fourier transform infrared spectroscopy to differentiate of these herbs
Kimia Analitik FMIPA IPB
Z. cassumunar
C. longa
C. xanthorrhiza
Wave number ~3400 cm-1 OH3000 cm-1 C-H1740–1680 cm-1 C=O1600 dan 1475 cm-1 C=C 1260–1000 cm-1 C-O
Example …
Kimia Analitik FMIPA IPB
Example …
Cluster analysis for Z. cassummunar, C. longa, dan C. xanthorrhiza
Kimia Analitik FMIPA IPB
Plot PCA (▲) Bangle () kunyit (■) temulawakPC1 = 60% dan PC2 = 15%
Example …
Kimia Analitik FMIPA IPB
Example …
Canonic plot from PLS-DA result Z. cassummunar,
C. longa, dan C. xanthorrhiza
Kimia Analitik FMIPA IPB
CAN1
CA
N2
1050-5-10-15
7.5
5.0
2.5
0.0
-2.5
-5.0
C_B
C_K
C_T
B
B
B
K
KK
TT T
T
Canonic plot from PLS-DA validation Z. cassummunar (B), C. longa (K), dan C. xanthorrhiza (T)
Example …
Kimia Analitik FMIPA IPB
Thank You!