DSC / TGA Thermal Analysis

Domain: Kimia · SQalytics · DSC/TGA thermal analysis untuk gelatinisasi pati + dekomposisi matriks pangan

1 Introduksi

1.1 Latar Belakang

Thermal analysis adalah keluarga teknik yang mengukur perubahan fisikokimia material sebagai fungsi suhu. Dua teknik paling banyak dipakai di sains pangan, farmasi, dan polimer adalah Differential Scanning Calorimetry (DSC) dan Thermogravimetric Analysis (TGA) (Roos, 2015; Höhne, Hemminger, & Flammersheim, 2003).

DSC mengukur heat flow ($\Delta H$, mW atau mJ/s) antara sampel dan reference saat suhu di-scan linier. Output mengungkap: glass transition $T_g$ (perubahan kapasitas panas, endothermic step), melting $T_m$ (endothermic peak + $\Delta H_m$), crystallization $T_c$ (exothermic peak), dan reaksi kimia (oksidasi, dekomposisi). Pada pangan: $T_g$ kontrol storage stability produk amorphous (sukrosa amorf, lactose), $T_m$ pati gelatinization, dan $\Delta H$ lemak melting profile.

TGA mengukur mass loss sebagai fungsi suhu — output: moisture loss (RT-150 °C), volatile organics (150–400 °C), decomposition (400–600 °C), ash residue (> 600 °C). Plus turunan DTG (derivative mass loss vs T) untuk identifikasi peak dekomposisi. Pada material: TGA mengukur composition fraksi, thermal stability, dan kinetika dekomposisi via Kissinger method (Kissinger, 1957).

1.2 Tujuan Modul

Modul DSC / TGA Thermal Analysis di SQalytics ditujukan untuk:

1.3 Posisi di Antara Alternatif

Pilih DSC / TGA Thermal Analysis untuk karakterisasi termal material. Untuk kinetika inaktivasi mikroba termal, pakai D-value / Z-value / F-value. Untuk shelf life prediction termal, pakai ASLT / Shelf-Life Prediction (Arrhenius). Untuk struktur kristal, gunakan XRD Peak & Crystallinity (komplementer DSC untuk crystallinity). Untuk isoterm sorpsi air, pakai Water Activity / Sorption Isotherm.

2 Metode

2.1 Dasar Teoretis

DSC — heat flow differential antara sampel dan reference:

$$ \Phi(T) = \frac{dQ}{dt}, \quad \beta = \frac{dT}{dt} $$

dengan $\beta$ heating rate (K/min, standar 10 K/min).

$T_g$ midpoint — perubahan kapasitas panas pada glass transition (step endothermic):

$$ T_g = \frac{T_{\text{onset}} + T_{\text{endset}}}{2} $$

dengan $\Delta C_p = C_p^{\text{liquid}} - C_p^{\text{glass}}$ (mJ/(g·K)).

Meltingpeak temperature $T_m$ dan enthalpy $\Delta H_m$:

$$ \boxed{\, \Delta H_m = \int_{T_{\text{onset}}}^{T_{\text{endset}}} \Phi(T) \, dT \cdot \frac{1}{m \beta} \,} $$

dengan $m$ massa sampel (mg). Output dalam J/g.

Degree of crystallinity dari DSC:

$$ X_c (\%) = \frac{\Delta H_m^{\text{sample}}}{\Delta H_m^{\text{100\% crystal}}} \times 100 $$

Untuk PLA: $\Delta H_m^{100\%} = 93$ J/g; untuk PE: 290 J/g; untuk pati gelatinisasi: 17–30 J/g (Roos, 2015).

TGA mass loss percentage:

$$ \Delta m (\%) = \frac{m_0 - m(T)}{m_0} \times 100 $$

DTG (derivative thermogravimetry) — peak dekomposisi:

$$ \text{DTG}(T) = -\frac{dm}{dT} $$

Peak DTG menandai temperatur dekomposisi maksimum ($T_{\text{max}}$).

Kissinger method untuk kinetika multi-heating-rate (Kissinger, 1957):

$$ \ln\!\left(\frac{\beta}{T_p^2}\right) = -\frac{E_a}{R T_p} + \ln\!\left(\frac{A R}{E_a}\right) $$

Plot $\ln(\beta/T_p^2)$ vs $1/T_p$ memberikan activation energy $E_a$ dari slope $-E_a/R$ dan pre-exponential factor $A$ dari intercept. Aplikasi: kinetika dekomposisi polimer, oksidasi lipid (Rancimat induction time analog).

2.2 Persamaan Inti

$T_g$ midpoint: $T_g = (T_{\text{onset}} + T_{\text{endset}}) / 2$

$\Delta H$ integration: $\Delta H = \int \Phi(T) \, dT / (m \beta)$

Degree of crystallinity: $X_c = \Delta H_m^{\text{sample}} / \Delta H_m^{100\%} \times 100$

Mass loss: $\Delta m = (m_0 - m(T)) / m_0 \times 100$

DTG: $-dm/dT$

Kissinger: $\ln(\beta / T_p^2) = -E_a/(R T_p) + \text{const}$

2.3 Asumsi & Batas Validitas

Asumsi Konsekuensi jika dilanggar Cara cek di SQalytics
Massa sampel 5–20 mg (DSC); 5–10 mg (TGA) Heat flow saturated atau noise tinggi Catat $m_0$ di metadata
Heating rate standar 10 K/min Peak temperature shifted Dokumentasikan $\beta$
Atmosfer N₂ (inert) untuk thermal stability Oxidative pathway tidak terisolasi Switch ke N₂ atau air sesuai tujuan
Pan kalibrasi (DSC indium melting at 156.6 °C) Bias $T_m$ dan $\Delta H$ Kalibrasi mingguan
Baseline correction tepat $\Delta H$ bias 5–10% Modul: linear vs sigmoidal pilih sesuai peak shape
Replikasi $\geq 2$ untuk peak terbaca High variability $T_g$ Catat replicates

3 Cara Kerja

3.1 Step-by-Step di SQalytics

  1. Buka DSC / TGA Thermal Analysis dari domain Kimia.
  2. Pilih deck: DSC atau TGA.
  3. Muat tabel: kolom Temperature_C + Heat_flow_mW (DSC) atau Temperature_C + Mass_pct (TGA).
  4. Sesuaikan:
    - Sample mass (mg, untuk normalisasi DSC).
    - Heating rate (K/min, default 10).
    - Baseline correction: linear, sigmoidal, spline.
    - Peak threshold (mW atau %/K untuk DTG).
  5. Klik Run [DSC/TGA] Analysis.
  6. Tinjau hasil:
    - Tab Plot — thermogram dengan peak markers + baseline overlay.
    - Tab Peak Table — $T_{\text{onset}}$, $T_{\text{peak}}$, $T_{\text{endset}}$, $\Delta H$ (J/g), mass loss (%).
    - Tab Summary — $T_g$, $T_m$, $T_c$, atau mass loss steps.
    - (DTG) Tab DTG plot untuk derivatif.
    - (Multi-$\beta$) Tab Kissinger plot untuk $E_a$.

Setelah hasil utama tampil di Step 4, gunakan Step 5 opsional untuk mengirim view DSC heat-flow atau TGA mass-loss ke Publication Graph Studio (PGS). Di sana Anda bisa lanjut mengatur typography, legend, preview Print, lalu ekspor SVG/PNG/PDF untuk kebutuhan publikasi.

3.2 Template Tabel Input + Contoh Data Sintetis (Deck DSC)

Kolom Tipe Wajib Catatan
Temperature_C numeric Sumbu X
Heat_flow_mW numeric Sinyal DSC (endothermic positif/negatif per konvensi)

Contoh data sintetis (DSC native starch corn, $\beta$ = 10 K/min, ringkas):

Temperature_C Heat_flow_mW
30 0.05
50 0.08
65 0.45
72 2.85 (peak gelatinization)
80 0.85
100 0.10
150 0.05
200 0.04
Data sintetis — DSC native corn starch dengan moisture 50% (w/w). Peak gelatinization pada 72 °C dengan endothermic $\Delta H$ ~ 12 J/g (pati basis kering). Karakteristik native unmodified starch (Roos, 2015).

3.3 Contoh Luaran (Deck DSC)

Tabel Peak Detection:

Event $T_{\text{onset}}$ (°C) $T_{\text{peak}}$ (°C) $T_{\text{endset}}$ (°C) $\Delta H$ (J/g) Interpretasi
Gelatinization 64.5 72.0 85.0 12.4 Native starch gelatinization (Roos 2015: 60–80 °C, 5–15 J/g)

Summary parameters:

Parameter Nilai Catatan
Sample mass 8.5 mg DSC standar 5–15 mg
Heating rate $\beta$ 10 K/min ASTM E1356
$T_g$ (jika ada) tidak terdeteksi Native starch above $T_g$ pada moisture 50%
$T_{\text{gel}}$ peak 72.0 °C Konsisten corn starch
$\Delta H_{\text{gel}}$ 12.4 J/g Within native range
Kesimpulan ringkas: "DSC pati jagung native menunjukkan peak endothermic tunggal pada $T_{\text{peak}}$ = 72.0 °C dengan $\Delta H$ = 12.4 J/g — karakteristik gelatinization native starch (Roos 2015: corn 60–80 °C). $T_{\text{onset}}$ 64.5 °C dan $T_{\text{endset}}$ 85.0 °C memberi rentang gelatinization $\sim 20$ K. Tidak ada peak crystallization atau $T_g$ terdeteksi (sampel di atas $T_g$ pada moisture 50%). Implikasi: untuk aplikasi roti, target suhu oven ≥ 85 °C agar pati gelatinize sepenuhnya. Lanjut ke Water Activity / Sorption Isotherm untuk korelasi $T_g$ vs moisture (state diagram pati)."
DSC gelatinization pati jagung dan TGA tiga stage biskuit gandum
Gambar 1. Analisis termal pangan dengan DSC dan TGA. (a) Differential Scanning Calorimetry pati jagung native (moisture 50% w/w, $\beta$ = 10 K/min, sampel 8.5 mg): peak endothermic tunggal pada $T_{\text{peak}}$ = 72.0 °C dengan entalpi $\Delta H$ = 12.4 J/g — karakteristik gelatinisasi pati native (Roos, 2015: corn 60–80 °C, 5–15 J/g). Onset 64.5 °C dan endset 85.0 °C memberi rentang gelatinisasi $\sim$ 20 K. (b) Thermogravimetric Analysis biskuit gandum (rentang 30–600 °C): tiga stage mass-loss terdeteksi — (i) moisture evaporation ~7% pada 30–120 °C, (ii) decomposition matriks organik ~55% pada 200–450 °C, (iii) char oxidation ~25% pada 450–600 °C. Kurva DTG (derivative, oranye) menyoroti rate-max pada tiap stage untuk identifikasi onset/inflection presisi (ASTM E1131).

4 Kesimpulan

4.1 Relevansi Real-World

4.2 Where to Go from Here

Troubleshooting Cepat

Baseline drift parah. Kalibrasi DSC dengan indium standar; pakai sigmoidal baseline correction.
$\Delta H$ sangat rendah. Cek $m$ — terlalu kecil (< 3 mg) memberi sinyal noise.
DTG flat. Naikkan heating rate atau ganti pelarut bila TGA dalam atmosphere reaktif.
$T_g$ tidak terdeteksi. Cek apakah sampel di atas $T_g$ pada moisture content tertentu — keringkan dulu.

i Riwayat Revisi

TanggalRevisiPenulis
2026-05-12Migrasi MD v2 → HTML final dengan figure publikasi + caption Elsevier-style (W1 batch malam 12 Mei)Claude
2026-05-12Draft v2 publikasi (KaTeX DSC heat flow + ΔH + Kissinger + APA Roos/Höhne/Kissinger)Claude

4 Referensi

  • Roos, Y. H. (2015). Phase transitions in foods (2nd ed.). Academic Press. https://doi.org/10.1016/C2013-0-13278-3
  • Höhne, G., Hemminger, W. F., & Flammersheim, H.-J. (2003). Differential scanning calorimetry (2nd ed.). Springer. https://doi.org/10.1007/978-3-662-06710-9
  • Kissinger, H. E. (1957). Reaction kinetics in differential thermal analysis. Analytical Chemistry, 29(11), 1702–1706. https://doi.org/10.1021/ac60131a045
  • Brown, M. E. (Ed.). (2001). Introduction to thermal analysis: Techniques and applications (2nd ed.). Kluwer Academic. https://doi.org/10.1007/0-306-48404-8
  • Gaisford, S., Kett, V., & Haines, P. (Eds.). (2016). Principles of thermal analysis and calorimetry (2nd ed.). Royal Society of Chemistry. https://doi.org/10.1039/9781782623910
  • ASTM E1356-08. (2014). Standard test method for assignment of the glass transition temperatures by DSC. ASTM International.