Sukesi

PROBLEMA UMUM ANALITIKPemilihan sampelekstrak analit dari matrikDeteksi, identifikasi danquantisasi analitPenentuan reliabilitas danKeberartian hasilPemisahan analit

Tidak mungkin mengurangi error.Bagaimana data reliable Kualitas data tidak diketahui, tidak berguna

replikasi pengukuran Akurasi analisa diketahui dari standarTest pada data statistik

RATA-RATA DAN STANDAR DEVIASIAda 2 kriteria untuk mambndingkan hasil analisa : 1. nilai rata-rata2. derajat penyebaran

Rata-rata untuk sampelDidefinisikan sebagai berikut:Dimana xi = harga-harga x and N = jumlah replikasi pengukuran

Illustrasi dari Mean dan Median Hasil 6 kali penentuan Fe(III) dalamlarutan. Larutan standar mengandung 20 ppm: Fe (III)Note: The mean value is 19.78 ppm (i.e. 19.8ppm) - the median value is 19.7 ppm

_959756090.unknown

Standard Deviation, sUntuk mengukur penyebaran

atau

Hasil titrasi mahasiswa dengan 5 replikasi

mahasiswaHasil titrasi (mL)A10,0810,1110,0910,1010,12B9,8810,1410,029,8010,21C10,199,799,6910,059,78D10,449,9810,029,9710,04

x(x-x)210,080,000410,110,000110,090,000110,100,000010,120,0004Jumlah 50,50 0,0010S = (0,0010/4) = 0,016 mL

Standar deviasi untuk B, C dan D adalah 0,17 ; 0,21 ; 0,033

Coba kerjakan

Berhubungan dengan reprodusibilitas hasil.Dengan cara yang sama apakah diperoleh hasil yang sama?Yang sangat berguna untuk mengukur ini :Deviasi dari rata-rata:di = xi - x

Dua metode alternatif untuk mengukur presisiadalah :\:VARIAN (s2) COEFISIEN VARIAN :

Mengukur kedekatan hasil analisa dengan hasil sebenarnyaUkuran akurasiAbsolute error: E = xi - xt (dimana xt =harga yang benar atau yang diterima)Relative error:

Illustrasi perbedaan antara akurasi dan presisiAkurasi dan presisi rendahAkurasi rendah, presisi tinggiAkurasi rendah, presisi rendahAkurasi tinggi , presisi tinggi

Some analytical data illustrating accuracy and precisionBenzyl isothioureahydrochlorideNicotinic acidAnalyst 4: imprecise, inaccurateAnalyst 3: precise, inaccurateAnalyst 2: imprecise, accurateAnalyst 1: precise, accurate

_959756161.unknown

Reproducibility of a method for determining the % of selenium in foods. 9 measurements were made on a single batch of brown rice.SampelKadar Selenium (mg/g) (xI)xi210.070.004920.070.004930.080.006440.070.004950.070.004960.080.006470.080.006480.090.008190.080.0064

Sxi=0.69Sxi2=0.0533Mean = Sxi/N= 0.077mg/g (Sxi)2/N = 0.4761/9 = 0.0529Standar DeviasiCoefficient of variance = 9.2% Concentration = 0.077 0.007 mg/gStandard deviation:

Tiga tipe :(1) Random (indeterminate) ErrorPenyebaran data simetris sekitar harga mean Berpengaruh pada presisi(2) Systematic (determinate) ErrorDari beberapa sumber. Pembacaan menyebabkan data tinggi atau rendah. Berpengaruh pada akurasi.(3) Gross ErrorsBiasanya jelas memberikan pembacaan diluar.Mampu dideteksi oleh replikasi pengukuran.

Sumber Sistematik Error 1. Instrument Error Butuh sering dikalibrasi. Alat-alat seperti gelas ukur ,buret, dll juga alat elektronik seperti spektrometer.

2. Method Error Karena tidak cukup sifat fisik dan kimia dari reagen atau reaksi (lambat atau reksi tidak sempurna)Contoh asam nicotinat tidak bereaksi secara sempurna dibawak kondisi normal Kjeldahl untuk penentuan nitrogen

3. Personal Errormisal sensitivas perubahan warna tdk sensitiv pada perubahan warna ; cenderung memperkirakan skala pembacaan untuk meningkatkan presisi; ide mempertimbangkan harga sebenarnyaSystematic errors dapat konstan . Misal eror dlm pembacaan buret , tidak penting pembacaan volume besar atau proporsional misal adanya interferensi dalam sampel sama signifikan dalam semua harga pengukuran

Meminimalkan instrument errors dapat dilakukan dg recalibrasi dan perawatan peralatan yg bagus.Meminimalkan personal errors dapat dilakukan dg hati-hati dan disiplinMethod errors lebih sulit . Harga benar tidak diketahui.Ada 3 pendekatan untuk meminimalkan :Analisa standar bersertifikatgunakan 2 atau lebih metodeanalisis blanko

There are always a large number of small, random errorsin making any measurement.These can be small changes in temperature or pressure; random responses of electronic detectors (noise) etc.Suppose there are 4 small random errors possible.Assume all are equally likely, and that each causes an errorof U in the reading.Possible combinations of errors are shown on the next slide:

Combination of Random ErrorsTotal ErrorNo.Relative Frequency

+U+U+U+U+4U11/16 = 0.0625

-U+U+U+U+2U44/16 = 0.250+U-U+U+U+U+U-U+U+U+U+U-U

-U-U+U+U066/16 = 0.375-U+U-U+U-U+U+U-U+U-U-U+U+U-U+U-U+U+U-U-U

+U-U-U-U-2U44/16 = 0.250-U+U-U-U-U-U+U-U-U-U-U+U

-U-U-U-U-4U11/16 = 0.01625The next overhead shows this in graphical form

Frequency Distribution forMeasurements Containing Random Errors4 random uncertainties10 random uncertaintiesA very large number ofrandom uncertaintiesThis is aGaussian ornormal errorcurve.Symmetrical aboutthe mean.

_959756267.unknown

_959756456.unknown

_959756536.unknown

Replicate Data on the Calibration of a 10ml PipetteNo.Vol, ml.No.Vol, ml.No.Vol, ml

19.988189.975359.97629.973199.980369.99039.986209.994379.98849.980219.992389.97159.975229.984399.98669.982239.981409.97879.986249.987419.98689.982259.978429.98299.981269.983439.977109.990279.982449.977119.980289.991459.986129.989299.981469.978139.978309.969479.983149.971319.985489.980159.982329.977499.983169.983339.976509.979179.988349.983Mean volume9.982 mlMedian volume9.982 mlSpread0.025 mlStandard deviation0.0056 ml

Calibration data in graphical formA = histogram of experimental resultsB = Gaussian curve with the same mean value, the same precision (see later)and the same area under the curve as for the histogram.

*