F. Validasi Metode Analisis
Danzer et al. 2004 menuliskan bahwa kalibrasi di dalam analisis kimia mengacu pada hubungan antara jumlah atau kadar sampel x = fs Q dan fungsi
terukur y = fz yang bisa berupa spektrum, kromatogram atau yang lain. Kehandalan analisis multikomponen harus divalidasi sesuai dengan kriteria yang umum yaitu
selektivitas, akurasi dan presisi, selanjutnya dapat dihitung nilai kritis multivariat dan batas deteksi. Dalam kalibrasi multivariat, harus dihindari kolinieritas variabel yang
disebabkan oleh konsentrasi sampel kalibrasi.
1. Presisi
Ketidakpastian kalibrasi dan prediksi kadar yang tidak diketahui dihitung dengan root mean standard error of calibration RMSEC dan root mean square
error of cross validation RMSECV dengan persamaan dibawah ini :
RMSEC = ŝ
�
=
� ��
煜
−
� ,
2 n
i=1
1
RMSECV = ŝ
�
=
� �
−
� ,
2 n
i=1
2 y
i true, cs
adalah kadar aktual sampel kalibrasi, y
i true, ts
adalah kadar aktual sampel validasi dan y
i calc
adalah kadar prediksi sampel. Parameter lain untuk mengukur presisi kalibrasi multivariat adalah nilai predictive residual error sum
of squares PRESS, yang dihitung dengan persamaan berikut :
� � =
2
=
� 2
�=1
=
� �
−
�䟒 �〱
2 �=1
3 PRESS dihitung seperti menghitung SEP dengan menggunakan sampel validasi.
Kriteria presisi diberikan jika metode memberikan simpangan baku relatif atau koefisien variasi 2 atau kurang untuk kadar analit 100. Kriteria tersebut
sangat fleksibel tergantung pada konsentrasi analit yang diperiksa, jumlah sampel, dan kondisi laboratorium seperti pada Tabel I.
Tabel I. Kriteria penerimaan nilai RSD Horwitz cit. Gonzales, Herrador, and Asuero, 2010.
Analit Fraksi analit
Konsentrasi analit
Nilai RSD 100
1 100
2 10
10
-1
10 2,8
1 10
-2
1 4
0,1 10
-3
0,10 5,7
0,01 10
-4
100 ppm 8
0,001 10
-5
10 ppm 11,3
0,0001 10
-6
1 ppm 16
0,00001 10
-7
100 ppb 22,6
0,000001 10
-8
10 ppb 32
0,0000001 10
-9
1 ppb 45,3
2.
Akurasi
Ada tidaknya suatu kesalahan sistematik dapat diketahui dari fungsi recovery
. Kadar yang diprediksi model ĉ dibandingkan dengan kadar actual
sampel validasi c dengan persamaan regresi sebagai berikut : ĉ=α + βc 4
Koefisien regresi ideal adalah jika nilai α = 0 dan β = 1 Danzer et al., 2004. Akurasi dinyatakan sebagai persen kembali analit yang ditambahkan, nilai
kecermatan dapat dinyatakan dengan persen perolehan kembali recovery. Batasan nilai akurasi dapat dilihat pada Tabel II.
Tabel II. Nilai recovery sebagai fungsi dari nilai konsentrasi analit dalam matriks sampel Wood, 1998
Analit pada matrix sampel Recovery yang diterima
100 98
– 102 10
98 – 102
1 97
– 103 0,1
95 – 105
0,01 90
– 107 0,001
90 – 107
0,0001 1 ppm 80
– 110 100 ppb
80 – 110
10 ppb 60
– 115 1 ppb
40 – 120
3.
Selektivitas
Secara umum, selektivitas sistem multikomponen dapat ditetapkan secara kualitatif dan kuantitatif. Dalam kalibrasi multivariat, selektivitas biasanya
dihitung dengan condition number. Namun condition number tidak memperhitungkan kadar masing-masing komponen dan hanya memberikan
batasan besarnya kesalahan yang diperbolehkan Danzer et al., 2004.
G. Landasan Teori
Kategori