DISTRIBUSI UKURAN PARTIKEL
BAB 6 IDENTIFIKASI DAN KUANTIFIKASI
D. Pencitraan Kimiawi Untuk Analisis MP 1. Dasar-Dasar
Pada prinsipnya, spektroskopi Inframerah dan Raman didasarkan pada interaksi radiasi dengan getaran molekul tetapi berbeda dalam cara energi foton ditransfer ke molekul dengan mengubah keadaan getarannya.
Spektroskopi IR mengukur transisi antara tingkat energi getaran molekul dengan penyerapan radiasi. Penyerapan radiasi infra merah dimungkinkan hanya dengan ikatan molekul yang dapat mengubah momen dipolnya dengan penyerapan radiasi. Spektroskopi Raman didasarkan pada peristiwa hamburan cahaya in elastis dua foton.
Hamburan Raman yang kuat terjadi dengan perubahan yang lebih besar dalam polarisasi awan elektron terdistribusi, seperti yang ditemukan dalam ikatan rangkap karbon-karbon di mana awan elektron p mudah terdistorsi karena peregangan dan/atau tekukan ikatan menyebabkan perubahan yang signifikan pada kerapatan awan elektron (Mansour & Hickey, 2014).
Untuk analisis MP, tiga mode operasi yang berbeda, yaitu transmisi, refleksi, dan refleksi total yang dilemahkan (attenuated total-UHÁHFWDQFH, ATR), biasanya digunakan dalam FTIR. Substrat filter yang sesuai sangat penting untuk menahan sampel partikel di tempatnya selama pemindaian/scanning. Untuk tujuan ini, substrat filter harus tahan air, stabil secara mekanis, memiliki pori- pori untuk memungkinkan filtrasi sampel berair dan menyebabkan gangguan spektral minimum. Dalam mode transmisi, cahaya dari sumber melewati sampel dan dikumpulkan setelahnya. Akibatnya, diperlukan
transparansi filter untuk partikel MP yang diuji. Selain itu, bahan dengan daya serap tinggi dengan warna tidak cocok karena cahaya yang ditransmisikan lemah (atau tidak ada) ke detektor. Batasan ini dapat dihindari jika mode refleksi digunakan. Dalam mode ini, sinar datang melewati sampel dengan refleksi pada substrat reflektif IR. Namun, sinyal yang dipantulkan sering terganggu oleh kesalahan refleksi yang disebabkan oleh hamburan cahaya dan oleh karena itu bergantung pada morfologi partikel MP. Dalam ATR, sampel ditempatkan dalam kontak optik dengan bahan indeks bias tinggi, biasanya disebut sebagai kristal ATR, dan permukaannya disinari dengan gelombang cepat. ATR- FTIR cepat dengan persiapan sampel minimal. Sayangnya, elemen kristal itu sendiri dapat menjadi kelemahan teknik ATR: kristal dapat menurun seiring waktu dengan adanya goresan dan retakan permukaan. Perlu juga dicatat bahwa kristal ATR perlu ditutup oleh partikel yang dianalisis, oleh karena itu, partikel dengan ukuran lebih kecil dari kristal mungkin tidak dapat menghasilkan spektrum yang diinginkan.
2. Dari Spektroskopi Hingga Pencitraan
Dimulai pada awal 1990-an, sistem pencitraan kimia getaran dikembangkan untuk memperoleh informasi spektral dan spasial secara bersamaan, memungkinkan untuk mengidentifikasi spesies kimia yang ada dalam sampel dan memetakan distribusinya. Untuk analisis MP, data pencitraan kimia biasanya diperoleh dengan mikrospektroskopi, yaitu menggabungkan mikroskop optik dan spektrofotometer yang sangat sensitif. Data spektroskopi biasanya disusun dalam bentuk matriks dimana kolom mewakili bilangan gelombang / Raman Shift (variabel) dan baris mewakili observasi (sampel).
Pencitraan kimiawi bersifat tiga dimensi (3-D) dengan dua dimensi spasial dan satu dimensi spektral. Oleh karena
itu, pemrosesan data untuk pencitraan kimiawi secara inheren lebih rumit dibandingkan dengan spektroskopi.
Secara umum, proses unfolding adalah langkah pertama untuk analisis citra kimia dan setelah pemrosesan refolding diperlukan untuk visualisasi distribusi spasial.
Rutinitas pemrosesan khas untuk melakukan pencitraan kimia untuk tujuan yang berbeda mencakup tiga langkah berikut (Gautam et al., 2015):
Pra-pemrosesan. Tujuan dari pra-pemrosesan adalah untuk mendapatkan data yang tidak terkontaminasi untuk diproses lebih lanjut. Oleh karena itu, preprocessing biasanya diperlukan untuk menghilangkan efek sinyal yang tidak diinginkan, misalnya, noise detektor, hamburan Mie, kesalahan kalibrasi, fluoresensi, sinar kosmik, fluktuasi daya laser, dan untuk meningkatkan perbedaan halus antara sampel yang berbeda. Sinyal dan kebisingan latar belakang berbeda antara Raman dan FTIR karena mereka didasarkan pada dua fenomena yang berbeda, dan oleh karena itu diperlukan langkah-langkah pra- perawatan spektral yang berbeda. Misalnya, spektrum Raman perlu mengoreksi peristiwa sinar kosmik yang dihasilkan karena partikel berenergi tinggi melewati CCD dan menghasilkan banyak elektron, yang diinterpretasikan oleh CCD sebagai sinyal. Selain itu, spektrum Raman juga memiliki latar belakang fluoresensi yang bisa berkali-kali lebih kuat daripada sinyal Raman yang lemah. Berbagai metode pemrosesan seperti pemasangan polinomial, diferensiasi urutan pertama dan kedua, pemfilteran domain frekuensi, dll. telah digunakan untuk koreksi baseline. Spektrum Raman dan FTIR keduanya dipengaruhi oleh noise detektor dan fluktuasi intensitas sumber radiasi yang digunakan. Oleh karena itu, filter penghalus biasanya diterapkan untuk mengurangi kebisingan. Berbagai metode normalisasi digunakan untuk mengatasi variasi yang terkait dengan perbedaan kimiawi
aktual dalam sampel. Metode normalisasi ini juga dapat mengatasi variasi spektrum FTIR karena ketebalan sampel yang tidak konsisten.
Analisis eksplorasi. Secara sederhana, ini dapat dilakukan dengan memeriksa citra intensitas tunggal pada pergeseran bilangan gelombang/Raman atau melakukan aritmatika citra, yaitu kombinasi beberapa citra pita gelombang (misalnya dengan penambahan, perkalian) untuk menghasilkan yang baru. Eksplorasi data multivariat menguntungkan karena dapat menggunakan informasi dari semua panjang gelombang. K-means clustering dan principal component analysis (PCA) biasanya diadopsi untuk memberikan informasi eksplorasi yang berharga untuk mengidentifikasi pola dalam dataset.
Pemodelan. Model kuantitatif dan/atau klasifikasi dapat dikembangkan dan diterapkan pada sampel yang tidak diketahui. Regresi multivariat bertujuan untuk membangun hubungan kuantitatif antara atribut fisik, kimia atau biologis yang diinginkan dari sampel yang diuji dan respons spektrumnya. Pengenalan pola yang diawasi, di sisi lain, bermaksud untuk membuat model klasifikasi untuk mengelompokkan sampel baru yang tidak diketahui ke dalam kelas yang sudah ditentukan sebelumnya berdasarkan fitur yang diukur. Banyak algoritma tersedia untuk tujuan klasifikasi, misalnya, analisis diskriminasi linier (LDA), analisis diskriminan kuadrat terkecil parsial (PLS-DA), mesin vektor dukungan (SVM) dan jaringan saraf tiruan (JST).