1 Introduksi
1.1 Latar Belakang
Setelah kurva kalibrasi standar berhasil dibangun (lihat Standard Curve), langkah praktis berikutnya adalah menghitung konsentrasi sampel unknown dari respons detektor yang terukur. Operasi ini disebut inverse calibration atau back-calculation — pemecahan persamaan $y = mx + b$ untuk $x$ ketika $y$ diketahui. Meskipun matematikanya sederhana ($x = (y - b)/m$), implementasi yang baik harus memperhitungkan interval kepercayaan estimasi konsentrasi: titik unknown yang jauh dari pusat kurva kalibrasi memiliki ketidakpastian yang lebih besar dibanding titik di tengah (Miller & Miller, 2018; ICH Q2(R1)).
Dalam praktik laboratorium QC, kuantifikasi unknown menjadi titik di mana banyak kesalahan terjadi: sampel di luar working range diekstrapolasi tanpa peringatan, dilusi yang salah dikompensasi, atau unit konversi dilewati (mg/L vs μg/mL — dua satuan yang sama secara numerik di air tetapi membingungkan saat diperkuat dengan faktor dilusi). Modul Concentration Calculation mengotomatisasi proses ini sekaligus memberikan prediction interval dan warning ketika sampel di luar working range — sangat penting untuk laboratorium yang melayani banyak sampel rutin.
1.2 Tujuan Modul
Modul Concentration Calculation di SQalytics ditujukan untuk:
- Menghitung konsentrasi sampel unknown dari respons terukur menggunakan kurva kalibrasi yang dibangun sebelumnya.
- Menyediakan interval prediksi ($x_0 \pm \Delta x$) yang mencerminkan ketidakpastian total estimasi.
- Mendukung dua mode input unknown: (a) baris dalam tabel yang sama dengan standar, atau (b) paste manual nilai respons.
- Memberikan warning otomatis ketika sampel di luar working range (signal < LOQ atau > standar tertinggi).
- Menyajikan ranking model kalibrasi alternatif (linier, quadratic, log-log) dan memilih yang terbaik secara otomatis.
- Audiens utama: mahasiswa kimia analitik yang menyelesaikan praktikum, laboran QC industri pangan, peneliti yang melakukan kuantifikasi rutin pasca-kalibrasi.
1.3 Posisi di Antara Alternatif
Pakai Concentration Calculation ketika Anda sudah punya rangkaian standar + sampel unknown dalam satu workflow dan ingin kuantifikasi langsung. Untuk membangun kurva terlebih dahulu sebelum kuantifikasi, mulai dari Standard Curve. Untuk matriks kompleks yang butuh kalibrasi dalam sampel, pakai Standard Addition. Untuk kromatografi dengan integrasi AUC otomatis, pakai HPLC / GC AUC yang sekaligus melakukan peak detection + kuantifikasi. Untuk evaluasi mutu metode formal (LOD/LOQ/recovery/presisi inter-day), pakai Method Validation & QC.
2 Metode
2.1 Dasar Teoretis
Inverse calibration linier memecahkan $y = mx + b$ untuk $x$ ketika respons $y_0$ sampel unknown diukur:
$$ \hat{x}_0 = \frac{y_0 - b}{m} $$Namun ketidakpastian estimasi konsentrasi unknown TIDAK simetris di sekitar $\hat{x}_0$ — formula prediction interval untuk inverse calibration lebih kompleks dari prediction interval forward biasa (Miller & Miller, 2018, Eq. 5.10):
Prediction interval inverse calibration:
$$ \Delta x = \frac{t_{\alpha/2, n-2} \cdot s_{y/x}}{|m|} \sqrt{\frac{1}{k} + \frac{1}{n} + \frac{(y_0 - \bar{y})^2}{m^2 \sum_{i}(x_i - \bar{x})^2}} $$di mana:
- $k$ = jumlah replikat measurement unknown (biasanya 1)
- $n$ = jumlah titik standar
- $s_{y/x}$ = residual standard deviation dari kurva kalibrasi
- $y_0$ = respons terukur unknown
- $\bar{y}, \bar{x}$ = mean respons dan konsentrasi standar
- Interval kepercayaan: $\hat{x}_0 - \Delta x \leq x_0 \leq \hat{x}_0 + \Delta x$
Working range check:
Modul menandai sampel unknown sebagai "valid", "below LOQ", atau "above highest standard" dengan kriteria:
- $y_0 < \text{LOQ}$ pada respons → status
<LOQ(laporan hanya boleh ditulis "not detectable" atau "<LOQ") - $y_0 > y_{\max}$ titik standar tertinggi → status
>HIGH(rekomendasi: dilusi sampel dan ulang) - $\text{LOQ} \leq y_0 \leq y_{\max}$ → status
OK
Faktor dilusi — jika sampel di-dilusi sebelum measurement, konsentrasi asli adalah:
$$ C_{\text{asli}} = \hat{x}_0 \times D $$dengan $D$ = faktor pengenceran (mis. $D = 10$ untuk dilusi 1:10). Modul menerima kolom opsional dilution_factor di tabel unknown.
2.2 Persamaan Inti
Inverse linier:
$$ \hat{x}_0 = \frac{y_0 - b}{m} $$Variance estimasi konsentrasi unknown:
$$ \text{Var}(\hat{x}_0) = \frac{s_{y/x}^2}{m^2}\left[\frac{1}{k} + \frac{1}{n} + \frac{(y_0 - \bar{y})^2}{m^2 \sum_i(x_i - \bar{x})^2}\right] $$Relative Standard Deviation (RSD) untuk evaluasi kualitas estimasi:
$$ \text{RSD}(\%) = \frac{\sqrt{\text{Var}(\hat{x}_0)}}{\hat{x}_0} \times 100\% $$Konvensi praktis (AOAC, 2016): RSD < 5% = excellent, < 10% = acceptable, > 15% = poor (pertimbangkan dilusi sampel atau ulang measurement dengan replikat).
2.3 Asumsi & Batas Validitas
| Asumsi | Konsekuensi jika dilanggar | Cara cek di SQalytics |
|---|---|---|
| Kurva kalibrasi memenuhi syarat ($R^2 > 0.995$) | Estimasi konsentrasi bias | Modul menampilkan $R^2$ dari kurva |
| Sampel berada di working range | Ekstrapolasi tidak valid | Modul memberi warning <LOQ atau >HIGH |
| Matriks sampel mirip matriks standar | Efek matriks menyebabkan bias | Pertimbangkan Standard Addition |
| Replikat unknown ≥ 3× (ideal) | Tidak ada estimasi presisi | Modul jalan dengan 1×; ideal 3× |
| Faktor dilusi tepat | Konsentrasi asli salah | Tanggung jawab pengguna untuk validasi |
| Stabilitas analit terjamin | Drift detektor antar measurement | Internal Standard direkomendasikan untuk batch panjang |
3 Cara Kerja
3.1 Step-by-Step di SQalytics
- Buka
Concentration Calculationdari domain Kimia di sidebar. - Pada langkah
Check the current data, pastikan tabel aktif sudah dimuat. - Pada langkah
Choose the calibration setup, pilih:- Concentration column — kolom konsentrasi standar.
- Response column — kolom respons.
- Model choice —
Auto best(rekomendasi) atau linier/quadratic/log-log.
- Pada langkah
Add the unknown responses, pilih mode:Use blank concentration rows— bila unknown sudah di tabel yang sama (konsentrasi kosong, respons terisi).Paste unknown responses— bila Anda ingin menempel nilai dari sumber lain.
- Optional: isi
dilution_factorper unknown bila ada dilusi. - Klik Calculate Concentrations.
- Tinjau hasil: tabel
Unknown concentrations→ tabelCalibration model used→ grafik kalibrasi + unknowns → tabel ranking model. - Ekspor TXT bila perlu untuk dokumentasi.
3.2 Template Tabel Input + Contoh Data Sintetis
Skema tabel input:
| Kolom | Tipe | Satuan | Wajib | Catatan |
|---|---|---|---|---|
concentration | numeric | sesuai konteks | ✓ standar | Untuk baris unknown, biarkan kosong |
response | numeric | sesuai detektor | ✓ | Wajib untuk standar maupun unknown |
sample_id | category | — | ◯ | Untuk membedakan unknown |
dilution_factor | numeric | — | ◯ | Default 1.0 |
Contoh data sintetis (12 baris — 8 standar + 4 unknown):
| sample_id | concentration_ppm | response_AU | dilution_factor |
|---|---|---|---|
| STD-0 | 0.0 | 0.025 | 1 |
| STD-1 | 10.0 | 0.184 | 1 |
| STD-2 | 25.0 | 0.448 | 1 |
| STD-3 | 50.0 | 0.876 | 1 |
| STD-4 | 100.0 | 1.732 | 1 |
| STD-5 | 150.0 | 2.590 | 1 |
| STD-6 | 200.0 | 3.445 | 1 |
| STD-7 | 250.0 | 4.310 | 1 |
| UAE-S1 | 1.245 | 5 | |
| UAE-S2 | 1.658 | 5 | |
| MAE-S1 | 0.892 | 5 | |
| BLANK | 0.041 | 1 |
docs/assets/example-data/id/chemistry/template_standard_curve.csv.
3.3 Contoh Luaran
Tabel Unknown concentrations:
| Sample ID | Response (AU) | $\hat{x}_0$ (ppm) | 95% PI | × Dilusi | Konsentrasi asli (ppm) | RSD | Status |
|---|---|---|---|---|---|---|---|
| UAE-S1 | 1.245 | 71.34 | [70.7, 72.0] | 5 | 356.7 | 0.9% | OK |
| UAE-S2 | 1.658 | 95.39 | [94.7, 96.1] | 5 | 476.9 | 0.8% | OK |
| MAE-S1 | 0.892 | 50.79 | [50.2, 51.4] | 5 | 254.0 | 1.2% | OK |
| BLANK | 0.041 | 1.21 | — | 1 | 1.21 | — | <LOQ |
Tabel Calibration model used:
| Parameter | Nilai |
|---|---|
| Model | Linier |
| Slope | 0.01718 AU/ppm |
| Intercept | 0.0203 AU |
| $R^2$ | 0.99996 |
| LOD | 2.39 ppm |
| LOQ | 7.22 ppm |
| Working range | 7.22 – 250 ppm |
<LOQ) — ini sesuai harapan untuk reagen tanpa analit. UAE menghasilkan TPC lebih tinggi (~40%) dibanding MAE."Grafik utama: scatter kurva kalibrasi (8 standar) + 4 marker khusus untuk unknown (warna berbeda), garis fit linier, dan garis vertikal dari setiap unknown ke sumbu X untuk visualisasi interpolasi $\hat{x}_0$.
4 Kesimpulan
4.1 Relevansi Real-World
Concentration Calculation adalah modul harian di laboratorium QC industri pangan dan analitik. Workflow tipikal:
- TPC ekstrak tanaman — kuantifikasi rutin TPC pada batch produksi suplemen herbal, output: mg GAE/g ekstrak.
- Protein BCA — kuantifikasi protein pada batch produksi enzim atau formulasi makanan.
- Vitamin C HPLC — kuantifikasi vitamin C pada jus buah atau suplemen.
- Pestisida residu GC-MS — kuantifikasi residu pestisida pada produk pertanian.
- Logam berat AAS — kuantifikasi Pb/Cd/Hg pada produk pangan sesuai SNI.
Dalam konteks publikasi IMRAD, output modul ini menjadi Tabel utama di bagian Hasil. Pada Rencana Publikasi Singkil v5, modul ini dipakai pada Tahap 1 untuk mengkuantifikasi 6 cheap assays (TFC, TPC, tanin, saponin, DPPH, ABTS) × 8 cell faktorial — output langsung menjadi Tabel 2 manuskrip dengan unit mg equivalent/g sample ± SD.
4.2 Where to Go from Here
Modul lanjutan di SQalytics:
Pembacaan lanjutan:
- Miller & Miller (2018), Bab 5 — inverse calibration + prediction interval.
- Snyder, L. R., Kirkland, J. J., & Dolan, J. W. (2010). Introduction to modern liquid chromatography (3rd ed.). Wiley — Bab 11 untuk aplikasi kuantifikasi.
- AOAC Official Methods 2016 — untuk standar QC industri pangan.
⚙ Troubleshooting Cepat
<LOD.>HIGH. Sampel di luar working range — dilusi sampel sebelum measurement (mis. 1:10) lalu kalikan kembali dengan faktor dilusi.i Riwayat Revisi
Riwayat Revisi Panduan
| Tanggal | Revisi | Penulis |
|---|---|---|
| 2026-05-12 | Migrasi MD v2 → HTML final dengan figure interpolasi unknown + caption Elsevier-style | Claude |
| 2026-05-12 | Migrasi v1 → v2 (template publikasi: Introduksi/Metode/Cara Kerja/Kesimpulan + KaTeX inverse calibration + APA) | Claude |
| 2026-05-09 | Draft awal v1 | Tim docs |
4 Referensi
- AOAC International. (2016). Appendix F: Guidelines for standard method performance requirements. In Official Methods of Analysis (20th ed.). AOAC International.
- International Council for Harmonisation. (2005). ICH Q2(R1): Validation of analytical procedures — Text and methodology. ICH Harmonised Tripartite Guideline.
- Miller, J. N., & Miller, J. C. (2018). Statistics and chemometrics for analytical chemistry (7th ed.). Pearson Education — Bab 5, khususnya Eq. 5.10 untuk inverse calibration.
- Magnusson, B., & Örnemark, U. (Eds.). (2014). Eurachem guide: The fitness for purpose of analytical methods (2nd ed.). Eurachem.