Kalkulator Kurva Kalibrasi | Regresi Linier untuk Analisis Laboratorium

Apa Itu Kalkulator Kurva Kalibrasi

Kalkulator kurva kalibrasi mengubah pembacaan instrumen menjadi konsentrasi. Caranya adalah dengan menyesuaikan garis lurus melalui titik data dari standar yang konsentrasinya diketahui, lalu menggunakan garis tersebut untuk mengubah pembacaan baru menjadi konsentrasi. Laboratorium menggunakan kurva kalibrasi dalam kimia, biologi, dan pengujian lingkungan setiap kali instrumen melaporkan sinyal, seperti absorbansi atau luas puncak, bukan konsentrasi secara langsung.

Kalkulator di halaman ini menyesuaikan garis menggunakan regresi linear, yaitu metode kuadrat terkecil. Kalkulator ini melaporkan kemiringan, intersep, dan R², yang mengukur seberapa dekat titik-titik mengikuti garis tersebut. Selanjutnya, kalkulator dapat memperkirakan konsentrasi sampel tak dikenal dari respons yang diukur.

Rumus Kurva Kalibrasi

Kurva kalibrasi mengasumsikan hubungan garis lurus antara konsentrasi dan respons instrumen:

$y = mx + b$

• $y$ adalah respons (yang diukur instrumen)
• $x$ adalah konsentrasi
• $m$ adalah kemiringan
• $b$ adalah intersep-y

Cara Menghitung Kemiringan dan Intersep

Untuk sekumpulan $n$ titik, kemiringan dan intersep yang paling sesuai dengan data (dalam pengertian kuadrat terkecil) adalah:

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

$b = \bar{y} - m\bar{x}$

Di sini, $\bar{x}$ dan $\bar{y}$ adalah konsentrasi rata-rata dan respons rata-rata dari semua titik.

Rumus R²

R², yaitu koefisien determinasi, menunjukkan seberapa baik garis tersebut sesuai dengan data:

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

$\hat{y}_i$ adalah respons yang diprediksi garis untuk setiap $x_i$. R² berkisar dari 0 hingga 1. Nilai 1 berarti setiap titik tepat berada pada garis.

Rumus Konsentrasi Tak Dikenal

Setelah kemiringan dan intersep diketahui, respons yang diukur $y$ dapat diubah kembali menjadi konsentrasi:

$x = \frac{y - b}{m}$

Jika perhitungan ini menghasilkan angka negatif, kalkulator melaporkan konsentrasi sebagai 0, karena konsentrasi negatif tidak bermakna secara fisik. Kalkulator juga melaporkan 0 ketika kemiringan garis hasil penyesuaian adalah 0, karena garis datar tidak memberikan informasi tentang konsentrasi.

Contoh perhitungan

Misalkan empat standar memberikan hasil berikut:

Konsentrasi rata-ratanya adalah 3 dan respons rata-ratanya adalah 0,20.

Kemiringan:

$m = \frac{(-3)(-0.15) + (-1)(-0.05) + (1)(0.04) + (3)(0.16)}{(-3)^2 + (-1)^2 + 1^2 + 3^2} = \frac{1.02}{20} = 0.0510$

Intersep:

$b = 0.20 - (0.0510)(3) = 0.0470$

R²: membandingkan respons yang diprediksi dengan respons sebenarnya menghasilkan R² = 0,9966.

Garis hasil penyesuaiannya adalah:

$y = 0.0510x + 0.0470 \quad (R^2 = 0.9966)$

Sekarang misalkan sebuah sampel tak dikenal memberikan respons sebesar 0,20. Konsentrasinya adalah:

$x = \frac{0.20 - 0.0470}{0.0510} = 3.0000$

Cara Menggunakan Kalkulator Ini

1. Masukkan konsentrasi yang diketahui dari setiap standar dan respons terukurnya sebagai sepasang angka. Kalkulator memulai dengan dua baris.
2. Pilih "Add Data Point" untuk memasukkan lebih banyak standar, atau "Remove data point" di samping suatu baris untuk menghapusnya. Sedikitnya dua titik diperlukan.
3. Setelah sedikitnya dua titik diisi, kalkulator menampilkan persamaan regresi, nilai R², dan grafik titik-titik dengan garis hasil penyesuaian. Kemiringan, intersep, R², dan konsentrasi semuanya dibulatkan hingga empat angka desimal untuk ditampilkan.
4. Masukkan respons terukur di bawah "Calculate Unknown Concentration" untuk melihat konsentrasi yang sesuai. Nilainya diperbarui secara otomatis saat diketik; tidak ada tombol terpisah yang perlu ditekan.
5. Pilih "Reset" untuk menghapus semua titik yang dimasukkan dan kolom respons, lalu memulai kembali.

Menafsirkan Kemiringan, Intersep, dan R²

Kemiringan menunjukkan seberapa besar perubahan respons untuk setiap satuan konsentrasi. Kemiringan yang lebih besar berarti metode tersebut merespons dengan kuat terhadap perubahan konsentrasi yang kecil.

Intersep adalah respons yang diprediksi pada konsentrasi nol. Nilai ini mencerminkan sinyal latar belakang, seperti sampel blanko atau garis dasar instrumen. Intersep yang tidak nol merupakan hal yang umum dan tidak otomatis menjadi masalah, tetapi intersep yang besar atau tidak konsisten di antara kalibrasi dapat menunjukkan kontaminasi atau kerusakan instrumen.

R² menunjukkan seberapa dekat titik-titik mengikuti garis lurus. Nilai di atas 0,99 umum ditemukan pada metode linear yang bekerja dengan baik. R² yang lebih rendah dapat berarti kesalahan pemipetan, standar yang terdegradasi, atau rentang konsentrasi yang responsnya tidak lagi linear.

Penggunaan Kurva Kalibrasi

Kurva kalibrasi umum digunakan ketika sinyal mentah instrumen perlu diubah menjadi konsentrasi:

• Spektrofotometri — absorbansi cahaya diukur dan diubah menjadi konsentrasi, misalnya saat mengukur kandungan protein atau pigmen.
• Kromatografi (HPLC, GC) — luas atau tinggi puncak dari kromatogram diubah menjadi konsentrasi, yang umum dilakukan dalam pengujian obat dan analisis lingkungan.
• ELISA dan imunoasai lainnya — intensitas warna atau fluoresensi dari pembaca pelat diubah menjadi konsentrasi antigen atau antibodi.
• qPCR — nilai ambang siklus dari pengenceran serial sampel yang diketahui digunakan untuk membentuk kurva guna memperkirakan jumlah materi genetik dalam sampel tak dikenal.

Ketika Garis Lurus Tidak Sesuai

Beberapa metode tidak bersifat linear di seluruh rentangnya. Solusi yang umum meliputi membatasi kalibrasi pada wilayah linear yang lebih sempit, menerapkan transformasi logaritmik sebelum menyesuaikan garis, menggunakan penyesuaian polinomial (melengkung), atau menggunakan regresi berbobot ketika galat pengukuran membesar atau mengecil seiring konsentrasi. Kalkulator ini hanya menyesuaikan garis lurus; jika titik-titik jelas membentuk kurva, hasilnya akan kurang andal dan model yang berbeda mungkin diperlukan.

Pertanyaan yang sering diajukan

Apa yang dimaksud dengan kurva kalibrasi?

Kurva kalibrasi adalah garis yang disesuaikan melalui pembacaan instrumen untuk sampel dengan konsentrasi yang diketahui. Kurva ini digunakan untuk mengubah pembacaan baru dari sampel dengan konsentrasi tak dikenal menjadi nilai konsentrasi.

Berapa banyak titik data yang diperlukan kurva kalibrasi?

Kalkulator memerlukan sedikitnya dua titik untuk menyesuaikan garis, tetapi dua titik tidak dapat menunjukkan apakah hubungan sebenarnya memang garis lurus. Sebagian besar laboratorium menggunakan lima hingga delapan standar yang mencakup rentang konsentrasi sampel tak dikenal yang diperkirakan.

Apa arti R² pada kurva kalibrasi?

R² mengukur seberapa dekat titik-titik data mengikuti garis hasil penyesuaian, pada skala dari 0 hingga 1. Nilai 1 berarti setiap titik tepat berada pada garis. Nilai di atas 0,99 umumnya dianggap sebagai bukti kuat adanya hubungan linear.

Dapatkah konsentrasi diperkirakan di luar rentang standar?

Memperkirakan konsentrasi di bawah standar terendah atau di atas standar tertinggi tidak andal, karena tidak ada data yang memastikan garis tersebut tetap lurus di sana. Lebih baik mengencerkan sampel yang hasil ukurnya terlalu tinggi, atau memekatkan sampel yang hasil ukurnya terlalu rendah, lalu mengukurnya kembali dalam rentang yang telah dikalibrasi.

Mengapa konsentrasi yang dihitung terkadang ditampilkan sebagai 0?

Jika respons terukur lebih rendah daripada intersep hasil penyesuaian (dengan kemiringan positif), rumus $x = (y - b) / m$ menghasilkan angka negatif. Dalam kasus tersebut, kalkulator menampilkan 0, karena konsentrasi nyata tidak dapat bernilai negatif. Kalkulator juga menampilkan 0 ketika kemiringannya 0, yang terjadi jika setiap standar memiliki respons yang sama atau setiap standar memiliki konsentrasi yang sama.

Apa perbedaan antara kemiringan dan intersep?

Kemiringan menggambarkan sensitivitas respons terhadap perubahan konsentrasi. Intersep adalah respons yang diprediksi pada konsentrasi nol dan sering kali mencerminkan sinyal latar belakang, bukan analit itu sendiri.