Unit dasar untuk pengendalian mutu analitik adalah batch analisis. Prinsip utama untuk mendeskripsikan bath analisis adalah bahwa semua sampel dalam satu batch, baik sampel lapangan dan sampel QC harus ditangani dengan cara yang sama, dan semua data dari setiap analisis harus dimanipulasi dengan cara yang persis sama.
Persyaratan minimum dari batch analisis sampel lingkungan adalah sebagai berikut;
1) Jumlah sampel (lapangan) dalam batch tidak melebihi 20.
2) Semua sampel (lapangan) dalam batch memiliki matriks yang sama (hampir sama).
3) Sampel QC untuk diproses dengan sampel (lapangan) meliputi:
• Blanko Reagen
• Laboratory Control Sample (LCS)
• Matrix Spiked sampel (lapangan)
• Duplicate Matrix Spiked sampel (lapangan)
• Sampel yang diidentifikasi sebagai field blank atau trip blank tidak dilakukan spike matriks atau diduplikasi
4) Reagen dengan lot sama digunakan untuk memproses bach sampel
5) Setiap proses dalam analisis dilakukan oleh seorang analis atau oleh satu tim analis (misal satu analis untuk preparasi sampel dan analis lain membaca di alat).
6) Sampel dianalisis secara kontinu dalam jangka waktu tidak melebihi 24 jam antara dimulainya proses sampel pertama dan sampel terakhir dari batch, kalau memungkinkan.
7) Sampel QC harus dianalisis bersamaan dengan sampel lapangan terkait, yang disiapkan bersama mereka.
8) Batch diberi nomor identifikasi unik yang dapat digunakan untuk mengkorelasikan sampel QC dengan sampel lapangan.
9) Batch QC mengacu pada sampel QC yang dianalisis dalam batch sampel (lapangan).
Saat mereview batch analisis sampel air, beberapa hal yang harus dipertimbangkan untuk memeriksa kebenaran analisis (checking correctness of analyses) adalah sebagai berikut;
1. Periksa apakah keseimbangan ion (ion balance) berada dalam spesifikasi. Sebagai catatan, pastikan alkalinitas tidak dihitung lebih dari satu kali misalnya dihitung sebagai total alkalinitas dan alkalinitas bicarbonate.
2. Pastikan rasio TDS yang terukur di alat dengan TDS hasil kalkulasi (measured TDS/calculated TDS) berada pada kisaran 1.0 sampai 1.2.
3. Periksa rasio TDS/konduktivitas pada kisaran 0.55 sampai 0.7.
4. Pastikan jumlah anion dan kation adalah £ TDS.
5. Periksa jumlah anion (atau kation) harus 1/100 dari konduktivitas yang diukur, atau dengan kata lain, 100 × jumlah anion (atau kation), meq/L = (0.9–1.1) EC.
6. Periksa hasil pH yang anomali. Konfirmasi ulang harus dilakukan dengan melakukan duplikasi analisis.
7. Periksa bahwa logam yang 'disaring' kurang dari atau sama dengan logam 'total'.
8. Periksa bahwa alkalinitas tinggi dan asiditas rendah dikaitkan dengan pH tinggi sampel (dan sebaliknya).
9. Periksa apakah karbonat dan atau hidroksida terdeteksi, kondisi pH yang sesuai ada dalam sampel.
10. Periksa adanya anomali konsentrasi tinggi dari elemen 'langka' secara natural. (misal, As, Se, Hg.)
Ketika kita melakukan sejumlah pengukuran pada sebuah sampel dan menghitung nilai rata-rata pengukuran tersebut, kita dapat memperkirakan nilai aktual untuk pengukuran tersebut. Meskipun nilai rata-rata ini merupakan perkiraan terbaik dari nilai sebenarnya, namun ini tetap hanya perkiraan. Kita dapat menghitung Confidence Interval (interval kepercayaan) pengukuran ini untuk mengekspresikan ketepatan perkiraan pengukuran kita.
Pada postingan kali ini membahas cara menghitung standar adisi dengan Excel, standar adisi ini digunakan untuk menghilangkan gangguan matriks pada saat pengujian.
Ada beberapa persyaratan untuk penerapan metode standar adisi;
• Standar harus cukup pekat, sehingga volume standar yang ditambahkan sedikit dibandingkan dengan larutan sampel agar matriks sampel tidak banyak berubah
• Standar yang ditambahkan harus dapat meningkatkan sinyal analitis dengan faktor 1.5 sampai 3.
• Linearitas dan homogenitas varians harus ada pada rentang kerja.
Prosedur standar adisi melibatkan pembuatan beberapa larutan yang mengandung sampel yang tidak diketahui kadarnya, kemudian ditambahkan standar (yang diketahui kadarnya) dengan volume berbeda.
Misalnya, lima labu ukur 100 mL masing-masing diisi dengan 80 mL sampel, kemudian ditambahkan standar dalam jumlah yang berbeda, seperti 0, 4, 8, 12 dan 16 mL. Labu ukur kemudian ditera menggunakan air demin dan diaduk hingga homogen, lalu diukur menggunakan instrument lab.Pada contoh di bawah, standar yang digunakan (Cstd) memiliki konsentrasi 4 mg/L
Contoh perhitungan Standar Adisi
Berikut ini cara menghitung Standar Adisi menggunakan excel;
1. Buka program excel
2. Input parameter sebagai berikut;
• Konsentrasi standar (Cstd) yang digunakan pada sel C5
• Jumlah volume sampel (Vunk) pada sel C6
• Labu ukur (Vflask) yang digunakan pada sel C7
• Volume standar yang ditambahkan pada sel B10 – B14
3. Pada sel C10, masukkan formula =($C$5*B10)/$C$7 untuk menghitung Csa, sesuai rumus di bawah;
4. Letakkan kursor pada sel C10, sehingga muncul tanda plus (+) pada ujung kanan bawah, kemudian roll kursor ke bawah sampai sel C14, sehingga didapat hasil copy formula sebagai berikut;
5. Masukkan respon alat pada sel D10 – D14
6. Hitung slope, intercept, dan X-intercept dengan formula sesuai gambar di bawah
7. Buat kurva hubungan antara Csa dengan respon alat dengan cara sebagai berikut;
a. Kita perlu menambahkan satu data saat y=0, maka ketik formula =C18 pada sel C15 dan ketik 0 pada sel D15
b. Tempatkan kursor pada sel C10 – D15
c. Klik menu insert, Charts, pilih Scatter
d. pilih Scatter with Straight Lines and Markers
e. Sehingga muncul grafik seperti di bawah
f. Lakukan pengaturan pada sumbu X dan Y, sehingga diperoleh kurva cantik seperti di bawah, perpotongan garis kurva dengan sumbu X adalah konsentrasi sampel yang terbaca di alat (belum dikalikan faktor pengenceran)
8. Hitung konsentrasi sampel (C0) sesuai formula di bawah;
Jadi, konsentrasi analit di dalam sampel adalah 0.4889 mg/L
Koefisien korelasi atau correllation coeficient yang disimbolkan dengan "r", adalah ukuran korelasi linear antara dua variable. Koefisien korelasi (r) dapat dihitung dari data yang sama digunakan untuk menghasilkan persamaan garis lurus (y = mx + b). Nilai Koefisien korelasi (r) memperkirakan linieritas sebenarnya dari data asli. Dengan kata lain, r memperkirakan seberapa baik persamaan garis lurus (atau regresi linier) mewakili titik data yang tersebar yang diplot pada grafik XY.
Nilai r berkisar dari -1 sampai +1 tergantung pada kemiringan garis. Nilai r +1 menunjukkan titik data memiliki hubungan linier sempurna dan garis memiliki kemiringan positif, karena konsentrasi sampel (X) meningkat, nilai absorbansi sampel (Y) juga meningkat. Nilai r -1 menunjukkan titik data memiliki hubungan linier sempurna dan garis memiliki kemiringan negative, karena konsentrasi sampel (X) meningkat, nilai absorbansi sampel ( Y) menurun.
Menghitung koefisien korelasi (r)
Seperti halnya perhitungan regresi linier, menghitung koefisien korelasi atau nilai r menggunakan rumus sebagai berikut:
Contoh perhitungan:
Langkah 1 – Hitung nilai rata-rata (mean) x̄, dengan cara menjumlahkan seluruh nilai x, kemudian membaginya dengan jumlah data.
Langkah 2 – Hitung nilai rata-rata (mean) ȳ, dengan cara menjumlahkan seluruh nilai y, kemudian membaginya dengan jumlah data.
Langkah 3 - Hitung kuadrat dari (x - x̄) dan jumlah kuadratnya
Langkah 4- Hitung kuadrat dari (y - ȳ) dan jumlah kuadratnya
Langkah 5 – Hitung jumlah (x - x̄) (y - ȳ)
Langkah 6 – masukkan ke dalam rumus koefisien korelasi;
Perhitungan menggunakan Excel
Koefisien korelasi dapat dihitung menggunakan excel dengan fungsi CORREL seperti contoh di bawah;
Uji Cochran digunakan untuk menentukan apakah lebih dari dua varian (atau standar devisai) berbeda secara signifikan, merupakan uji satu sisi untuk outlier , kriteria pengujian hanya menguji varian (standar deviasi) terbesar. Nilai uji C dibandingkan dengan nilai tabel Cochran untuk sampel k dan derajat kebebasan, df=k-1, pada tingkat signifikansi P = 95%.
Nilai uji C dihitung dengan rumus;
Persyaratan Uji Cochran
• Jumlah replikasi lebih besar dari atau sama dengan 2
• Jumlah data (N) sama
• Jumlah sampel (k) yang dibandingkan lebih besar dari 2
Contoh kasus
Karena volume injeksi kecil, yaitu 1 mL atau kurang dalam kromatografi gas (GC), injeksi sampel adalah sumber kesalahan yang sering terjadi; Oleh karena itu, pengecekan ketepatan syringe merupakan operasi penting jaminan mutu laboratorium.
Untuk pengujian lima syringe di peralatan autosampler GC, sampel uji diinjeksikan dengan sembilan ulangan di bawah kondisi yang sama untuk semua syringe. Peak area yang diperoleh dari kromatogram GC tercantum dalam Tabel di bawah
Uji Cochran dapat dilakukan dengan langkah-langkah sebagai berikut:
1. Hitunglah varian dari setiap kumpulan data, maka didapat hasil 280.77778; 654.50000; 27.19444; 3.69444 dan 6.50000. Hasil ini bisa menggunkan fungsi varian di excel, misal untuk syringe no 5 menggunakan formula =VAR(G5:G13)
2. Identifikasi Varian tertinggi. Nilai ini adalah 654.50000; formula excel adalah =MAX(C14:G14)
3. Hitunglah jumlah varian, diperoleh nilai 972.666667; fromula excel adalah =SUM(C14:G14)
4. Hitunglah Nilai C sebagai berikut;
5. Bandingkan nilai yang diperoleh dengan nilai C tabel yang diberikan pada tabel di bawah ini. Nilai ini untuk 9 pengamatan, dan pada tingkat kepercayaan 95% = 0.4387
6. Karena nilai C yang diperoleh lebih besar dari pada nilai C tabel, uji Cochran menunjukkan hasil varian berbeda secara signifikan.
Perhitungan statistik yang disebut Uji t-student penggunaannya untuk menentukan probabilitas linearitas data terkait. Penggunaan lain adalah untuk menentukan apakah hasil pengukuran dapat dibandingkan, secara statistik, dengan nilai standar. Uji t-student juga dapat digunakan untuk membandingkan dua alat secara statistik untuk menentukan apakah mereka sama atau tidak.
Perbandingan dua rata-rata (mean)
Terkadang perlu untuk membandingkan dua kumpulan data, seperti ketika kita ingin menunjukkan bahwa data dari metode analisis baru setara dengan data dari metode analisis yang ada. Variasi Uji t-student memberi metode untuk membuat keputusan secara statistik.
Menghitung nilai t
Rumus untuk menghitung t dalam kasus ini adalah:
dimana:
X1 = rata-rata data set pertama
X2 = rata-rata data set kedua
N1 = jumlah data pada kumpulan data pertama
N2 = jumlah data pada kumpulan data kedua
S = Varian, dengan rumus sebagai berikut;
Contoh:
Sepuluh pengukuran dilakukan pada sampel yang sama dengan menggunakan metode analisis baru dan metode analisis lama. Hasilnya adalah sebagai berikut:
Rata-rata untuk setiap rangkaian data dihitung dengan membagi jumlah pengukuran dengan jumlah sampel (n = 10 pada contoh ini).
Kita sekarang memiliki informasi untuk dihitung dengan menggunakan rumus sebelumnya:
Dan dengan nilai untuk S hitung, sekarang kita bisa menentukan nilai t-student untuk data menggunakan t formula:
Nilai kritis t untuk 18 derajat kebebasan (10 + 10 - 2 dalam contoh ini) adalah 1,734 pada tingkat kepercayaan 95%, t 0,05(1) (lihat Tabel).
Nilai Kritis Distribusi t-student
Nilai t hitung sebesar 0,11 kurang dari nilai kritis sebesar 1,734. Oleh karena itu, pada tingkat kepercayaan 95% kita dapat menyimpulkan hasil dari dua metode analisis tidak berbeda secara signifikan.
Pengukuran Presisi
Presisi mengukur seberapa baik hasil tes dapat direproduksi. Definisi presisi mengacu pada kedekatan kesepakatan antara hasil uji (ISO 5725). Biasanya presisi diukur sebagai simpangan baku (standar deviasi - SD) atau simpangan baku realtif (relative standard deviation - RSD). RSD juga dikenal sebagai koefisien variasi (CV).
Pengembangan dan penggunaan bagan kendali (control chart) adalah beberapa teknik yang paling penting untuk memantau proses pengukuran laboratorium. Control chart dapat digunakan untuk memantau akurasi dan presisi pengukuran. Artikel ini mencakup pembangunan dan penggunaan range chart untuk analisis ulangan (replicate analysis).
Range control chart
Sebuah bagan kendali rentang (range chart) untuk pengukuran ulangan dibangun dengan menghitung garis pusat (central line) atau mean range (R̄), batas peringatan (WL – warning limit) dan batas kontrol (CL – control limit). Minimal 20 nilai rentang (range value) harus digunakan untuk membangun range chart.
Tabel 1. Faktor untuk menghitung garis pada range control chart
Mean range dihitung sebagai = D2(RSD)
Control limit dihitung sebagai CL = D4
Warning limit dihitung sebagai WL = + 2/3 D4
Dimana;
D2 = faktor untuk konversi standar deviasi ke range
RSD = relatif standard deviation untuk range
D4 =faktor untuk konversi mean range menjadi 3 SD dari range
Contoh:
Membangun range chart membutuhkan minimal 20 nilai rentang (range). Untuk menyederhanakan perhitungan, hanya lima nilai rentang dari serangkaian analisis duplikat nitrat yang digunakan untuk membangun sebuah range chart pada contoh berikut:
Dalam contoh ini, D2 = 1.128 dan D4 = 3.267 karena pengukuran dilakukan secara duplo (n = 2). RSD = 0.126
RSD = 0.126
= D2*RSD = 0.143
WL = + (2/3*D4*) = 0.451
CL = D4* = 0.466
Membangun range chart untuk data ini memberikan grafik sebagai berikut:
Sebuah program jaminan mutu (quality Assurance) yang baik termasuk alat memantau kegiatan pengendalian mutu internal seperti presisi dan akurasi pengukuran. Bagan kendali (control chart) menyediakan sistem untuk melacak data ini.
Uji Dixon direkomendasikan oleh DIN 53804, jika Jumlah sampel kurang dari 30. Uji ini menggunakan formula yang berbeda untuk jumlah sampel (N) yang berbeda, dan dihitung nilai Qhitung untuk data terendah/ tertinggi. Kedua nilai Qhitung dibandingkan nilai kritis pada tabel Dixon (Qtabel), apabila nilai Qhitung > Qtabel, maka data terendah/tertinggi perlu dibuang. Sebaliknya jika Qhitung < Qtabel , maka data tersebut dapat digabung dengan data yang lain untuk kemudian diolah lebih lanjut.
Dasar Matematika
Ada beberapa uji statistik untuk uji pencilan (outlier test) dalam serangkaian pengukuran, tetapi yang biasa diterapkan adalah uji Dixon dan Grubbs. Perhatikan bahwa nilai yang outlier selalu hanya nilai tertinggi atau terendah dalam serangkaian pengukuran. Dalam prakteknya, uji pencilan menurut Grubbs digunakan untuk hampir semua seri pengukuran, tapi DIN EN 53804-1 merekomendasikan setidaknya 30 ulangan untuk kinerja yang handal dari uji statistik ini.
Sebelum anda mencoba studi penetapan MDL, sebaiknya meluangkan waktu sejenak untuk meninjau prosedur 40 CFR Appendix B Part 136 tentang bagaimana menentukan Method Detection Limit (MDL). MDL didefinisikan sebagai konsentrasi minimum zat yang dapat diukur dan dilaporkan dengan tingkat kepercayaan 99% konsentrasi analit itu lebih besar dari nol.
Dalam prosedur 40 CFR Appendix B Part 136, disebutkan bahwa salah satu cara untuk menentukan estimated detection limit adalah menentukan Konsentrasi setara dengan tiga kali standar deviasi (sd) dari pengukuran blanko reagent, inilah tahapan yang disebut penetapan Instrument Detection limit (IDL).
Sebagian besar kegagalan studi penetapan MDL adalah menentukan kadar spike level pada konsentrasi yang salah, arahan dari APHA 1030 C tentang Method Detection Level disebutkan bahwa perbandingan antara IDL:MDL:LOQ = 1:4:10, biasanya spike level adalah 3 ~ 5 x SD dari IDL.
Apa itu IDL?
IDL adalah konsentrasi analit yang menghasilkan sinyal sama dengan tiga kali standar deviasi dari tujuh sampai sepuluh pembacaan blanko reagen yang sama. Pendekatan ini mengasumsikan sinyal yang lebih dari 3 SD ke atas blanko reagen hanya bisa muncul dari blanko kurang dari 1% dan mungkin ITU KARENA analit. Pendekatan ini hanya berguna bila blanko reagen memberikan non-zero standard deviation. Apabila standar deviasi dari tujuh sampai sepuluh pembacaan nol, penetapan IDL dilakukan dengan menambahkan sedikit standar analit pada blanko reagen.
Langkah penetapan MDL terdiri dari beberapa tahapan sebagai berikut;
Mulailah dengan membuat kurva kalibrasi yang valid
Tentukan spike level menggunakan nilai 3 ~ 5 x standar deviasi IDL.
Lakukan minimal 7 replikat
Hitung MDL dengan persamaan sebagai berikut;
MDL = 3 SD x t-student
Verifikasi MDL
MDL harus dievaluasi menggunakan beberapa pemeriksaan untuk menentukan apakah memenuhi seluruh kriteria yang diperlukan. Berikut lima item pemeriksanaan;
1. Apakah spike level > 10 kali MDL? Jika demikian, spike level terlalu tinggi.
2. Apakah MDL > spike? Jika demikian, spike level terlalu rendah.
3. Apakah MDL memenuhi persyaratan regulasi yang diperlukan?
4. Apakah sinyal/noise (S/N) dalam kisaran yang tepat?
5. Apakah %recovery replikasi wajar?
contoh perhitungan MDL
Excel untuk perhitungan MDL;
TSS is generally a fairly simple test with few trouble spots. The most common mistakes involve filter preparation and sample mixing. Running duplicates on a continuous basis provides helpful information and builds confidence in the technician's procedure.
Blanks are inconsistent
Methods blanks should be performed on a routine basis, a least once per batch of filters prepared. The method blank is the same as re-rinsing the filterswith 100 ml of deionized water. If the filters have been washed properly and consistently, the filters should not lose particles and should have an initial and final dry weight difference close to zero. If there is a difference of >0.0002 g or duplicate filters are not consistent, the filters may not have been rinsed completely.
For instance, if two method blanks are run and the first drops by 0.0001 g and the second drops by 0.0012 g, the difference may indicate something is wrong with the way the filters were rinsed. Method blanks can be run with each set of samples to show that rinsing is effective and that sample is not being carried over.
Not Enough Sample
The selection of the "right" sample volume is often a guess. The sample volume should ideally add a significant amount of solids to the filter to minimize any balance errors.
That is why the minimum weight is supposed to be less than 0.0025 g. Analytical balances have an electronic error of +0.0001 g. This uncontrollable instrumental error would be a 10% error if the amount of solids was 0.0010 g. The error caused by the electronic noise goes down as more sample is added to the filter. When at least 0.0025 g of solid have been added, the error is now a reasonable 4% and will get better as more weight is added.
Always add as much sample as possible. If the sample is still filtering without clogging, and the filter looks clean, add more well mixed sample.
Figure: This filter may not have enough weight. Increase the sample volume to reduce error.
Too Much Sample
This is a problem just the opposite of the last one. In this case, too much sample has clogged the filter and the remaining sample is just slowly dripping. Several problems result. First, the filtration time becomes excessive. If the sample is still filtering after 10 minutes, discard the filter and repeat using a smaller volume. Second, a clogged filter will interfere with the rinsing step. The rinsing step should recover any straggler solids from the sides of the graduated cylinder and funnel and rinse out any trapped TDS. Trapped TDS will give a positive bias to the answer. Third, the excessive solids trapped on the filter will form a hard crust on the filter and may prevent water from evaporating completely.
This is visible when the filter has a lot of crazing or cracking on it. This is similar to clay. Clay looks dry but when broken into pieces, the inside is still wet. This water weight will also give the sample a positive bias.
Figure: This cracking indicates too much sample was filtered. Reduce the volume next time.
Figure: This sample was poured slowly and results in poor distribution of the solids. High solids in one area may not dry completely.
Duplicates are inconsistent
TSS samples should always be run in duplicate. It takes very little time to run a second sample. If the duplicates are consistent, the technician's technique,sample handling, mixing, rinsing, etc. is validated. If the duplicates are inconsistent, sample handling problems may be present.
Each sample measured should be mixed and poured completely. For instance, if 67 ml of sample has been measured, all 67 ml should be passed through the filter and rinsed. The sample should not be split, say 25 and 42 ml. While the average of the sample may be correct, the duplicate answers may be far apart. The 25 ml sample may have a TSS answer of 50 mg/L while the 42 ml sample may have a TSS of 84 mg/L. This large difference indicates the solids in the sample settled between the 25 and 42 ml pouring. It would be better to run a 30 ml sample all at once then mix and pour a second sample of 35 ml. The answers for these two separate samples will be more consistent. Homogenizing the sample may also help improve the precision.
ODD Stuff
In spite of the best effort to mix the sample, some samples contain odd stuff such as bugs, twigs, grease balls, etc. These odd particles can give very positively biased samples (high answers). Standard Methods allows you the technician to decide if these materials of truly representative of the sample. If the sample contains a lot of swimming critters, then perhaps they should be included in the TSS filter. If there is only 1 or 2 mosquitos and the technician pours one out onto the filter, perhaps this mosquito should be removed. The same argument applies to grease and oil. Grease and oil stick together and cling to the top of the sample bottle. It is often difficult to adequately mix these materials, so they get pipetted or poured off into the graduated cylinder because they are normally floating at the top of the sample. Is a large grease chunk on one filter representative? Is it a grease chunk? The technician may wish to run the sample and make a note of the abnormal particle.
Note: Large particles determined by the lab technician to be "unrepresentative" must be removed prior to analysis. They cannot be removed fromthe filter after filtration.
Quality Control
Decisions on the accuracy of the reported data will be based on the quality control information.
Sample QC
1. Sample holding time cannot exceed 7 days.
Corrective Action: Reject samples and request a resample.
2. Samples must be preserved on ice or refrigeration until time of analysis. Record the
temperature of the refrigerator.
Corrective Action: Adjust refrigerator to below 6 oC. Service the refrigerator if the
temperature does not adjust properly
3. Samples must be warmed to room temperature prior to TSS analysis.
4. Run samples in duplicate 100% of the time if possible. Use approximately the same volume
of sample for both. Remix sample between tests.
5. Record sample date, time, type, sampler, date and time of analysis, analyst and method
used.
6. Samples with large chunks of nonhomogeneous materials should be homogenized for 1-2
minutes for better precision and accuracy. Avoid excessive homogenization which might
cause volatilization of some solids.
7. Samples must be mixed well and poured quickly.
Equipment QC
1. Drying Oven must be 104 oC +1.0 oC
2. Record the temperature of the drying oven.
Corrective Action: Incubator outside the control limits must be adjusted. An oven
temperature below 103 oC may not dry the sample completely. An oven temperature above
105 oC may cause some organics to volatilize.
3. Immerse the oven thermometer in sand to prevent inaccurate temperature readings when
the oven door is opened frequently.
4. Calibrate the oven thermometer at least annually against a NIST certified thermometer.
The calibration must include date, thermometer correction factor, serial number, and
initials of the person performing the calibration.
5. Record the calibration data
6. Use an analytical balance capable of weighing 0.0001 g.
7. Calibrate the analytical balance annually using a certified balance technician. Document
date, balance condition, and name of technician and company.
8. Calibrate the analytical balance at least monthly using Class 1 weights. Select a series of
weights which covers the range of balance operation. Usually 1, 2, 5, 20, 50, and 150 g
weights are used. Record weight values on Balance Log Corrective Action: If the weights
deviate more than 0.0002 grams, the balance needs service. Use another calibrated balance
until the next service cycle if possible
TSS Test QC
1. Pre-wash filters with deionized water and perform at least 2 method blanks on each lot
washed.
Corrective Action: If the weight difference is >0.0002 g, the filter has not been washed
completely. Allthe filters in this lot must be rewashed and the process repeated until the
difference is within 0.0002 g Document all method blanks.
2. Store pre-washed filters in the desiccator to avoid water absorption.
3. Zero the analytical balance prior to each weighing series Document the balance was zeroed.
4. Use large bore pipets for small sample volumes and graduated cylinders for large volumes.
5. Pipets and graduated cylinders are rinsed with deionized water and the rinse is added to the
filter after the sample has been filtered.
6. Use sufficient sample to obtain a minimum of 0.0025 g of TSS on the filter.
7. Filters are checked for dryness. The difference between the 1st and 2nd dry weight is less
than 0.0005g
8. Filters are placed in the desiccator upon removal from the drying oven. Document the
condition of desiccator.
9. Performance evaluation samples should be run at least annually.
10. Split samples can be run with other nearby facilities
11. Duplicate sample TSS results should be within 10% of their average.
Corrective Action: Homogenize samples with large amounts of chunky suspended solids to
obtain a more uniform sample. Remix samples between duplicates and measure quickly.
Excel mempunyai 3 fasilitas untuk menghitung regresi kurva kalibrasi. Yang pertama, TRENDLINE, yang paling simple dan sering digunakan, fungsi ini bisa anda tampilkan ketika grafik kurva kalibrasi sudah dibuat. Yang kedua, LINEST, saya akan membahasnya lebih lanjut dalam postingan kali ini. Dan yang ketiga adalah ANOVA, anda harus mengaktifkan Analysis Toolpak pada excel anda terlebih dahulu.
Fungsi kalibrasi orde pertama sangat dianjurkan untuk digunakan dalam analisis sampel sehari-hari di laboratorium, tetapi apabila memang tidak memungkinkan, fungsi kalibrasi orde kedua boleh digunakan berdasarkan perhitungan statistik regresi non-linier memberikan hasil yang lebih baik.
Dalam ISO/IEC 17025 - Klausul 5.9.1 dinyatakan "Laboratorium harus mempunyai prosedur pengendalian mutu untuk memantau keabsahan pengujian dan kalibrasi yang dilakukan. Data yang dihasilkan harus direkam sedemikian rupa sehingga kecenderungan dapat dideteksi dan, bila dimungkinkan, teknik statistik harus diterapkan pada pengkajian hasil. Pemantauan tersebut harus direncanakan dan dikaji serta mencakup, tapi tidak terbatas pada, hal-hal sebagai berikut;
(a) keteraturan penggunaan bahan acuan bersertifikat dan/atau pengendalian mutu internal menggunakan bahan acuan sekunder ...
Terdapat 2 teknik yang biasa digunakan, yaitu;
1. Shewhart Chart
2. CuSum (Cumulative Summation)
Pada prakteknya teknik Shewhart Chart sering kali digunakan dikarenakan sangant mudah untuk diinterpretasikan hasilnya.
Penggunaan Shewhart Chart
a) Biasa digunakan batasan 2 SD dan 3 SD, berdasarkan 11-30 replikat.
b) Tindakan perbaikan dilakukan apabila melewati batasan 3 SD
c) Batas peringatan berkisar 2 SD - 3 SD
Interpretasi Shewhart Chart
Kumpulan data hasil pengujian pada periode waktu tertentu dinyatakan memenuhi batas keberterimaan yang telah ditetapkan bila kumpulan data tersebut berada pada batas tindakan dalam bagan kendali dan tidak menunjukkan adanya kecenderungan (trend) khusus. Ketika data hasil pengujian berada diatas atau di bawah batas tindakan maka hal ini berarti bahwa data tersebut diluar pengendalian statistika (Gambar 6.2a). Kecenderungan khusus merupakan suatu keadaan dimana terjadi kecenderungan menuju ketidaksesuaian dalam proses pengujian. Pola kecenderungan khusus yang dapat menyebabkan data hasil pengujian diluar pengendalian statistika, antara lain adalah sebagai berikut:
a) 3 dari 4 data hasil pengujian berturut-turut pada daerah tindakan atas atau daerah tindakan bawah - Gambar 6.2b;
b) 4 dari 5 data hasil pengujian berturut-turut pada daerah peringatan atas atau daerah peringatan bawah - Gambar 6.2c;
c) 8 berturut-turut data hasil pengujian diatas atau dibawah rerata (garis pusat) – Gambar 6.2d;
d) 8 berturut-turut data hasil pengujian diatas dan dibawah rerata namun berada pada daerah tindakan – Gambar 6.2e;
e) 6 data hasil pengujian berturut-turut turun atau naik – Gambar 6.2f;
f) 14 data hasil pengujian berturut-turut turun-naik atau naik-turun – Gambar 6.2g;
g) 15 data hasil pengujian berada pada batas informasi atas dan batas informasi bawah – Gambar 6.2h
In general terms the Limit of Detection (LOD) of an analyte in a sample is that concentration which gives an analytical signal (e.g. a peak height or a titre), which is significantly different, at a stated level of confidence, from that of a blank sample or the background signal. The operational definition needs to be expanded around this statement to account for analysis over time, the analytical procedure and the level of confidence associated with the result.
There are a number of phrases and acronyms which are used interchangeably to denote ‘Limit of Detection’ (‘LOD’). However, they do not represent the same thing and should not be confused.
The following is a list of search terms:
- Reporting Limits (RL)
- Minimum Reporting Level (MRL)
- Method Detection Limit (MDL)
- Lower Limit of Detection (LLD)
- Limit of Detection (LOD)
- Instrument Detection Limit (IDL)
The definitions of these terms can vary upon use. It is therefore essential to understand the hierarchy of these terms in relation to the levels of confidence they bestow on analytical results.
When analysis is undertaken, the recipient of the data needs to be reasonably confident that if a very low level of analyte is reported, then it is really present. Conversely, when no value, i.e. a less than value of an analyte is reported, the recipient again needs to be reasonably confident that no detectable level of analyte is present. In analytical terminology, this avoids the occurrence of Type 1 and Type 2 errors, false detection and false non-detection respectively. Lower reported levels should ideally have a confidence level of around 95%.
Two other terms used are Lower Level of Detection (LLD) and Method Detection Limit (MDL). Like IDL they are statistically based but with a increased level of confidence.
The MDL can be calculated from the analysis of a specified number of samples, blank samples and standards which are processed through the complete analytical method, not just through the final quantification stage.
Even with MDL, different multipliers can be used with the standard deviation of the results to give the lower reporting value.
In order to arrive at the Reporting Limit (RL) there is an additional rounding of the Method Detection Limits, which will vary dependent on either the laboratory policy or regulatory body preference.
In order to harmonise protocols for determining Reporting Limits within
the laboratory, three key criteria are met:
1.The performance of the whole test method is assessed, not just the instrument
performance.
2.The performance characteristics, precision, bias and LOD are arrived at using a defined
protocol which involves the analysis of blank samples, low value and higher value standards,
real samples and spiked samples eleven times in duplicate over a period of time from 6 days
to 3 months. For soils and waters validation testing, up to three types of samples (e.g. clay,
silt and loam for a soil) will be used, along with the supplementary validation. This protocol
is designed to test the robustness of the whole analytical system, equipment, materials and
analysts over a period of time.
3. The data from the testing in (2) is treated in a statistical manner, using an Analysis of
Variance Programme (ANOVA) to establish the sources of variability within batch and
between batch analyses. The aim for the calculated LOD is to reduce the risks of false
positive and false negative LOD results to a low probability (95% confidence).
It is only by completing this full process and then applying a regulatory body recommendation for rounding to Reporting Levels, that a laboratory can be sure that its method is producing a sound estimate of analyte concentrations, especially at low levels. For example, reliance solely upon; Instrument Levels of Detection would not give the same level of assurance.
The key to ensuring a quality data set is the accuracy and repeatability/reproducibility in a statistically valid process. An IDL, for example, can often be very low due to only part of the method being employed.
The assessment is not as robust as the ANOVA protocol. A MDL will normally be higher then the corresponding IDL because the whole of the method is being evaluated. The reporting limit can be the LOD or can be a higher value in some instances to reduce even further the possibilities of a false positive result.
Dasar dari kesetimbangan ion (Cation-Anion Balance) adalah bahwa semua larutan bersifat netral (electrically neutral), perhitungan kesetimbangan ion dilakukan dengan cara mengkonversi semua anion dan kation utama (major ion) pada sampel air dari satuan mg/L menjadi meq/L (milliequivalent/L), dan menjumlah meq baik kation dan anion.
Perhitungan kesetimbangan ion harus mencakup semua anion dan semua kation yang terdapat dalam sampel. Namun secara komersial ini sulit dilakukan, kation dan anion yang perlu dimasukkan dalam kesetimbangan ion biasanya adalah;
anion
HCO3 – (alkalinity), Cl-, SO42-, NO3-, PO43-
kation
Na+, K+, Ca2+, Mg2+, Fe2+, Al3+, Mn2+, NH4-N,
Kriteria Keberterimaan (menurut APHA)
Hitung % Difeerence menggunakan rumus:
Kriteria keberterimaan untuk sampel air bersih adalah;
Faktor-faktor yang dapat mempengaruhi Anion - Cation Balance
Ada sejumlah faktor yang dapat mempengaruhi kesetimbangan ion, dan ini harus diperhitungkan ketika menafsirkan hasil. Faktor-faktor tersebut diantaranyai;
1. padatan tersuspensi (suspended solid)
Bikarbonat dihitung dari alkalinity. Alkalinity ditentukan dengan titrasi. Jika ada karbonat hadir dalam padatan tersuspensi mereka larut secara perlahan-lahan selama titrasi, sehingga memberikan pembacaan yang lebih tinggi untuk alkalinity, dan karenanya nilai bikarbonat (anion) akan tinggi. Kation teradsorpsi ke padatan tersuspensi juga dapat bertukar dengan H + titran, lagi menaikkan alkalinity sampel.
2. Penyaringan sampel.
Jika alkalinity ditentukan dari sampel yang disaring (misalnya ketika mencoba untuk mengatasi masalah dari nomor 1), beberapa CO2 yang mudah menguap mungkin telah hilang selama penyaringan. Hal ini akan mengubah pH. Solusinya tampaknya untuk berhati-hati ketika mengumpulkan sampel sehingga tidak ada padatan tersuspensi, atau sampel disentrifus untuk menghapus padatan tersuspensi
3. Spesies tidak termasuk dalam perhitungan.
Sebagai contoh, spesies berikut yang biasanya tidak termasuk dalam perhitungan neraca anion / kation karena mereka tidak biasa hadir pada tingkat signifikan tetapi dapat mempengaruhi keseimbangan ion.
• Fluorida
• Lithium (sampel air panas bumi)
• Silika (hadir sebagai silikat)
• Boron (hadir sebagai borat, sampel air panas bumi)
Untuk menghitung cation-anion balance sebagai berikut;
1. Hitung kadar anion dan kation (mg/L) (A)
2. Tentukan berat atom/molekul anion dan kation (mg/mmol) (B)
3. Tentukan valensi anion dan kation (C)
4. Tentukan berat ekivalen anion dan kation (mg/mek) dengan cara membagi mg/mmol dengan valensi (D)
5. Hitung mek/L dengan cara membagi kadar (A) dengan mili gram ekivalen (D)
Parameter
Kadar (mg/L)
(A)
Berat atom (mg/mmol)
(B)
Valensi
(C)
Beratekivalen
(mg/mek)
(D)
mek/L
Ca2+
92.0
40.08
2
20.04
4.59
Mg2+
34.0
24.31
2
12.155
2.80
Na+
8.2
23
1
23
0.36
K+
1.4
39.1
1
39.1
0.036
Fe3+
0.1
55.8
3
18.6
0.005
HCO3-
325.0
61.0
1
61
5.33
SO42-
84.0
96.1
2
48.05
1.75
Cl-
9.6
35.5
1
35.5
0.270
NO3-
13.0
62.0
1
62
0.210
Skation
7.78
S anion
7.5
% Difference
1.46
Dari hasil diatas sum anion adalah 7.5 mek/L dan % Difference = 1.46%, maka sesuai APHA hasil analisa sampel air tersebut akurat.
