1 Introduksi
1.1 Latar Belakang
Spektroskopi ultraviolet-visible (UV-Vis) merekam absorbansi $A(\lambda)$ sebagai fungsi panjang gelombang $\lambda$ pada rentang 190–800 nm. Profil spektrum membawa dua jenis informasi: (i) posisi puncak (lambda max, $\lambda_{\max}$) yang berkaitan dengan transisi elektronik karakteristik kromofor — misal puncak $n \to \pi^*$ pada 270–280 nm untuk gugus karbonil dan $\pi \to \pi^*$ pada 320–380 nm untuk flavonoid terkonjugasi — dan (ii) intensitas absorbansi yang sebanding dengan konsentrasi via hukum Beer-Lambert (Skoog, West, Holler, & Crouch, 2017; Pavia, Lampman, Kriz, & Vyvyan, 2014).
Pada uji ekstrak tumbuhan, profil UV-Vis sering menjadi fingerprint awal sebelum analisis HPLC: pergeseran $\lambda_{\max}$ atau perubahan bentuk shoulder peak menandakan perbedaan komposisi metabolit sekunder antar perlakuan ekstraksi. Overlay beberapa spektrum dalam satu sumbu memungkinkan perbandingan kualitatif cepat — apakah dua sampel memiliki kromofor yang sama, apakah ada bahu peak baru, atau apakah AUC total naik akibat peningkatan kepekatan ekstrak. Praktik baik adalah melaporkan baik $\lambda_{\max}$ maupun AUC pada rentang yang sama agar perbandingan apple-to-apple (Owen, 2000).
1.2 Tujuan Modul
Modul UV-Vis Spectra di SQalytics ditujukan untuk:
- Membaca tabel spektrum dengan satu kolom panjang gelombang dan beberapa kolom absorbansi.
- Membangun overlay multi-spektrum dengan opsi
raw absorbanceataunormalize each curve to its max. - Menghitung $\lambda_{\max}$ per spektrum dan AUC sederhana sebagai ringkasan kuantitatif awal.
- Audiens: mahasiswa S1/S2 yang baru menjalankan UV-Vis, peneliti pangan/farmasi yang membandingkan ekstrak antar perlakuan, dan analis QC pre-HPLC.
1.3 Posisi di Antara Alternatif
Pilih UV-Vis Spectra ketika tabel berisi pasangan wavelength + absorbance dan target adalah perbandingan profil. Untuk kuantifikasi konsentrasi dari single-wavelength absorbansi, lanjut ke Standard Curve + Concentration Calculation. Untuk identifikasi puncak vibrasional, gunakan FTIR Peak Identification. Untuk integrasi AUC kromatografi, pakai HPLC / GC AUC. Untuk presentasi kustom, ekspor data dan render di Trend Graphs.
2 Metode
2.1 Dasar Teoretis
Hukum Beer-Lambert menghubungkan absorbansi dengan konsentrasi:
di mana $\varepsilon(\lambda)$ adalah molar absorptivity (L·mol⁻¹·cm⁻¹), $b$ panjang lintasan kuvet (cm), dan $C$ konsentrasi molar. Hukum ini valid ideal untuk $A < 1.0$; di atas itu, deviasi nonlinier muncul akibat stray light dan interaksi antar molekul (Skoog et al., 2017, hal. 358).
Lambda max didefinisikan sebagai panjang gelombang dengan absorbansi maksimum dalam rentang pengukuran:
$$ \lambda_{\max} = \arg\max_{\lambda \in [\lambda_{\min}, \lambda_{\text{end}}]} A(\lambda) $$Karena spektrum diskret, SQalytics melaporkan $\lambda_{\max}$ pada titik sampling terdekat. Untuk presisi lebih baik, gunakan grid ≤ 2 nm di sekitar puncak utama.
Normalisasi ke maksimum membuat semua kurva memiliki puncak pada $A = 1.0$:
$$ A_{\text{norm}}(\lambda) = \frac{A(\lambda)}{\max_\lambda A(\lambda)} $$Bentuk inilah yang membantu membandingkan posisi peak dan bentuk shoulder tanpa terganggu perbedaan konsentrasi.
AUC sederhana (trapezoidal rule):
$$ \text{AUC} = \int_{\lambda_{\min}}^{\lambda_{\text{end}}} A(\lambda) \, d\lambda \approx \sum_{i=1}^{n-1} \frac{A(\lambda_i) + A(\lambda_{i+1})}{2} \cdot (\lambda_{i+1} - \lambda_i) $$AUC sebanding dengan konsentrasi total kromofor pada rentang tersebut, berguna sebagai indikator "kepekatan kromofor" antar sampel selama rentang panjang gelombang dan baseline identik.
2.2 Persamaan Inti
Beer-Lambert:
$$ A = \varepsilon \cdot b \cdot C $$Lambda max:
$$ \lambda_{\max} = \arg\max_\lambda A(\lambda) $$Normalisasi:
$$ A_{\text{norm}}(\lambda) = A(\lambda) / A_{\max} $$AUC (trapezoid):
$$ \text{AUC} \approx \sum_{i=1}^{n-1} \tfrac{1}{2} \bigl[A(\lambda_i) + A(\lambda_{i+1})\bigr] \cdot \Delta\lambda_i $$2.3 Asumsi & Batas Validitas
| Asumsi | Konsekuensi jika dilanggar | Cara cek di SQalytics |
|---|---|---|
| Baseline sudah dikoreksi (blank/zero) | AUC dan $\lambda_{\max}$ bias positif | Lihat overlay — kurva minimum mendekati nol |
| $A < 1.0$ pada lintasan 1 cm | Deviasi Beer-Lambert (saturasi) | Encerkan sampel; cek $A_{\max}$ di output |
| Grid $\lambda$ seragam ≤ 2 nm | $\lambda_{\max}$ kasar | Tinjau kolom wavelength di preview |
| Tidak ada partikulat / scattering | Baseline rising ke UV | Sentrifuga / filter sebelum scan |
| Solvent transparan di rentang pengukuran | Peak palsu dari pelarut | Pakai pelarut spectrofotometric-grade |
| Rentang $\lambda$ identik antar sampel | AUC tidak comparable | Modul memerlukan satu kolom wavelength bersama |
3 Cara Kerja
3.1 Step-by-Step di SQalytics
- Buka
UV-Vis Spectradari domain Kimia di sidebar. - Pada langkah
Check the current UV-Vis table, pastikan tabel aktif dikenali. - Pada langkah
Choose the wavelength and spectra columns, cek auto-detect kolom panjang gelombang (mis.Wavelength_nm) dan pilih kolom absorbansi sampel. - Pada langkah
Choose the scale and run, pilih moderaw absorbance(intensitas) ataunormalize each curve to its max(bentuk). - Klik Run UV-Vis Spectra.
- Tinjau hasil: kesimpulan ringkas → kartu Spectra/Mean $\lambda_{\max}$/Highest AUC → tab Overlay → tab Lambda Max → tab Summary Table.
3.2 Template Tabel Input + Contoh Data Sintetis
Skema tabel input minimum:
| Kolom | Tipe | Satuan | Wajib | Catatan |
|---|---|---|---|---|
Wavelength_nm | numeric | nm | ✓ | Sumbu panjang gelombang (satu kolom) |
Absorbance_<sample> | numeric | AU | ✓ (≥1) | Satu kolom per spektrum sampel |
Contoh data sintetis (11 baris — overlay 2 ekstrak flavonoid pada rentang 250–500 nm):
| Wavelength_nm | Absorbance_UAE | Absorbance_MAE |
|---|---|---|
| 250 | 0.412 | 0.385 |
| 275 | 0.520 | 0.498 |
| 300 | 0.385 | 0.402 |
| 325 | 0.456 | 0.521 |
| 350 | 0.692 | 0.812 |
| 365 | 0.875 | 0.965 |
| 380 | 0.715 | 0.840 |
| 400 | 0.452 | 0.580 |
| 425 | 0.298 | 0.395 |
| 450 | 0.182 | 0.245 |
| 500 | 0.085 | 0.118 |
docs/assets/example-data/id/chemistry/template_uv_vis.csv.
3.3 Contoh Luaran
Tabel Lambda Max:
| Sample | $\lambda_{\max}$ (nm) | $A_{\max}$ (AU) | Shoulder (nm) |
|---|---|---|---|
| UAE | 365 | 0.875 | 275 |
| MAE | 365 | 0.965 | 275 |
Tabel Summary (AUC 250–500 nm, trapezoid):
| Sample | AUC (AU·nm) | Mean $A$ | Relative (%) |
|---|---|---|---|
| UAE | 110.4 | 0.461 | 100 (ref) |
| MAE | 126.8 | 0.530 | +14.8 |
Standard Curve (rutin/kuersetin) untuk kuantifikasi mg-equivalent."Grafik utama: overlay 2 kurva absorbansi vs panjang gelombang dengan marker $\lambda_{\max}$ di 365 nm + shading AUC pada rentang 340–390 nm + annotation shoulder 275 nm.
4 Kesimpulan
4.1 Relevansi Real-World
UV-Vis Spectra berperan sebagai screening cepat sebelum analisis lanjutan. Aplikasi konkret:
- Skrining ekstrak tumbuhan — bandingkan UAE vs MAE vs konvensional sebelum HPLC.
- Karakterisasi pigmen — antosianin (510–540 nm), klorofil (430 + 660 nm), karotenoid (450 nm).
- Monitoring stabilitas — pergeseran $\lambda_{\max}$ akibat oksidasi atau hidrolisis selama penyimpanan.
- QC bahan baku farmasi — verifikasi identitas API dari profil UV.
- Reaksi enzimatik — kinetika browning (Maillard) dengan AUC 280–420 nm per waktu.
Dalam publikasi IMRAD, overlay UV-Vis sering muncul sebagai Figure 1 pada artikel ekstraksi/karakterisasi, sebelum tabel HPLC kuantitatif. Pada Rencana Publikasi Singkil v5, modul ini dipakai pada T2 Tahap 1 untuk screening rapid antar pelarut ekstraksi sebelum optimasi RSM.
4.2 Where to Go from Here
Modul lanjutan di SQalytics:
Pembacaan lanjutan:
- Skoog et al. (2017), Bab 13–14 — instrumentasi UV-Vis dan koreksi baseline.
- Pavia et al. (2014), Bab 7 — interpretasi struktural kromofor.
- Owen (2000) — primer Agilent yang sangat aksesibel untuk pemula.
- ICH Q2(R1) (2005) — validasi metode UV-Vis untuk farmasi.
⚙ Troubleshooting Cepat
normalize each curve to its max agar bentuk kurva mudah dibaca.i Riwayat Revisi
| Tanggal | Revisi | Penulis |
|---|---|---|
| 2026-05-12 | Migrasi MD v2 → HTML final dengan figure overlay UV-Vis + $\lambda_{\max}$ + AUC shading caption Elsevier-style | Claude |
| 2026-05-12 | Migrasi v1 → v2 (template publikasi + KaTeX Beer-Lambert + AUC trapezoid + APA) | Claude |
| 2026-05-09 | Draft awal v1 | Tim docs |
4 Referensi
- Skoog, D. A., West, D. M., Holler, F. J., & Crouch, S. R. (2017). Fundamentals of analytical chemistry (9th ed.). Cengage Learning.
- Pavia, D. L., Lampman, G. M., Kriz, G. S., & Vyvyan, J. R. (2014). Introduction to spectroscopy (5th ed.). Cengage Learning.
- Owen, A. J. (2000). Fundamentals of UV-visible spectroscopy: A primer. Agilent Technologies.
- International Council for Harmonisation. (2005). ICH Q2(R1): Validation of analytical procedures. ICH Harmonised Guideline.
- Andrade-Eiroa, Á., Diéguez-Santana, K., Cardín, M., & López-Mahía, P. (2013). Reliability of ultraviolet-visible spectroscopy for determining anti-pollutant additives in fuels and biofuels. Fuel, 113, 458–464. https://doi.org/10.1016/j.fuel.2013.05.087