1. sample/standard selection

Memilih sampel/standar mana yang akan kita jadikan untuk kalibrasi dan juga untuk validasi. Pemilihan suatu standar atau suatu sampel utuk kalibrasi dan validasi, ini tahap pertama kita. Jadi ketika kita setelah merunning berbagai konsentrasi standar (berbagai kombinasi), maka kita melakukan selection mana yang di gunakan sebagai kalibrasi, mana sebagai validasi. Yang sudah digunakan.

Misal Juragan Vco ingin memeriksakan produknya karena diduga bahan bakunya ada di campuri dengan olive oil...

tahap pertama kita bisa membuat sejumlah serangkaian standar, yakni campuran standar yang kombinasi dari  VCO 100 % berarti olive 0 %, kemudian VCO 90 % berarti olive 10%, kemudian campuran VCO 85 % dan olive 15 % sampai campuran olive nya 100 % dan VCO 0 %. 

Jadi, Kita tentukan mau punya sampel berapa, kemudian berapa yang akan kita jadikan kalibrasi, dan berapa kita jadikan validasi

dasar ini bisa kita gunakan untuk analisis kuantitatif berapa kadar olive oil pada campuran VCO tersebut nantinya

2. Signal acquisition

yakni mengkoleksi signal menggunakan pengukuran yang tepat dan teknik sampling yang sesuai.

tentunya dari running kita akan tahu, bahwa pada VCO 100% dan olive 0 % maka akan ada puncak vibrasi tertinggi pada bilangan gelombang spesifik yang menunjukkan itu puncak 100 % VCO dan 0 % olive, begitu pula seterusnya..dari data set ini, kita bagi, spektrum mana yang menjadi  kalibrasi dan spektrum mana yang menjadi validasi , untuk memprediksi apakah model yang kita gunakan sesuai atau tidak.

3. Pre modeling, kita melakukan optimasi, kita melakukan model kalibrasi apa yang akan kita lakuan.

Ada ordinary least resquare, ada juga clasical leastly square, dsb.

Kita akan memiliih model kalibrasi apa yang sesuai kita gunakan. Kita lihat di TQ analysis apakah kita akan menggunakan simple lambeeer law,atau apa…

yang kedua , apakah kita menggukana calssical least squareds atau lainnya, untuk clasical least square digunakan untuk 2 atau lebih variabel, tetapi masih klasik, sebagai sumbu x konsentrasi, y absorbansi..Stepwise multiple linear regression sdb..ini adlah beberapa cara untuk mengkalibrasi.

Katakan kita memililih principle componen regresion

4. Modeling. Kita malakuan building reliabel prediction from kalibration datasate. Kita modelkan kalibrasi yang dihasilkan. Model kalibrasi kita seperti apa. Ternyata hubungan antara actual (yang saya siapkan ), dengan yang terpredisiksi itu close..maka ada kooefisen korelasi, hubungan antara calculated dan actual. Klo kita memilih model yang tidak benar, maka titik titik tidak akan berada digaris seperti ini, sehingga nilai koefisen korelasi nya jeek. Setelah model kalibrasi bagus, maa sudah oke.

Kemudian output yagn kedua adalah residu, adalah melihat dua hal seberapa dekat : a. hub atnara residual dan predikted. b. apakah kesalahan yang kita lakukan itu random atau sistematik. So bisa dikatakan bahwa model saya benar.

Di jendala itu ditampilkan juga actual dan calculated, angka dari calibraraiton result tabel…

Seperti duakadratkan, di bagi dengan n, kenapa di kuadaratkan,/ ? Karen agar kesalhana bisa nyata, rumusnya sebenarnya adalah

RMSc =aakar sigma (Xachal-Xcal actual)2/n

5.  Kita udah suskes pemodelan, karena koefisen korelasinya, lower than the lower konsentration, biasanya diterima, kemudian kita lakukan evalutaion. Apakah model kalibrasi yang kita gunakan benar atau tidak. Maka kita harus mampu memprediksi kadar yang ada di sampel kita, maka dengan cara sampel yagn sudah diketahui kadarnya,  kemudian saya Ukur dengan IR di scan sehingga menghasilkan spektranya,,kemudian di masukkan ke model kalibrasi, actualnya kan kita tahu, misal kita membuat sampel yang terdiri VCO 40 , olive 60, baca IR, spektra masukkan, kemudian mampu g model kalibrasi itu, bisa memprediksi spektra kita. Kita lihat RMSEP (root mean sekuen error prediction).

RMSEC-etika asampel kita jumlah sedikit, kita menggunakan model validasi silang , menggunakan leave one out tecnique, kita masukan, kemudian kita keluarkan. Klo kita punya sampel kalibrasi, maka perbedaan antara actual dan Calculated akan kecil

Apa yang harus kita lakukan ketika model validasi itu tidak benar? Some time, kita nanti klo validasi maka simbolnya gini, model ini kan model kalibrasi,model kalibrasi sukses . Suatu saat kita itu, kesini, jauh antara actual dan calculated, maka kita harus tiral n erros, di pemilihan bilangan gelombang, mungkin bllangan gelombang kita kurang tepat dalam menggunakan nya. Kecuali ada terjadi peristiwa over feating, maka kita baru mengotimasi di bilangan gelombangnya.

Minitipe 16.ketika model validasi itu tidak sukses, maka kita harus melakukan optimasi.

6. Validation. Evaluation of analytical features and predicitive capabilitas of the model (accuracy, precision, robusneess).

Kelemahan analisis kuantitatif menggunakan FTIR :

Model yang dikembangkan hanya sesuai untuk formula sampel tertentu

jika formula berbeda, maka di perlukan kalibrasi dan pengembangan model yagn sesuai..