Standard Addition — SQalytics

1 Introduksi

1.1 Latar Belakang

Pengukuran kuantitatif analit dalam matriks yang kompleks — minyak nabati, jus buah, ekstrak tanaman, susu, atau sedimen tanah — sering menghadapi matrix effect: respons detektor terhadap analit dipengaruhi (ditekan atau ditinggikan) oleh senyawa-senyawa lain dalam sampel. Akibatnya, kalibrasi standar eksternal yang dibuat dalam pelarut murni menghasilkan estimasi konsentrasi yang bias, kadang puluhan persen jauh dari nilai sebenarnya. Fenomena ini didokumentasikan secara luas di kromatografi (Trufelli, Palma, Famiglini, & Cappiello, 2011), spektroskopi atom (Welz & Sperling, 1999), dan elektroanalisis voltametrik.

Standard addition adalah teknik kalibrasi yang menjawab masalah ini dengan cara membuat kurva kalibrasi di dalam sampel itu sendiri. Sejumlah aliquot sampel ditambah dengan konsentrasi standar yang berbeda-beda (termasuk 0 sebagai titik tanpa penambahan), kemudian respons diukur untuk masing-masing aliquot. Karena seluruh titik kalibrasi mengalami efek matriks yang sama, slope dari garis respons-vs-penambahan menjadi nilai yang valid untuk mengekstrapolasi balik ke konsentrasi asli sampel. Snyder, Kirkland, & Dolan (2010) menempatkan teknik ini sebagai salah satu prosedur paling penting untuk validasi metode pada matriks pangan dan biologis.

1.2 Tujuan Modul

Modul Standard Addition di SQalytics ditujukan untuk:

Menghitung konsentrasi asli analit ($C_0$) pada sampel dengan matriks kompleks tanpa memerlukan kalibrasi eksternal.
Memvalidasi kelinieran respons detektor di sekitar konsentrasi sampel ($R^2$, residual).
Membandingkan estimasi $C_0$ antar sampel dalam satu run, lengkap dengan slope/intercept per sampel.
Audiens utama: mahasiswa S1/S2 kimia analitik, laboran QC industri pangan, peneliti yang bekerja dengan matriks pekat (madu, minyak, sari buah, sedimen).

1.3 Posisi di Antara Alternatif

Pilih Standard Addition ketika Anda tidak yakin matriks bersih atau ketika recovery metode standar eksternal pada validasi awal di bawah 80% atau di atas 120%. Bila matriks bersih (mis. larutan stok dalam aquabidest) dan recovery validasi sudah baik, kalibrasi eksternal di modul Standard Curve lebih efisien (lebih sedikit titik per sampel). Bila Anda memakai dua analit secara simultan dengan rasio respons yang dimanfaatkan, pakai Internal Standard.

2 Metode

2.1 Dasar Teoretis

Pada respons detektor yang linier terhadap konsentrasi total analit di dalam alikuot (analit asli + standar yang ditambahkan), respons $y$ pada titik ke-$i$ memenuhi:

$$ y_i = m \cdot (C_0 + C_{\text{add},i}) + b $$

di mana:

$y_i$ = respons detektor (luas puncak, absorbansi, arus puncak)
$m$ = slope kalibrasi di dalam matriks sampel
$C_0$ = konsentrasi asli analit dalam sampel (parameter yang dicari)
$C_{\text{add},i}$ = konsentrasi standar yang ditambahkan pada titik ke-$i$
$b$ = intercept (background signal akibat noise/non-specific absorption)

Bila $b$ dianggap nol (idealnya), titik dengan $C_{\text{add}} = 0$ memberi $y_0 = m \cdot C_0$, dan titik dengan $C_{\text{add}} \neq 0$ memberi titik-titik tambahan untuk fit garis. Ekstrapolasi balik ke $y = 0$ memberi:

$$ C_0 = -\frac{b}{m} $$

Bila intercept $b$ tidak nol (background nyata), persamaan lengkap di atas tetap berlaku dan $C_0$ tetap dapat diekstrapolasi sebagai titik di mana garis memotong sumbu X negatif.

2.2 Persamaan Inti

Regresi linier kuadrat-terkecil atas $(C_{\text{add}}, y)$ menghasilkan:

$$ m = \frac{\sum_{i=1}^{n}(C_{\text{add},i} - \bar{C}_{\text{add}})(y_i - \bar{y})}{\sum_{i=1}^{n}(C_{\text{add},i} - \bar{C}_{\text{add}})^2} $$ $$ b = \bar{y} - m \cdot \bar{C}_{\text{add}} $$

Konsentrasi asli sampel ($C_0$) — persamaan kunci modul:

$$ C_0 = \frac{b}{m} $$

Koefisien determinasi untuk kontrol kualitas fit:

$$ R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{\sum_{i=1}^{n}(y_i - \bar{y})^2} $$

Kriteria penerimaan praktis (AOAC, 2016): $R^2 \geq 0.995$ untuk metode kuantitatif rutin; $R^2 \geq 0.99$ untuk metode penelitian/skrining.

Standard error estimasi $C_0$ dapat dihitung dengan propagasi error:

$$ s_{C_0} = \frac{s_{y/x}}{|m|} \sqrt{\frac{1}{n} + \frac{\bar{y}^2}{m^2 \sum_{i}(C_{\text{add},i} - \bar{C}_{\text{add}})^2}} $$

di mana $s_{y/x}$ adalah residual standard deviation dari fit.

2.3 Asumsi & Batas Validitas

Asumsi	Konsekuensi jika dilanggar	Cara cek di SQalytics
Respons linier di rentang penambahan	Estimasi $C_0$ bias	$R^2 < 0.99$ → indikasi non-linearitas
Efek matriks konstan pada semua titik	Slope berubah, $C_0$ salah	Replikasi spike pada satu konsentrasi
Standar dan analit identik kimianya	$C_0$ salah karena selectivity	Validasi via spike-recovery
Minimal 4 titik konsentrasi penambahan	Standard error sangat besar	Modul menolak <3 baris

Batas penerimaan praktis. Rentang penambahan harus mencakup $0.5 \times$ hingga $2 \times C_0$ yang diperkirakan. Penambahan terlalu kecil membuat ekstrapolasi panjang; penambahan terlalu besar dapat keluar dari rentang linier detektor.

3 Cara Kerja

3.1 Step-by-Step di SQalytics

Buka Standard Addition dari domain Kimia di sidebar.
Pada langkah Check the current data, pastikan tabel aktif sudah dimuat dari Data Uploader atau Data Editor.
Pada langkah Review the detected structure, periksa dan sesuaikan:
- Sample column — kolom identifier sampel (bisa kosong bila hanya 1 sampel).
- Added-standard column — kolom konsentrasi standar yang ditambahkan ($C_{\text{add}}$).
- Response column — kolom respons detektor (luas puncak, absorbansi, arus).
Pastikan setiap sampel memiliki minimal 3 titik dengan $C_{\text{add}}$ yang berbeda (lebih baik 4–6 titik termasuk $C_{\text{add}} = 0$).
Klik Run Standard Addition.
Tinjau hasil: kesimpulan ringkas → Addition Plot → Summary Table (slope, intercept, $C_0$, $R^2$, $n$) → ekspor TXT.
Bila ada sampel dengan $R^2 < 0.99$, kembali ke Data Editor untuk inspeksi outlier sebelum interpretasi final.

3.2 Template Tabel Input + Contoh Data Sintetis

Skema tabel input minimum:

Kolom	Tipe	Satuan	Wajib	Catatan
`sample`	category	—	◯	Bisa kosong bila hanya 1 sampel
`added_standard_ppm`	numeric	ppm	✓	Sertakan titik 0 sebagai baseline
`response_au`	numeric	a.u.	✓	Luas puncak / absorbansi / arus

Contoh data sintetis (10 baris, 2 sampel × 5 titik penambahan):

sample	added_standard_ppm	response_au
S1	0.0	0.215
S1	2.0	0.412
S1	4.0	0.608
S1	6.0	0.811
S1	8.0	1.005
S2	0.0	0.318
S2	2.0	0.515
S2	4.0	0.722
S2	6.0	0.918
S2	8.0	1.121

SYNTHETIC Pola spike kecil yang lazim pada metode standard-addition kromatografi cair (Snyder et al., 2010, hal. 156). Slope sengaja dibuat ~0.099 a.u./ppm untuk kedua sampel (asumsi efek matriks setara), sementara intercept berbeda (0.219 vs 0.318) untuk merefleksikan $C_0$ yang berbeda: S1 ≈ 2.2 ppm, S2 ≈ 3.2 ppm. CSV setara tersedia di docs/assets/example-data/id/chemistry/template_standard_addition.csv.

3.3 Contoh Luaran

Tabel ringkasan per sampel (dari data sintetis di atas):

Sampel	Slope ($m$)	Intercept ($b$)	$C_0$ (ppm)	$R^2$	$n$
S1	0.0988	0.2154	2.180	0.9999	5
S2	0.1004	0.3162	3.150	0.9998	5

Kesimpulan ringkas: "Sampel S1 mengandung 2.18 ppm analit asli; sampel S2 mengandung 3.15 ppm. Linearitas kedua fit sangat baik ($R^2 > 0.9998$), efek matriks konsisten antar sampel (slope hampir identik, ~0.099 a.u./ppm)."

Grafik utama — Addition Plot: Scatter plot $C_{\text{add}}$ (sumbu X, ppm) vs respons (sumbu Y, a.u.) dengan satu garis fit per sampel. Setiap garis diekstrapolasi ke sumbu X negatif sampai memotong $y = 0$; titik perpotongan adalah $-C_0$, ditandai dengan marker khusus dan label nilai.

Addition plot dua sampel dengan ekstrapolasi konsentrasi asli — Gambar 1. Addition plot untuk dua sampel (S1, S2) dengan lima titik penambahan standar (0–8 ppm). Garis fit kuadrat-terkecil diekstrapolasi ke sumbu X negatif sampai memotong $y=0$; titik perpotongan (★) memberi *−C₀*. Estimasi: S1 ≈ 2.18 ppm, S2 ≈ 3.15 ppm. Slope yang hampir identik (~0.099 a.u./ppm) menandakan efek matriks konsisten antar sampel; intercept yang berbeda merefleksikan konsentrasi asli analit yang berbeda. Linearitas sangat baik (R² > 0.9998 untuk kedua fit).

4 Kesimpulan

4.1 Relevansi Real-World

Standard Addition adalah teknik kunci untuk laboratorium pangan dan kimia analitik yang sering bekerja dengan matriks "kotor". Contoh konkret:

Penentuan logam berat pada minyak nabati — efek matriks dari trigliserida pada AAS/ICP-MS membuat kalibrasi eksternal tidak reliabel; standard addition per sampel adalah prosedur AOAC standar.
Kuantifikasi flavonoid total pada ekstrak tanaman — tannin dan polifenol non-target menyebabkan background absorption di UV-Vis; standard addition dengan kuersetin standar memberikan TPC yang lebih akurat.
Penentuan vitamin C pada jus buah pekat — interferensi gula dan asam organik pada metode iodometri/HPLC sering memerlukan standard addition sebagai validasi silang.

Di lingkungan thesis Magister, modul ini dipakai pada bab Metode untuk validasi awal sebelum analisis utama (mis. validasi UHPLC-HRMS sebelum profil senyawa target ditarik).

4.2 Where to Go from Here

Modul lanjutan di SQalytics:

Standard Curve — bila Anda ingin membandingkan jalur kalibrasi eksternal versus standard addition pada matriks yang sama (validasi metode).
Internal Standard — bila workflow kuantifikasi Anda memakai rasio analit vs internal standard untuk koreksi drift instrumen.
Method Validation & QC — untuk membawa hasil $C_0$ ini ke evaluasi formal linearitas (LOD/LOQ, presisi, akurasi, recovery).
HPLC / GC AUC (Expert Desk) — bila respons detektor adalah luas puncak kromatografi dan Anda butuh integrasi baseline yang lebih presisi sebelum fit standard-addition dilakukan.

Pembacaan lanjutan:

Snyder et al. (2010), Bab 11 — penanganan matrix effect di HPLC praktis.
Magnusson, B., & Örnemark, U. (Eds.). (2014). Eurachem guide: The fitness for purpose of analytical methods (2nd ed.). Eurachem. https://www.eurachem.org/
Dataset publik untuk benchmarking: NIST SRM 1577c (Bovine Liver) — sertifikat menyediakan $C_0$ tervalidasi untuk berbagai logam yang dapat dipakai memvalidasi prosedur Anda.

⚙ Troubleshooting Cepat

Run gagal karena baris lengkap terlalu sedikit. Pastikan ada minimal 3 pasangan added_standard dan response yang bersih per sampel; 4–6 pasangan lebih disarankan.

Hasil hanya muncul untuk sebagian sampel. Biasanya ada grup sampel tanpa variasi spike (semua $C_{\text{add}}$ sama) atau terlalu banyak nilai kosong; cek di Data Editor.

$R^2 < 0.99$ pada satu sampel. Inspeksi titik yang menyimpang — kemungkinan ada outlier respons, atau penambahan terlalu besar sehingga melebihi rentang linier detektor.

$C_0$ negatif. Indikasi background drift atau intercept terlalu kecil; periksa apakah baseline detektor sudah stabil sebelum injeksi, atau apakah titik $C_{\text{add}} = 0$ benar-benar mewakili sampel tanpa kontaminasi standar.

$C_0$ jauh lebih tinggi dari ekspektasi. Cek satuan kolom added_standard — kesalahan satuan (ppm vs ppb, mg/L vs μg/L) adalah penyebab paling umum.

i Riwayat Revisi

Riwayat Revisi Panduan

Tanggal	Revisi	Penulis
2026-05-12	Migrasi MD v2 → HTML final (KaTeX rendered + TOC + print-friendly CSS)	Claude
2026-05-12	Migrasi v1 → v2 (template publikasi: Introduksi/Metode/Cara Kerja/Kesimpulan + KaTeX + APA)	Claude
2026-05-09	Draft awal v1 (Ringkasan Modul → Langkah Berikutnya)	Tim docs

4 Referensi

AOAC International. (2016). Appendix F: Guidelines for standard method performance requirements. In Official Methods of Analysis (20th ed.). AOAC International.
Snyder, L. R., Kirkland, J. J., & Dolan, J. W. (2010). Introduction to modern liquid chromatography (3rd ed.). John Wiley & Sons.
Trufelli, H., Palma, P., Famiglini, G., & Cappiello, A. (2011). An overview of matrix effects in liquid chromatography–mass spectrometry. Mass Spectrometry Reviews, 30(3), 491–509. https://doi.org/10.1002/mas.20298
Welz, B., & Sperling, M. (1999). Atomic absorption spectrometry (3rd ed.). Wiley-VCH.