Kurva Standar — SQalytics

1 Introduksi

1.1 Latar Belakang

Setiap kuantifikasi analit di laboratorium kimia analitik dimulai dari satu pertanyaan dasar: berapa konsentrasi analit dalam sampel saya? Jawaban kuantitatif baru bisa diperoleh setelah peneliti membangun kurva kalibrasi standar — hubungan matematis antara respons detektor (absorbansi, luas puncak, arus, intensitas fluoresensi) dan konsentrasi analit yang sudah diketahui. Kurva kalibrasi yang baik adalah fondasi kuantifikasi: jika kurvanya bermasalah, semua perhitungan konsentrasi turunannya juga bermasalah, tidak peduli secanggih apa pun instrumennya.

Persyaratan validitas kurva kalibrasi distandarisasi secara internasional oleh ICH Q2(R1) (International Council for Harmonisation, 2005) untuk industri farmasi, AOAC Official Methods untuk pangan, dan Eurachem guide (Magnusson & Örnemark, 2014) untuk laboratorium analitik umum. Tiga parameter inti yang harus dilaporkan adalah: linearitas (R² ≥ 0.995–0.999 tergantung aplikasi), batas deteksi (LOD), dan batas kuantifikasi (LOQ).

1.2 Tujuan Modul

Modul Standard Curve di SQalytics ditujukan untuk:

Membangun kurva kalibrasi linier $y = mx + b$ dari beberapa titik standar dengan konsentrasi yang diketahui.
Membandingkan beberapa model kalibrasi alternatif (linier, quadratic, log-log) dan memilih yang terbaik berdasarkan adjusted R².
Menghitung LOD dan LOQ otomatis berdasarkan standard deviation residual + slope (metode ICH).
Menyajikan diagnostik kualitas: residual plot, R², RMSE, working range.
Menyediakan kurva yang siap dipakai oleh modul Concentration Calculation untuk kuantifikasi sampel unknown.
Audiens utama: mahasiswa S1/S2 kimia analitik, laboran QC industri pangan, peneliti yang membangun metode kuantitatif baru.

1.3 Posisi di Antara Alternatif

Pilih Standard Curve ketika Anda punya rangkaian titik standar (minimal 5 level) yang akan dipakai untuk kuantifikasi sampel unknown. Untuk matriks kompleks dengan efek matrix yang signifikan, gunakan Standard Addition. Untuk kuantifikasi dengan koreksi drift instrumen, gunakan Internal Standard. Setelah kurva selesai dibangun, lanjut ke Concentration Calculation untuk menghitung konsentrasi unknown. Untuk evaluasi formal linearitas/presisi/akurasi sesuai ICH/AOAC, lanjut ke Method Validation & QC.

2 Metode

2.1 Dasar Teoretis

Kurva kalibrasi mengasumsikan bahwa respons detektor $y$ berbanding linier (atau mengikuti fungsi tertentu yang dapat dimodelkan) dengan konsentrasi analit $x$ pada rentang working range instrumen. Di luar rentang ini, hubungan mulai menyimpang karena:

Konsentrasi terlalu rendah → respons mendekati noise instrumen (LOD/LOQ batas bawah).
Konsentrasi terlalu tinggi → saturasi detektor, penyimpangan hukum Beer-Lambert, atau dimerisasi analit (batas atas working range).

Modul memakai kuadrat-terkecil ordinal (OLS) untuk fit linier — solusi tertutup tanpa iterasi numerik, sangat cepat dan robust untuk data kalibrasi yang umumnya rapi.

Pohon keputusan modul untuk model terbaik:

Fit linier $y = mx + b$ sebagai baseline.
Bila $R^2 < 0.995$, fit alternatif: quadratic ($y = ax^2 + bx + c$), log-log ($\log y = m \log x + b$).
Pilih model dengan adjusted $R^2$ tertinggi + residual pattern paling acak (tidak ada pola sistematis).
Hitung LOD dan LOQ dari model yang dipilih.

2.2 Persamaan Inti

Estimator OLS (sama seperti X vs Y Relationship):

$$ \hat{m} = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^{n}(x_i - \bar{x})^2}, \quad \hat{b} = \bar{y} - \hat{m} \bar{x} $$

Limit of Detection (LOD) — konsentrasi terendah yang masih dapat dideteksi secara reliable (signal ≈ 3× noise). Mengikuti ICH Q2(R1) approach:

$$ \text{LOD} = \frac{3.3 \cdot \sigma_{y/x}}{|m|} $$

Limit of Quantification (LOQ) — konsentrasi terendah yang dapat dikuantifikasi dengan presisi dan akurasi yang dapat diterima (signal ≈ 10× noise):

$$ \text{LOQ} = \frac{10 \cdot \sigma_{y/x}}{|m|} $$

di mana:

$\sigma_{y/x}$ = standard deviation residual (akar kuadrat mean square error dari fit)
$|m|$ = absolute slope kurva kalibrasi
Faktor 3.3 berasal dari ICH untuk Signal-to-Noise Ratio (S/N) ≈ 3 pada level false positive yang dapat diterima
Faktor 10 untuk S/N ≈ 10 yang menjamin RSD ≤ 10%

Working range — rentang konsentrasi di mana metode memberikan linearitas, presisi, dan akurasi yang dapat diterima. Batas bawah ≥ LOQ; batas atas dari titik terakhir yang masih lulus uji linearitas (kebanyakan 0.5–2× konsentrasi target sampel).

Residual standard deviation:

$$ \sigma_{y/x} = \sqrt{\frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{n-2}} $$

2.3 Asumsi & Batas Validitas

Asumsi	Konsekuensi jika dilanggar	Cara cek di SQalytics
Respons linier di working range	Estimasi konsentrasi bias	Inspeksi R² + residual plot
Homoskedastisitas (varians konstan)	Standard error keliru di kedua ujung kurva	Visual inspeksi residual vs $x$
Tidak ada outlier ekstrem	Slope dominasi outlier	Modul menandai residual > 2σ
Minimal 5 titik standar	Estimasi LOD/LOQ tidak stabil	Modul menolak <5
Titik standar mencakup target sampel	Ekstrapolasi tidak valid	Kesalahan pengguna
Replikasi minimal 3× pada satu titik (ideal)	Estimasi presisi tidak ada	Modul jalan dengan 1×; lebih baik 3×

3 Cara Kerja

3.1 Step-by-Step di SQalytics

Buka Standard Curve dari domain Kimia di sidebar.
Pada langkah Check the current data, pastikan tabel aktif sudah dimuat dari Data Uploader atau Data Editor.
Pada langkah Choose the concentration-style X column, pilih kolom konsentrasi standar (mis. concentration_ppm).
Kolom numerik lain akan otomatis dideteksi sebagai kandidat respons; pilih kolom respons yang ingin Anda kalibrasi.
Klik Build Standard Curve.
Tinjau hasil: kesimpulan ringkas → tabel Model summary → tabel Model comparison → grafik kurva kalibrasi → grafik residual plot.
Bila ingin lanjut ke kuantifikasi sampel unknown, simpan setting atau lanjut langsung ke Concentration Calculation.

Jika kurva kalibrasi sudah ingin dipoles untuk laporan atau manuskrip, lanjutkan ke Step 5 opsional untuk mengirim Calibration curve atau Model review ke Publication Graph Studio (PGS). Di sana Anda bisa melanjutkan tipografi, legenda, pratinjau cetak, dan ekspor SVG / PNG / PDF.

3.2 Template Tabel Input + Contoh Data Sintetis

Skema tabel input minimum:

Kolom	Tipe	Satuan	Wajib	Catatan
`concentration`	numeric	ppm/mg·L⁻¹/μM	✓	Minimal 5 level + 1 blank (0)
`response`	numeric	a.u./mAU/counts	✓	Replikat ideal ≥3× per level
`sample_id`	category	—	◯	Untuk membedakan replikat

Contoh data sintetis (8 baris — kurva kalibrasi TPC Folin-Ciocalteu):

concentration_ppm	response_AU
0.0	0.025
10.0	0.184
25.0	0.448
50.0	0.876
100.0	1.732
150.0	2.590
200.0	3.445
250.0	4.310

SYNTHETIC Kurva kalibrasi TPC (Total Phenolic Content) menggunakan reagen Folin-Ciocalteu dengan asam galat standar pada λ = 765 nm. Slope ~0.0172 AU/ppm, intercept ≈ 0.02 (background). Rentang 0–250 ppm sesuai working range tipikal Folin-Ciocalteu (Singleton et al., 1999). CSV setara tersedia di docs/assets/example-data/id/chemistry/template_standard_curve.csv.

3.3 Contoh Luaran

Tabel Model summary (model terbaik: linier):

Parameter	Nilai	Interpretasi
Slope ($m$)	0.01718 AU/ppm	Setiap kenaikan 1 ppm → respons naik 0.0172 AU
Intercept ($b$)	0.0203 AU	Background detektor saat $C = 0$
$R^2$	0.99996	Linearitas sangat baik (≥ 0.999)
Adjusted $R^2$	0.99995	Tidak ada overfitting
RMSE	0.0124 AU	Residual standard deviation
LOD	2.39 ppm	Konsentrasi terendah terdeteksi (3.3σ/S)
LOQ	7.22 ppm	Konsentrasi terendah dapat dikuantifikasi (10σ/S)
Working range	7.22 – 250 ppm	LOQ → titik standar tertinggi
$n$ titik	8	Memenuhi ICH min 5

Tabel Model comparison:

Model	Persamaan	$R^2$	Adj $R^2$	RMSE	Rank
Linier	$y = 0.01718x + 0.0203$	0.99996	0.99995	0.0124	1
Quadratic	$y = -2{\times}10^{-7}x^2 + 0.0173x + 0.018$	0.99996	0.99994	0.0124	2
Log-log	$\log y = 0.998 \log x - 1.76$ (only $x>0$)	0.9999	0.9999	0.018	3

→ Linier dipilih karena Adjusted $R^2$ tertinggi + model paling sederhana.

Kesimpulan ringkas: "Kurva kalibrasi TPC menunjukkan linearitas sangat baik: $A = 0.0172 \cdot C + 0.0203$, $R^2$ = 0.99996, RMSE = 0.012 AU. LOD = 2.39 ppm dan LOQ = 7.22 ppm, sesuai dengan working range 7.22–250 ppm. Kurva siap dipakai untuk kuantifikasi sampel unknown di modul Concentration Calculation. Linearitas memenuhi standar ICH Q2(R1) untuk metode kuantitatif rutin (target $R^2 \geq$ 0.995)."

Grafik utama: scatter plot konsentrasi vs respons (titik standar) dengan garis fit linier, pita confidence band 95%, dan marker khusus pada LOD/LOQ. Equation + $R^2$ + LOD/LOQ ditampilkan di pojok atas.

Kurva kalibrasi TPC dengan LOD dan LOQ markers — Gambar 1. Kurva kalibrasi **TPC** (Folin-Ciocalteu, λ = 765 nm) menunjukkan linearitas sangat baik pada 0–250 ppm dengan persamaan A = 0.0172C + 0.0203 (R² = 0.99996). **LOD = 2.39 ppm** dan **LOQ = 7.22 ppm** dihitung mengikuti pendekatan ICH Q2(R1); rentang kerja valid untuk kuantifikasi rutin adalah 7.22–250 ppm.

4 Kesimpulan

4.1 Relevansi Praktis

Kurva kalibrasi adalah prosedur paling sering dilakukan di laboratorium kimia analitik — wajib untuk hampir setiap teknik kuantitatif. Contoh konkret aplikasi:

TPC Folin-Ciocalteu untuk ekstrak tanaman — kurva asam galat 0–250 ppm pada λ = 765 nm.
Vitamin C HPLC-UV — kurva ascorbic acid 1–100 μg/mL pada λ = 254 nm.
Logam berat AAS — kurva Pb/Cd/Cu standar 0.5–20 ppm dengan flame atomic absorption.
Pestisida residual GC-MS — kurva standar campuran pada konsentrasi pg–ng/g.
Protein BCA assay — kurva BSA 25–2000 μg/mL pada λ = 562 nm.

Dalam konteks publikasi IMRAD, output modul ini (persamaan + $R^2$ + LOD + LOQ + working range) wajib dimasukkan ke bagian Method Validation sub-section, dan grafik kalibrasi menjadi Supplementary Figure. Pada Rencana Publikasi Singkil v5, kurva kalibrasi TPC, TFC, tanin, dan saponin (4 cheap assay) menjadi Lampiran S1 wajib sebelum data utama Tahap 1 dapat dilaporkan.

4.2 Langkah Lanjutan

Modul lanjutan di SQalytics:

Concentration Calculation — gunakan kurva ini untuk menginterpolasi konsentrasi sampel unknown.
Method Validation & QC — untuk evaluasi formal linearitas/presisi/akurasi/recovery sesuai ICH/AOAC.
Standard Addition — bila matriks sampel pekat dan curiga ada efek matrix yang signifikan.
Internal Standard — untuk koreksi drift instrumen pada batch panjang.
HPLC / GC AUC — bila respons Anda adalah luas puncak kromatografi (integrasi AUC otomatis).

Pembacaan lanjutan:

Miller & Miller (2018), Bab 5 — analisis statistik kurva kalibrasi.
ICH Q2(R1) — dokumen referensi internasional validasi metode.
Singleton, V. L., Orthofer, R., & Lamuela-Raventós, R. M. (1999). Analysis of total phenols and other oxidation substrates and antioxidants by means of Folin-Ciocalteu reagent. Methods in Enzymology, 299, 152–178. https://doi.org/10.1016/S0076-6879(99)99017-1 — protokol klasik TPC.
Dataset publik: NIST SRM 3231 (single-element calibration standards) untuk benchmarking metode AAS/ICP.

⚙ Troubleshooting Cepat

Tidak ada kolom X yang cocok. Pastikan tabel memiliki kolom konsentrasi numerik yang jelas; jangan masukkan kolom kategori sebagai X.

Tombol build masih nonaktif. Tabel belum dimuat atau kolom X belum valid; cek di Data Editor.

$R^2 < 0.99$ pada kurva linier. Ada outlier atau penyimpangan dari linearitas. Coba mode Compare curves untuk model quadratic, atau periksa titik standar tertinggi yang mungkin di luar working range.

LOD/LOQ negatif atau tidak masuk akal. Indikasi $\sigma_{y/x}$ sangat kecil dan slope juga kecil; periksa apakah unit standar konsisten.

Working range tidak sesuai dengan target sampel. Tambah titik standar di rentang yang relevan; jangan ekstrapolasi jauh dari titik terjauh.

i Riwayat Revisi

Riwayat Revisi Panduan

Tanggal	Revisi	Penulis
2026-05-12	Migrasi MD v2 → HTML final dengan figure matplotlib LOD/LOQ markers + caption Elsevier-style	Claude
2026-05-12	Migrasi v1 → v2 (template publikasi: Introduksi/Metode/Cara Kerja/Kesimpulan + KaTeX ICH LOD/LOQ + APA)	Claude
2026-05-09	Draft awal v1	Tim docs

4 Referensi

International Council for Harmonisation. (2005). ICH Q2(R1): Validation of analytical procedures — Text and methodology. ICH Harmonised Tripartite Guideline.
Magnusson, B., & Örnemark, U. (Eds.). (2014). Eurachem guide: The fitness for purpose of analytical methods — A laboratory guide to method validation and related topics (2nd ed.). Eurachem. https://www.eurachem.org/
Miller, J. N., & Miller, J. C. (2018). Statistics and chemometrics for analytical chemistry (7th ed.). Pearson Education — Bab 5 tentang regresi kalibrasi.
Snyder, L. R., Kirkland, J. J., & Dolan, J. W. (2010). Introduction to modern liquid chromatography (3rd ed.). John Wiley & Sons.
Shabir, G. A. (2003). Validation of high-performance liquid chromatography methods for pharmaceutical analysis: Understanding the differences between ICH, US-FDA and USP. Journal of Chromatography A, 987(1–2), 57–66. https://doi.org/10.1016/S0021-9673(02)01536-4