TUGAS MATAKULIAH

Awalia sri wahyunita Nurul hikmah astuti

Wahyudin Vivi afriani

Mutmainnah mallawakkang Astriyani

Arlyani julita Madaniah

Muhammad arifuddin Afdil fiqar fiqhi

PROGRAM STUDI FARMASI

FAKULTAS FARMASI

UNIVERSITAS HASANUDDIN

2014

Analisis data dalam penelitian kualitatif bersifat induktif dan

berkelanjutan yang tujuan akhirnya menghasilkan pengertian-pengertian,

konsep-konsep dan pembangunan suatu teori baru, contoh dari model

analisis kualitatif ialah analisis domain, analisis taksonomi, analisis

komponensial, analisis tema kultural, dan analisis komparasi konstan

(grounded theory research).

Analisis dalam penelitian kuantitatif bersifat deduktif, uji empiris

teori yang dipakai dan dilakukan setelah selesai pengumpulan data secara

tuntas dengan menggunakan sarana statistik, seperti korelasi, uji t,

analisis varian dan covarian, analisis faktor, regresi linear dll.nya.

Kedua pendekatan tersebut masing-masing mempunyai keunggulan dan

kelemahan. Pendekatan kualitatif banyak memakan waktu, reliabiltasnya

dipertanyakan, prosedurnya tidak baku, desainnya tidak terstruktur dan

tidak dapat dipakai untuk penelitian yang berskala besar dan pada

akhirnya hasil penelitian dapat terkontaminasi dengan subyektifitas

peneliti.

Pendekatan kuantitatif memunculkan kesulitan dalam mengontrol

variabel-variabel lain yang dapat berpengaruh terhadap proses penelitian

baik secara langsung ataupun tidak langsung. Untuk menciptakan

validitas yang tinggi juga diperlukan kecermatan dalam proses penentuan

sampel, pengambilan data dan penentuan alat analisisnya.

Data Kuantitatif merupakan data yang berasal dari informasi yang

bersifat close-ended (jawaban tertutup). Misalnya : pengukuran sikap,

perilaku, atau instrument pengukuran perilaku yang lain. Koleksi data

kuantitatif menggunakan instrument daftar check list close-ended, yang

dapat dilakukan peneliti dengan cara memberi tanda check pada perilaku

yang terlihat. Kadang-kadang informasi/data kuantitatif diperoleh dari

dokumen, catatan hasil sensus, catatan kehadiran. Analisis data kuantitatif

menggunakan analisis statistic berdasarkan skor yang terkumpul dari

instrument (checklist, dokumen, hipotesis).

Data Kualitatif merupakan Data yang bersumber dari informasi

yang bersifat open-ended (jawaban terbuka) yang dikumpulkan oleh

peneliti melalui interview dengan partisipan. Pada umumnya pertanyaan-

pertanyaan open ended disampaikan pada saat berlangsungnya interviu

dan sepenuhnya memberi kesempatan kepada partisipan untuk menjawab

dengan menggunakan kata/kalimat/bahasanya sendiri. Data kualitatif

dikumpulkan melalui observasi kepada partisipan atau subyek penelitian,

memperoleh dokumen pribadi partisipan (misal : catatan harian (diary),

dokumen yang bersifat umum (lamanya suatu pertemuan), atau

mengumpulkan dokumen individual (video, artefaks). Analisis data

kualitatif (kata, kalimat, image, pendapat) dikelompokkan sesuai jenisnya

menurut kelompok informasi(kategori kata atau image) atau kelompok

berbagai ide yang diperoleh selama pengumpulan data.

Metode penelitian campuran kuantititatif-kualitatif (mixed methods

research) adalah sebuah metode yang berfokus pada pengumpulan dan

analisis data serta memadukan antara data kuantitatif dan kualitatif.

Berdasarkan hal tersebut, maka tujuan metode penelitian campuran ini

adalah untuk menemukan hasil penelitian yang lebih baik dibandingkan

dengan hanya menggunakan salah satu pendekatan saja, misalnya

menggunakan pendekatan kuantitatif saja atau dengan pendekatan

kualitatif saja). Dengan menggunakan metode ini akan diperoleh data

yang bersifat kuantitatif dan kualitatif.

Meode ini digunakan untuk menangani tingkatan yang berbeda

dalam satu sistem. Temuan dari setiap tingkatan dipadukan untuk

merumuskan interpretasi menyeluruh

Identifikasi faktor dan defenition tingkat faktor Identifikasi faktor dan defenition tingkat faktor adalah frist dua langkah yang bekerja di prosedur tetap ini. Faktor yang akan diteliti dalam studi ketahanan yang releted prosedur analitis (faktor internal) dan kondisi lingkungan (faktor eksternal). Faktor internal terjadi dari deskripsi metode analisis. Faktor bisa quantitatife (kontinu), kualitatif (diskrit) atau mereka dapat campuran releted. Menurut pasal 2.7.2.1 yang dipilih untuk mewakili faktor untuk metode analisis diferent telah alredy telah diperkenalkan. Tentu saja pilihan ini tidak lengkap, tetapi memberikan gambaran faktor tetste tipical. faktor Quantitatife Contoh faktor kuantitatif adalah pH larutan atau fase gerak, suhu atau konsentrasi suatu larutan, suhu kolom, konsentrasi penyangga, dll Pada prinsipnya, ada berbagai cara untuk memasukkan faktor dalam desain eksperimental, yang dapat menyebabkan informasi lebih atau kurang penting. Oleh karena itu, definisi faktor harus dipertimbangkan dengan baik. Misalnya, komposisi banyak digunakan penyangga NahH2PO4 / H3PO4 dapat didefinisikan jumlah garam NaH2PO4 dan kemudian untuk mengatur pH dengan menambahkan asam masing-masing (H3PO4) atau basa NaOH. faktor kualitatif Faktor kualitatif untuk metode Kromatograf adalah faktor yang releted ke kolom, seperti produsen kolom, batch kolom dan kolom juga berbeda dari satu batch. Seorang analis menyelidiki faktor qualitattive harus selalu ingat bahwa tidak adanya dampak yang signifikan tidak berarti bahwa faktor ini tidak pernah memiliki dampak pada kinerja metode. Dengan pengujian sejumlah sampel kesimpulan tentang jumlah penduduk tidak dapat ditarik.

Campuran terdiri dari komponen m, hanya memungkinkan m -1 komponen

yang akan diubah secara independen. Terlepas dari fase berair, fase

gerak dalam analisis HPLC dapat terdiri dari 1-3 pengubah organik,

sehingga campuran 2-4 komponen. Cara mudah untuk menggabungkan

faktor campuran-terkait dan faktor metode (misalnya, suhu, laju alir, dll)

dalam satu desain eksperimen adalah untuk menyertakan maksimal, m -1

komponen yang akan diuji sebagai faktor. M -1 Faktor-faktor ini secara

matematis independen sehingga dapat diperlakukan sebagai faktor

metode.

Biasanya, kontribusi dari berbagai komponen dalam campuran diberikan

sebagai fraksi volume. Komponen dapat diatur sedemikian rupa

sehinggam th komponen yang satu dengan fraksi volume tertinggi dan

oleh karena itu, biasanya berfungsi sebagai komponen penyesuaian. Nilai

komponen menyesuaikan dihitung dari tingkat masing-masing faktor

campuran terkait [160].

Dalam kasus di mana salah satu komponen ditemukan relevan, maka

komposisi campuran total adalah penting. Akibatnya, komposisi campuran

harus dikontrol dengan ketat. Mengenai definisi tingkat faktor campuran

terkait refleksi yang sama juga berlaku sebagai faktor-faktor

kuantitatif. Paket perangkat lunak yang memadai (misalnya, MODDE)

memandu pengguna melalui desain eksperimen, yang bisa sangat

membantu, terutama untuk studi termasuk faktor-faktor campuran terkait.

2.7.3.2.2 Model Matematika dan Desain Eksperimen

Faktor-faktor yang diuji dengan cara yang dirancang secara statistik

protokol eksperimental, yang terpilih sebagai fungsi jumlah faktor yang

harus diperiksa. Desain eksperimental biasanya diterapkan dalam studi

ketahanan adalah desain skrining dua tingkat, yang memungkinkan

seorang analis untuk menyaring jumlah yang relatif besar dari faktor

dalam jumlah yang relatif kecil dari eksperimen. Desain seperti ini adalah

faktorial pecahan atau rancangan Plackett-Burman desain [122], [161-

163]. Dalam sebuah penelitian ketahanan analis biasanya tertarik pada

efek utama faktor. Untuk tujuan ini rancangan Plackett-Burman desain

(PB-desain) menjamin hasil yang memuaskan. Biasanya, dalam PB-

desain efek interaksi twofactor, antara efek interaksi tingkat tinggi,

dikacaukan dengan efek utama, sehingga efek ini tidak dapat dievaluasi

secara terpisah [159, 160].Namun, telah dibahas dalam literatur, bahwa

dua faktor interaksi yang terjadi dalam studi ketahanan dapat diabaikan

[164]. Sejak PB-desain yang mudah untuk membangun daripada desain

faktorial pecahan, mereka menjadi pilihan pertama dalam pengujian

ketahanan.

Tiga adalah jumlah terkecil dari faktor yang harus diselidiki dalam desain

eksperimental. Karena pertimbangan statistik, terutama mengenai

interpretasi dari efek, desain dengan kurang dari delapan berjalan

eksperimental tidak digunakan, sedangkan mereka dengan lebih dari dua

puluh empat terlalu memakan waktu [160]. Untuk PB-desain pertama

baris dengan N = 8-24 eksperimen tercantum di bawah ini,

dimana N merupakan jumlah eksperimen dan (+) dan (-) tingkat faktor

[163]. Untuk konstruksi dari desain lengkap N -2 baris berikut diperoleh

dengan menggeser langkah-demi-langkah setiap baris dengan satu posisi

ke kanan. Prosedur ini diulang N -2 kali sampai semua kecuali satu baris

terbentuk. Baris terakhir (N th) maka terdiri dari tanda-tanda dikurangi

saja. Prosedur setara dapat diterapkan, ketika kolom pertama dari PB-

desain diberikan. Dari daftar di atas dapat diturunkan bahwa PB-desain

dapat memeriksa hingga faktor N -1. Hal ini tidak dianjurkan untuk

menetapkan setidaknya dua kolom seperti desain faktor apapun, karena

kolom ini dapat menunjukkan besarnya kesalahan acak yang terjadi dan

dua faktor interaksi [157]. Model matematika yang diterapkan untuk PB-

desain yang linear seperti yang ditunjukkan pada Pers. (2,7-22) untuk dua

faktor dan Pers. (2,7-6) selama tujuh faktor. Selain model linier, interaksi

dan model kuadrat juga memainkan peran tertentu dalam desain statistik

percobaan tergantung pada studi dan tujuan mereka (Persamaan. 2,7-5,

Pers. 2,7-22).

2.7.3.2.4 Eksperimen dan Penentuan Tanggapan

Sebelum melakukan percobaan dalam studi ketahanan beberapa poin

penting yang perlu dipertimbangkan:

. Aliquots dari sampel uji yang sama dan standar (dalam hal

mengevaluasi karakteristik kuantitatif) diselidiki di bawah kondisi

percobaan yang berbeda.

. Idealnya, percobaan dilakukan secara acak.

- Jika memblokir, yang berarti pemilahan oleh faktor-faktor,

tidak dapat dihindari karena alasan praktis, cek untuk drift

dianjurkan.Menjalankan percobaan di bawah kondisi nominal sebagai

fungsi waktu dapat melakukan pemeriksaan ini.

- Karena desain tertentu tidak dapat dilakukan dalam satu

hari, memblokir oleh faktor eksternal tidak diuji dalam desain seperti,

misalnya, hari, juga diperbolehkan [160, 165].

. Seperti yang telah diindikasikan untuk PB-desain, percobaan

direplikasi pada tingkat nominal (titik tengah) dilakukan sebelum, pada

interval waktu yang teratur antara, dan setelah studi ketahanan, sangat

membantu karena beberapa alasan [160]:

- Sebuah cek kinerja metode pada awal dan akhir

percobaan.

- Sebuah estimasi kesalahan murni.

- Sebuah estimasi pertama efek waktu potensial dan koreksi

hasil untuk efek waktu mungkin.

. Alih-alih mengoreksi efek waktu, desain eksperimen canggih

memungkinkan seorang analis untuk meminimalkan efek waktu dengan

mengacaukan mereka dengan efek interaksi atau faktor boneka (kolom

dalam PB-desain yang tidak

ditugaskan untuk faktor apapun) [160, 165].

2.7.3.2.5 Perhitungan Efek dan Statistik dan Grafik Evaluasi mereka

Efek dapat dihitung sesuai dengan Pers. (2,7-9) dan (2,7-10) atau dengan

Persamaan. (2,7-18). Sebuah formof setara persamaan (2,7-9) dan (2,7-

10) diberikan oleh Pers. (2,7-23):

Penafsiran efek dapat dilakukan secara grafis dan / atau

statistik. Interpretasi grafis dari efek penting biasanya diaplikasikan

dengan kemungkinan alur cerita yang normal [162]. Interpretasi statistik

didasarkan pada identifikasi efek yang signifikan secara statistik biasanya

berasal dari t-teststatistik [166]. Penjelasan lebih rinci evaluasi percobaan

yang dirancang statistik diberikan dalam literatur yang relevan [153-155,

166]. Namun, beberapa karakteristik statistik lebih lanjut akan dibahas di

sini dalam hubungannya dengan data dari contoh berikut.

2.7.3.2.6 Kesimpulan

Pada akhir studi ketahanan dirancang statistik efek utama dapat

didiskusikan, dinilai dan diringkas. SST-batas (SST: Sistem Kesesuaian

Test) dapat diturunkan dari hasil tes ketahanan, mengambil kombinasi

terburuk tingkat faktor, yang masih memberikan kinerja yang memuaskan.

2.7.3.2.7 Contoh Robustness Studi eksperimental Dirancang -

Eksperimental Perilaku, Interpretasi Hasil, Pengkajian dan

Kesimpulan Untuk memungkinkan untuk perbandingan, penelitian yang

dipresentasikan di sini telah dilakukan dengan Metode HPLC yang sama

dan dengan zat obat yang sama sudah dibahas dalam bagian

2.7.3.1, meskipun bahan obat hanya dalam tahap pengembangan pra-

klinis dan lebih bermakna untuk menerapkan DOE untuk pengujian

ketahanan dalam tahap berikutnya pembangunan. Studi ini telah

direncanakan sesuai dengan prosedur yang ditunjukkan pada Gambar

2,7-11. Kondisi nominal dari metode HPLC masing-masing diberikan

dalam Tabel 2,7-4: Solusi yang digunakan dalam uji ketahanan

mengandung zat obat MC pada konsentrasi 0,2 mg / ml (termasuk CI ion

counter) dan kotoran SP1 terkait, SP2 (termasuk pengotor yang U1) dan

SP3, serta DP1 produk degradasi pada konsentrasi 0,002 mg /

ml. Sebuah standar acuan analisis belum didirikan untuk MC pada tahap

awal pengembangan. Penelitian ini difokuskan pada faktor internal, karena

faktor eksternal umumnya ditutupi oleh studi presisi menengah.

Satu kualitatif (Col) dan tujuh kuantitatif (pH, Konsentrasi., WL, CT, F,%

BAS,% BAE) faktor internal yang dipilih. Tingkat yang ditetapkan untuk

faktor-faktor ini diringkas dalam Tabel 2,7-5. Mereka ditetapkan

berdasarkan data teknis dari peralatan HPLC yang digunakan dan juga

berdasarkan pengalaman yang sudah didapat dengan DryLab didukung

Studi ketahanan.

Perlu dicatat bahwa untuk faktor kualitatif _Column (batch bahan fase

diam) 'kolom nominal ditugaskan untuk tingkat (-1), karena lebih bermakna

untuk membandingkannya dengan yang lain daripada untuk

membandingkan dua kolom yang keduanya berbeda dari kolom

nominal. Untuk faktor kuantitatif dan model linier tingkat nominal dapat

diinterpolasi oleh paket perangkat lunak statistik, tapi hal ini tidak mungkin

untuk faktor kualitatif.Penambahan kolom ketiga akan memerlukan

aplikasi desain tiga tingkat bukannya desain dua tingkat.

Desain eksperimental dan evaluasi data yang diperoleh dilakukan dengan

menggunakan paket perangkat lunak statistik MODDE. Faktor-faktor yang

diselidiki dalam desain rancangan Plackett-Burman selama sebelas faktor,

yaitu, N = 12 percobaan. Resolusi - istilah yang menggambarkan sejauh

mana diperkirakan efek utama dikacaukan dengan perkiraan interaksi dua

tingkat, tiga tingkat interaksi dll - desain tersebut adalah III. Ini berarti

bahwa dua faktor interaksi tidak dapat dievaluasi [167].

Namun, seperti yang sudah dibahas di atas, dua faktor dan ketertiban

yang lebih tinggi interaksi dalam studi ketahanan biasanya dapat

diabaikan.Rancangan Plackett-Burman desain ortogonal dan mereka

dibatasi untuk model linear.

Korelasi Faktor matriks ortogonal desain rancangan Plackett-Burman

diterapkan diilustrasikan dalam Tabel 2,7-6. Nilai nol menunjukkan bahwa

tidak ada korelasi, yang diharapkan untuk faktor-faktor penelitian

ketahanan yang dijelaskan di sini, dan kesatuan menunjukkan bahwa

korelasi maksimal diamati, yang tentu saja adalah kasus antara faktor-

faktor itu sendiri. Respon ditentukan dalam penelitian ini adalah resolusi

penting antara U1 / SP1 (R U1_SP1) dan SP1 / DP1 (R SP1_DP1), faktor

tailing komponen utama T MC dan daerah relatif puncak CI, MC, U1, SP1,

DP1, SP2

dan SP3 (% CI,% MC,% U1,% SP1,% DP1,% SP2, SP3%). Daerah

puncak relatif dari CI telah dimasukkan dalam daftar tanggapan untuk

mendapatkan informasi tambahan. Metode yang dibahas di sini hanya

berfungsi untuk perkiraan kasar

CI. Dalam tahap berikutnya pembangunan CI tidak akan ditentukan

dengan cara HPLC, tetapi kromatografi ion akan digunakan untuk

mengevaluasi konten dalam bahan obat.

Selain 12 berjalan dibutuhkan oleh dipilih desain rancangan Plackett-

Burman, tiga percobaan nominal dilakukan. Untuk setiap 15 berjalan, tiga

suntikan larutan sampel dilakukan. Setiap injeksi ketiga digunakan untuk

perhitungan, asalkan kedua dan injeksi ketiga mengungkapkan

kromatogram identik.

Langkah ini diambil untuk memastikan bahwa data yang dipilih untuk

perhitungan diperoleh dari sistem memadai equilibrated. Selain itu, solusi

kosong disuntik di awal dan di akhir setiap suntikan tiga. Urutan

menjalankan percobaan yang ditetapkan oleh MODDE sepenuhnya

acak. Namun, untuk alasan praktis percobaan telah diurutkan dalam

kaitannya dengan faktor-faktor, konsentrasi penyangga dan penyangga

pH. Selanjutnya, penelitian di tingkat nominal yang ditetapkan untuk posisi

1, 8 dan 15, dan seluruh set akhirnya diurutkan berdasarkan urutan run

seperti yang ditunjukkan dalam

worksheet yang sesuai pada Tabel 2,7-7, yang juga menyajikan hasil

eksperimen yang diperoleh selama sepuluh tanggapan dipelajari.

Fit dan Ulasan Fit

Setelah cocok dengan data yang ditunjukkan pada Tabel 2,7-7 dengan

cara Regresi Linier Berganda (MLR) akan sangat membantu untuk melihat

pertama pada ulangan plot, yang menunjukkan respon sebagai fungsi dari

label nomor percobaan. Para ulangan Plot menyediakan analis dengan

ide dari kesalahan eksperimental, yang disebut kesalahan murni, yang

mengikuti dari percobaan direplikasi di tingkat nominal faktor diselidiki (no.

13, 14, 15). Pada Gambar 2,7-12 satu contoh ditampilkan untuk respon

"Luas puncak relatif MC". Angka-angka 13, 14, dan 15 menunjukkan

pengulangan yang baik

(Reproducibility dalam arti terminologi MODDE) dan kesalahan murni

kecil. Selain contoh khas seperti contoh sesekali dengan kesalahan yang

lebih kecil dan lebih besar juga ditemukan dalam penelitian ini. Temuan

tersebut diperoleh untuk daerah puncak SP3 dan U1 dan juga untuk

resolusi puncak antara U1 dan SP1. Perlu diperhatikan bahwa, terlepas

dari ulangan pada Gambar 2,7-12, dua kelompok nilai respon dapat

diamati, yang berkorelasi dengan pengukuran pada dua panjang

gelombang deteksi yang berbeda (225 nm dan 229 nm).

Koefisien model dan efek, yang faktor terhadap tanggapan yang berbeda

akan dijelaskan di bawah ini. Sebelum ini, cek ringkasan fit, yang

ditunjukkan pada Gambar 2,7-13 diperlukan. Plot seperti itu memberikan

gambaran tentang karakteristik _R 2, Q 2, Model Validitas dan

Reproducibility '. Dengan karakteristik ini

analis dapat menilai seberapa baik adalah cocok untuk setiap respon

[155, 156, 158, 168-170].

R 2 adalah persentase variasi respon yang diberikan oleh model. Ini

adalah ukuran fit dan menunjukkan seberapa baik model sesuai dengan

data. AR besar 2 adalah kondisi yang diperlukan untuk model yang baik,

tapi itu tidak cukup. Bahkan model miskin (model yang tidak dapat

memprediksi) dapat menunjukkan R besar 2. Namun, rendahnya

nilai R 2 akan diperoleh dalam kasus _reproducibility miskin (kontrol

miskin atas kesalahan percobaan) atau model validitas miskin (model

salah). Jika R 2 adalah 1 model cocok dengan data sempurna. Q 2 adalah

persentase variasi respon diprediksi oleh model

menurut cross-validasi. Q 2 menceritakan seorang analis seberapa baik

model memprediksi data baru. Sebuah model yang berguna harus

memilikiQ besar 2. Sebuah rendah T 2 menunjukkan _reproducibility

miskin (kontrol miskin atas kesalahan eksperimental) dan / atau

keabsahan model yang miskin (model

Asumsi bahwa terdapat harga R2 yang bagus, model validitas sedang

(moderat), dan desain dengan beberapa tingkat residu yang tak terikat,

lalu harga Q2 yang kecil biasa karena istilah yang insignifikan pada model.

Istilah insignifikan itu dapat dihilangkan dari pemodelan. Model validitas

mengukur tingkat kesalahan untuk kecocokan (error of fit)dan

membandingkannya dengan kesalahan murni (pure error). Jika penanda

(bar) lebih besar daripada 0.25, maka tidak terdapat kekurangcocokan

(lack of fit) pada pemodelan. Ini menandakan bahwa pemodelan

kesalahan memiliki rentang yang sama dengan kesalahan murni

(keberulangan). Penanda model validitas sebagai kesatuan yang mewakili

model sempurna. Ketika model validitas dibawah dari 0.25 maka terdapat

kekurangcocokan yang signifikan. Ini menandakan bahwa kesalahan

model secara signifikan lebih besar daripada kesalahan murni.

Terdapat banyak parameter yang dapat menyebabkan kekurangcocokan

pada pemodelan sehingga diperoleh model validitas yang buruk. Akan

tetapi, pada banyak kasus, penyebabnya merupakan sebuah kesalahan

artifisial dan berupa kesalahan murni yang sangat kecil yang biasanya

bernilai nol. Keberulangan (reproducibility) adala perbandingan variasi dari

respon pada kondisi yang sama, dengan variasi keseluruhan dari respon.

Variasi dari respon pada kondisi yang sama berkaitan dengan kesalahan

murni dan biasanya ditentukan pada nilai pusat. Ketika keberulangan

bernilai sama, kesalahn murni adalah nol. Ini menandakan bahwa pada

kondisi yang sama, nilai dari respon adalah sama. Ketika penanda

keberulangan adalah nol, maka kesalahan murni sama dengan total

variasi dari respon. Perlu dicatat bahwa ‘keberulangan’ disini digunakan

berdasarkan terminologi MODDE, bukan setingkat presisi (ketepatan).

Sebagai tambahan terhadap penjelasan diatas, untuk studi tentang

ketangguhan (robustness), R2 tidaklah sangat diperlukan. Hal ini

bergantung kepada studi itu sendiri, serta khusus pada rentang

berdasarkan tingkat paling rendah dan paling tinggi. Ketika kesalahan

murni kecil, harga R2 yang kecil sudahlah cukup. Akan tetapi, Q2 harus

positif dan tidak lebih kecil daripada R2.

Harga R2 yang kecil dapat menandakan bahwa pemodelan tidak cocok

dengan variasi respon. Ini menandakan bahwa metode yang digunakan

tidaklah sensitif dan memiliki ketangguhan (kasus terbaik dari uji

ketangguhan contohnya model yang inisgnifikan dan hasil yang memenuhi

spesifikasi!).

Jika harga R2 yang didapatkan adalah tinggi pada studi ketangguhan, ini

menandakan bahwa terdapat korelasi yang kuat dan secara normal

metode tersebut sensitif pada perubahan dan faktor masing-masing

metode harus dengan hati-hati dikontrol. Untuk menentukan apakah

metode yang digunakan memiliki ketangguhan atau tidak bergantung

kepada rentang dimana respon-respon memiliki nilai yang bervariasi.

Ketika suatu respon bervariasi pada rentang yang tidak kritis, metode

bagaimanapun juaga dianggap memiliki ketangguhan (kasus terbaik

kedua pada uji ketangguhan contohnya model yang insignifikan dan hasil

yang memenuhi spesifikasi!)

Data pada gambar 2.7-13 memperlihatkan 7 dari 10 respon menunjukkan

hasil kecocokan yang mendekati sempurna. R2 dan Q2 bernilai diatas 0.8,

keberulangan diatas 0.9 dan harga dari validitas pemodelan diatas 0.25.

Akan tetapi, untuk ketiga respon “Daerah Puncak Relatif SP3”. “Daerah

Puncak Relatif U1” dan “Resolusi U1_SP1” yang bernilai lebih kecil

didapatkan. Untuk daerah relatif puncak dari SP3dan U1, harga Q1 sangat

kecil. Berdasarkan ciri statistik diatas, ada penjelasan yang baik mengenai

hasil tersebut. Nilai Q2 yang kecil dari daerah puncak relatif dari SP3 dan

U1 dapat dijelaskna dengan ‘keberulangan’ yang buruk (diantara semua

data) dan utamanya oleh koefisian yang muncul dan memiliki pengaruh

yang signifikan atau insignifikan (tapi tidak berkaitan) untuk respon-respon

ini. Istilah model validitas yang buruk pada resolusi antara U1 dan SP1

secara singkat dijelaskan dengan keberulangan yang sangat besar

(0.99993) berdasarkan kesalahan murni yang cenderung bernilai nol.

Akan tetapi, temuan ini tidaklah berkaitan dan dapat diabaikan.

Diagnostik

Disamping interpretasi dari ringkasan tentang kecocokan, langkah

evaluasi lebih lanjut dibutuhkan sebelum memulai perhitungan dari

koefisien serta efek. Perlu diperikas bahwa residu data dalam keadaan

teracak dan tersebar normal. Untuk tujuan ini, kemungkinan dari plot

normal residu biasanya diterapkan dalam skala dobel logaritmik. Plot

tersebut dapat membantu dalam penilaian normalitas dari residu.

Jika residu adalah acak dan tersebar normal, maka data berada pada

garis lurus antara -4 dan +4 berdasarkan kajian standar deviasi.

Sementara data diluar garis berada pada rentang -4 sampai +4 dari

standar deviasi.

Untuk setiap 7 dari 10 respon yang diukur, peluang normal berdasarkan

gambar 2.7-14 yang menandakan residu acak dan tersebar merata. Akan

tetapi, tiga pengecualian didapatkan. Hal ini adalah “Daerah Puncak relatif

dari SP1”, “Resolusi U1_SP1” dan “Resolusi SP1_DP1”, berdasarkan

percobaan yang dilakukan pada masing-masing N12, N3 dan N6 dan N1

dan N9.

Data yang tidak termasuk dapat secara signifikan secara statistik tapi

haruslah tidak berkaitan, yang ditunjukkan pada gambar 2.7-15 yang

menunjukkan hubungan linier antara data yang diamati dengan data yang

diramalkan dari resolusi U1 dan SP1. Secara jelas dapat dilihat

perbedaannya antara N3 atau N6 dan garis lurus keadaan tipis dan tidak

berkaitan.

Gambar 2.7-15: Diamati dibandingkan data yang diperkirakan untuk

respon ‘Resolusi U1_SP1'dan setiap percobaan.

Dia

ma

ti

Diperkirakan

Selain ringkasan fit, tes pada distribusi normal, dan perbandingan

diamati dan juga data prediksi analisis varians (ANOVA) dilakukan, yang

mengungkapkan bahwa standar deviasi regresi lebih besar dari standar

deviasi dari residual dengan tingkat kepercayaan yang tinggi. Dengan

demikian, hasil yang dibahas di atas juga dikonfirmasi oleh ANOVA.

Selain itu, ada kekurangan yang relevan pada deteksi fit [168].

Interpretasi Model

Seperti itu jelas bahwa model itu benar, koefisien dan efek dari

berbagai faktor kemudian dapat dievaluasi. Dianjurkan untuk membuat

gambaran koefisien plot (Gambar. 2.7-16), yang menampilkan koefisien

untuk semua tanggapan yang didefinisikan dalam penelitian ini.

Biasanya tanggapan yang berbeda memiliki rentang yang berbeda.

Dalam rangka untuk membuat koefisien sebanding, hal itu dinormalisasi

dengan membagi koefisien oleh standar deviasi respon masing-masing.

Jadi, plot ini memungkinkan seorang analis untuk melihat bagaimana

faktor yang mempengaruhi semua tanggapan. Dari Gambar 2.7-16 jelas

bahwa dalam kasus daerah puncak relatif dengan dampak dari panjang

gelombang deteksi benar-benar dominan, karena sifat penyerapan hampir

identik dari senyawa yang diselidiki. Hal ini digambarkan dengan bagian

dari uv/vis-spektrum MC di mana tampaknya ada serapan yang tidak

maksimal pada panjang gelombang deteksi nominal 227 nm (Gambar.

2.7-17).

Pengecualian pada kotoran yang dikenal untuk mendominasi deteksi

panjang gelombang adalah luas puncak relatif SP3, yang tampaknya juga

dipengaruhi oleh laju alir fase gerak dan konsentrasi penyangganya.

Untuk resolusi antara U1 dan SP1 faktor yang dominan adalah pH, dan

untuk resolusi antara SP1 dan DP1, suhu kolom dan pH adalah faktor

yang paling signifikan (relevan). Dalam kasus faktor ‘pengekoran’,

konsentrasi penyangga dan bets fase diam yang yang paling penting.

Gambar 2.7-16: gambaran plot Koefisien untuk semua tanggapan

didefinisikan dalam penelitian (semua termasuk

pengaturan faktor-faktor kualitatif). Faktor yang dengan

kode warna seperti yang ditunjukkan di atas (lihat juga

Tabel 2.7-5).

Fakt

or p

enge

kora

n M

C

Luas

pun

cak

rela

tif C

I

Luas

pun

cak

rela

tif M

C

Luas

pun

cak

rela

tif S

P1

Luas

pun

cak

rela

tif D

P1

Luas

pun

cak

rela

tif S

P2

Luas

pun

cak

rela

tif S

P3

Luas

pun

cak

rela

tif U

1

Reso

lusi

U1_

SP1

Reso

lusi

SP1

_DP1

Gambar 2.7-17: Bagian spektrum uv/vis komponen utama MC.

Penyerapan [m AU] vs panjang gelombang [nm]

Untuk mendapatkan analisis yang lebih detail dan mengetahui faktor

yang mempengaruhi yang paling sering digunakan yaitu plot koefisien.

Koefisien plot ditunjukkan oleh koefisien regresi dengan tingkat intervalnya

dan keduanya diterapkan untuk menginterpretasikan koefisien. Pada

dasarnya, plot koefisien adalah data dari dari tengah dan skala untuk

membuat perbandingan koefisien.

Ukuran koefisien digunakan untuk merubah respon ketika sebuah

faktor bervariasi dari nol sampai satuan., sementara faktor lain tetap pada

keadaan nilai rata-ratanya. Sebuah koefisien dikatakan signifikan ketika

tingkat interval tidak sama dengan 0. Dari teori palcket-burnman, koefisien

adalah setengah dari ukuran efeknya.

Tipe koefisien plot yang diperoleh ditunjukkan dari gambar 2.7-18

dari resolusi SP1_DP1. PH, konsentrasi buffer, temperatur, dan laju alir

adalah signifikan, merupakan faktor dari puncak resolusi antara SP1 dan

DP1.

Faktor sikinifikan dipengaruhi oleh respons yang telah ditentukan

dalam tabel 2.7-8

Pengujian lebih lanjut dengan memvisualisasikan efek faktor

ketahanan oleh pengujian efek plot. Plot ini khususnya digunakan untuk

screening seperti teori Placket-Burman. Efek plot ini diurutkan dari yang

terbesar ke yang terkecil.

Efek plot dapat dilihat dengan mengubah respon ketika faktor

variasinya dari rendah ke tinggi. Dan semua faktor lain tetap pada

keadaan rata2nya. Harus dicatat bahwa efeknya adalah 2 kali koefisien,

sebagaimana koefisien diganti responnya ketika faktor variasinya dari

rata2 ke tinggi. Efek tidak siknifikan ketika jarak interval sama dengan nol.

Efek kecil yang terlihat tidak terlalu penting.

Dalam figure 2.7-19 efek plot ditunjukkan untuk resolusi antara

puncak U1 dan SP1. Ilustrasi ini menunjukkan bahwa pH merupakan

faktor yang paling penting dalam puncak resolusi antara U1 dan SP 1.

Konsentrasi buffe dan laju alir juga memainkan peran tertenu tapi faktor

lain tidak siknifikan. Dengan kata lain, faktor yang lain tidak relevan dan

dapat diabaikan. Dari pelajaran ini, figure 2.7-19 mewakili contoh dari efek

plot. Semua efek yang diperoleh dari tes ketahanan disimpulkan dalam

tabel 2.7-9

Salah satu cara untuk mengilustrasi efek dari suatu faktor dari

respon tertentu adalah pengujian efek plot utama. Untuk desain

penyaringan, efek plot utama menampilkan nilai yang cocok dari respon

dengan interval kepercayaan dibawah dan diatas nilai faktor pilihan, dan

pada titik pusat. Faktor lainnya dijaga pada nilai rata-ratanya.

Efek plot utama yang menarik digambarkan pada gambar 2.7-20

dan gambar 2.7-21 yang dimana efek pH yang berlawanan pada resolusi

pasangan puncak U1 / SP 1 dan SP 1 / DP1 jelas.

Penggunaan Model

Setelah interpretasi, model dapat diaplikasikan untuk memprediksi.

Untuk maksud itu MODDE menyediakan beberapa fitur yang digunakan

untuk studi ketangguhan, seperti plot perediksi, plot respon prediksi, plot

kontur, dan yang disebut Sweet Spot Plot [168].

Plot prediksi menunjukkan dua dimensi melapisi semua respon,

setiap fungsi dari suatu faktor. Faktor lainnya dapat diatur ke efek rendah,

pusat, tinggi, dan biasa. Plot respon prediksi mengilustrasikan

ketergantungan fungsi dari respon tertentu pada satu faktor yang

divariasikan, ketika faktor lainnya dijaga pada tingkat pusatnya. Dengan

tambahan, interval kepercayaan tersendiri menunjukkan setiap plotnya.

Tingkat kepercayaan 90%, 95%, atau 99% dapat dipilih. Plot prediksi dan

plot respon prediksi keduannya merupakan alat yang membantu analisis

untuk memberi nilai ketangguhan suatu metode analisis. Alat yang lebih

kuat adalah plot kontur dan khususnya Sweet Spot Plot. Plot kontur dapat

menjadi perbandingan untuk peta resolusi tiga dimensi yang dikalkulasi

oleh DryLab. Hal tersebut menunjukkan respon magnitude tertentu

(respon rentang kode-warna), sebagai fungsi dari dua faktor terlihat pada

axis x dan y. Faktor lainnya biasanya diatur ke tingkat pusatnya. Contoh

tipikal yang terdapat pada pada studi ini ditunjukkan dalamgambar 2.7-22

dan 2.7-23.

Pada gambar 2.7-22 fungsi tergantung dari are puncak dari

komponen MC utama (%MC) pada konsentrasi buffer dan panjang

gelombang deteksi yang ditunjukkan. Semua faktor lainnya dijaga pada

tingkat pusatnya. Faktor kualitatif Col (sekumpulan fase stasioner) diatur

ke batch B. Dari grafik dapat dilihat bahwa % MC hanya dipengaruhi oleh

panjang gelombang deteksi, selama efek dari buffer dapat diabaikan.

Pada gambar 2.7-23 resolusi antara puncak U1 dan SP1 diberikan sebagai fungsi dari konsentrasi penyangga dan pH penyangga. Hal ini menunjukkan bahwa kedua faktor dampak pada resolusi. Semakin tinggi nilai faktor, semakin tinggi resolusi antara U1 dan SP1. Tentu saja, efek dari pH buffer lebihjelasdaripadapengaruhkonsentrasipenyangga.

Sweets pot plot merupakan fitur yang sangat kuat untuk menilai kekokohan suatu metode analisis. Sebelum membuat plot sweetspot persyaratan yang harus dipenuhi oleh metode analisis tertentu untuk memastikan kinerja yang handal dan akurat, harus dipertimbangkan. Persyaratan ini yang ditetapkan untuk tanggapan.The sweetspot plot grafik tiga dimensi yang mirip dengan plot kontur dan peta resolusi lab kering. Dimensi

ketiga (z-axis) adalah warna -coded dan visualisasi daerah di mana semua atau tidak ada persyaratan terpenuhi dan yang pertama (x-axis) dan kedua (y-axis) dimensi merupakanduafaktor.Faktorlaintetapkonstanpadatingkatmereka RENDAH, TENGAH, TINGGI atau CUSTOM. Untuk menghitung daerah di mana semua atau tidak ada persyaratan terpenuhi, MODE menggunakan metode simpleks Nelder mead (168, 171). Sehubungan dengan studi HPLC ketahanan dibahas di sini aspek berikut dipertimbangkan, penelitian ini dilakukan dengansenyawapembangunanpadatahappra-klinisdankarenatelahberkomentaratasstandaracuananalisis yang tidaktersediapadatahapawalpengembangan.Olehkarenaitu, daerahpuncakrelatiftelahdimasukkansebagaitanggapandalamdesain.Karenadefinisipersyaratanuntuk area puncakrelatiftidakterlaluberguna, hasilmasing-masingdiperolehdalampenelitianinidinilaisecarakualitatifdanmerekaakandipertimbangkandalamstudiketahanan yang akandilakukanpadatahapberikutnyapembangunan. Dalamstuditersebutdaerahpuncakrelatifakandigantikanoleh assay (dihitungterhadapstandarreferensieksternal), yaitu, isikomponenutamadankotoran yang terkaitdankemudiankriteriapenerimaanpastiakandiperlukan.Akibatnya, persyaratanhanyaditetapkanuntuktanggapan, tailing faktorkomponendanpuncakresolusiutamaantara U1 dan SP1 sertaantara SP1 dan DP1.taking mempertimbangkan data eksperimen yang diperoleh, faktor tailing dari 1,7 (MC miliksenyawakelas yang selalucenderung tailing sedikit) dianggapsebagaibatasatas. Rentang yang ditetapkanuntukperhitunganadalah 0,8-1.7 (0,8 ≤ TMC≤1.7). untukresolusipuncaknilai minimal 1,8 ditetapkan (RU1_SP1≥ 1.8, RSP1_DP1≥ 1.8). xdansumbu y dalam plot sepertiituharusmewakilifaktor-faktor yang tampaknyamemilikidampak yang paling signifikanterhadaprespon, yang konsentrasifaktorpenyanggadan pH penyangga. Gambar 2,7-24 menggambarkan plot sweetspotdiperolehdalamkondisisepertiitu. Selainkonsentrasifaktorpenyanggadan pH buffer, faktordisimpan di CENTER tingkat.BahanFasediamadalah bets A.

Padagambar 2,7-24 wilayahabu-abugelap yang besardalamgrafikmenunjukkandaerahsweetspot, yang merupakandaerah di manasemuakriteriaterpenuhi. Daerah abu-abuterangadalah di

manaduakriteriaterpenuhi (1.4 <RU1_SP1 <1,8). daerahhitamdanputihadalahmereka di manahanyasatuatautidakadakriteriaterpenuhi. Namun, kasusinitidakdiamatidalampenelitianini.Bahkanjikafaktor-faktor yang ditetapkanpadatingkat CENTRE padagambar 2,7-24 bervariasiantarapengaturanmereka RENDAH dan TINGGI plot tidakberubahsecarasignifikan. Olehkarenaitu, plot sweetspotmenunjukkan di satusisibahwametodeinikuatdan di sisi lain bahwapersyaratan yang ditetapkanuntuk TMC RU1_SP1, dan RSP1_DP1 dapatdiadopsiuntukujikesesuaiansistem.

Namun, untukstudiketahananpadatahapberikutnyadaripengembanganobatdisarankanuntukmelakukaneksperimen di perbatasan (antaraterangdandaerahabu-abugelappadagambar 2,7-24) untukmengkonfirmasibahwaprediksi yang diperolehsesuaidengan data eksperimen.

Setelah berbagai faktor kuat yang ditemukan, maka juga harus dipertimbangkan bahwa prosedur analitis divalidasi dalam rentang tersebut.Akibatnya, variasi diperlukan dalam aplikasi jangka panjang dapat dianggap sebagai penyesuaian. Di luar kisaran divalidasi, itu harus diasumsikan secara resmi bahwa ada perubahan dengan segala konsekuensinya,seperti pengendalian perubahan, revalidation, dll (lihat Bab 9).KesimpulanContoh yang dibahas dalam bagian ini menunjukkan bahwa perangkat lunak DOE, seperti MODDE dapat menjadi alat yang sangat ampuh dalam menilai kekokohan metode analisis. Dalam penelitian ini delapan faktor masing-masing pada dua tingkat

diperiksa, yang berarti bahwa untuk evaluasi lengkap 2 8 = 256 percobaan akan

diperlukan. Tapi dengan cara desain rancangan Plackett-Burman yang terdiri dari 12 berjalan eksperimental ditambah tiga kali pada titik tengah, ruang lingkup dapat dikurangi menjadi 15 percobaan tanpa kehilangan informasi yang relevan untuk evaluasi ketahanan dari metode analisis dipelajari. Dari contoh ini dapat disimpulkan bahwa dengan menggunakan desain eksperimen, tabungan bekerjawaktu, sumber daya dan biaya bisa sangat besar.Mungkin, terutama karena fakta bahwa DOE telah menjadi lebih dan lebih populer di HPLC dan kapiler Elektroforesis selama beberapa tahun terakhir, baik di bidang pengujian ketahanan metode analisis [172-174] dan juga dalam pengembangan metode analisis [175-177].Pengakuan

Saya ingin mengucapkan terima kasih Ralf Hohl atas keterlibatannya dan peduli dalam melakukan pekerjaan eksperimental studi ketahanan ini, untuk membantu dan menarik komentarnya, dan juga untuk diskusi inspirasi. Saya juga ingin menyampaikan terima kasih kepada Prof Dr Andreas Orth untuk meninjau bagian pada desain eksperimental, untuk diskusi instruktif, dan nasihat yang tak ternilai pada desain eksperimen.