Hasil Pencarian  ::  Simpan CSV :: Kembali

"Spatial scan statistic adalah suatu metode yang secara luas telah digunakan untuk mendeteksi adanya suatu cluster di daerah yang ingin diteliti berdasarkan tingginya intensitas suatu kejadian. Model yang telah berkembang dalam spatial scan statistik adalah model Poisson dan Bernoulli. Tetapi di lapangan, seringkali diperoleh data spasial berskala ordinal. Tugas akhir ini membahas suatu metode spatial scan statistic yang dapat digunakan untuk mendeteksi cluster yang memiliki relative risk yang semakin tinggi sesuai dengan urutan kategori yang semakin tinggi pada data ordinal. Untuk dapat mendeteksi cluster tersebut, hipotesis yang dibuat harus memperhatikan pembatasan urutan (order) (yaitu likelihood ratio ordering), oleh karena itu untuk mendapatkan rasio likelihood-nya diperlukan reparameterisasi untuk dapat memperhatikan faktor order-nya. Signifikansi cluster diuji dengan menggunakan Monte-Carlo hypotesis testing. Penggunaan metode ini diilustrasikan melalui contoh kasus data pendidikan di Maryland."

"Model regresiZero Inflated Poisson (ZIP) digunakan untuk memodelkan count data dengan overdispersi yang disebabkan oleh nilai nol yang berlebih pada pengamatannya(excess zero). Namun, ketika overdispersi berasal dariexcess zerodan datacount, makaZIP tidak lagi cocok. Model regresi Zero Inflated Negative Binomial (ZINB) bertujuan untuk mengetahui variabel apa saja yang berpengaruh secara signifikan terhadap variabelrespon. Data untuk regresi ZINB ini memiliki dua sumber overdispersi. Terdapat dua proses pada variabel respon, yang mendasari pengamatan masuk ke dalam structural zeros atau Negative Binomial (NB) counts. Jadi, regresi ZINB terdiri dari dua model. Pada kedua model tersebut dilakukan penaksiran parameter menggunakan metode Bayesian. Metode ini menganggap parameter-parameter yang digunakan merupakan variabel acakyang memiliki distribusi sebagai informasi prior, dan mengkombinasikannya dengan data yang dimiliki. Kombinasi tersebut selanjutnya disebut sebagai distribusi posterior. Sampling parameter dari distribusi posterior dilakukan dengan simulasi Markov Chain Monte Carlo (MCMC). Sebagai penerapan, digunakan data Parkinson dari Parkinsons Progression Markers Initiative (PPMI). Variabel responnya yaitu frekuensi seberapa sering pasien mengalami komplikasi setelah meminum obat atau tidak, dan variabel prediktornya berupa skor pemeriksaan aspek motorik, non-motorik, dan respon-respon tubuh. Diperoleh hasil bahwa model ZINB cocok untuk memodelkan data tersebut yangditandai dengan hasil simulasi yang konvergen.

---

Zero Inflated Poisson (ZIP) regression model is a standard framework for modeling discrete data with over-dispersion caused by excess zero. When over-dispersion has comefrom excess zero and count data, ZIP is no longer matches. A Zero Inflated Negative Binomial (ZINB) regression model aims to analyze the variables affecting data with two sources of over-dispersion. Hence there are two processes at the response variable, which make an observation classified as structural zeros or Negative Binomial (NB) counts. So, ZINB regression consists oftwo models. This paper will use Bayesian method forestimating parameter in both models. The Bayesian method considers parameters to bea random variable that has distribution known as prior distribution, and combine with information of the data. This combination referred as posterior distribution. Sampling parameter from posterior distribution is done using Markov Chain Monte Carlo (MCMC) simulation. As an application, the Parkinsons data is used from Parkinsons Progression Markers Initiative (PPMI). Frequency of how often the patient has complications aftertaking the drug or not is the response, and the predictive variables are motoric aspect, non-motoric aspect, and body responses test scores. The simulation result shows that it isconvergent, indicate that ZINB model is suitable for modeling Parkinsons data."

"Scan statistic merupakan suatu analisis untuk mendeteksi daerah yang merupakan kejadian luar biasa atau KLB (outbreak). Salah satu metode yang mendasari analisis scan statistic adalah metode Bayesian Scan Statistic. Metode ini menerapkan prinsip teorema bayesian, yaitu memanfaatkan informasi prior untuk menghasilkan informasi posterior yang dapat memperbaiki informasi prior. Metode Bayesian Scan Statistic memilih keadaan atau kondisi yang memiliki posterior probability yang terbesar sebagai daerah KLB-nya. Fungsi marginal likelihood dan prior probability merupakan dua komponen penting yang digunakan dalam metode ini untuk menghitung posterior probability untuk tiap-tiap daerah. Fungsi marginal likelihood didapat dari data historis dan modelnya merupakan gabungan antara distribusi poisson dan distribusi gamma. Sedangan untuk prior probability juga didapat dari data historis atau berdasarkan pada pengalaman seseorang. Metode bayesian scan statistic ini dapat digunakan jika terdapat data masa lalu. Kata kunci : bayesian scan statistic, bayesian cluster detection, prior probability, posterior probability. x + 54 hlm. ; gamb. ; lamp. ; tab. Bibliografi : 9 (1986-2006)"

"Telah dilakukan studi simulasi Monte Carlo untuk perhitungan besaran dosimetri dari berkas sinar X 6 MeV tanpa filter perata yang dihasilkan Linac Elekta SL-15. Pemodelan kepala Linac menggunakan program BEAMnrc, analisis phase space file menggunakan program BEAMDP dan perhitungan dosis radiasi dalam medium air menggunakan program DOSXYZnrc. Parameter awal elektron dalam simulasi ini menggunakan hasil yang sudah diperoleh oleh saudara Anam C. Perhitungan PDD dalam medium air dilakukan dengan variasi ukuran lapangan 5x5, 10x10, 20x20 dan 40x40 cm2 dengan SSD 100 cm. Dosis profil dihitung dengan variasi ukuran lapangan yang sama dengan kedalaman 10 cm. Hasil perhitungan PDD tanpa filter relatif lebih rendah dibanding dengan PDD dengan filter dan tidak dipengaruhi ukuran lapangan radiasi. Spektrum berkas sinar-X tanpa filter perata mempunyai fraksi komponen energi rendah relatif lebih tinggi dibanding dengan sinar-X dengan filter perata sehingga kurva PDD-nya relatif lebih rendah. Hasil perhitungan dosis profil menunjukan dengan melepaskan filter perata akan meningkatkan fluence dan energi fluence serta laju dosis untuk setiap lapangan radiasi. Hasil penting lainnya adalah dosis permukaan yang jauh lebih tinggi dibanding dengan sinar X yang ber-filter mencapai 59.42 % untuk lapangan 5x5 cm2 dan 70.13 % untuk lapangan 40x40 cm2 dan dosis yg tinggi pada daerah build-up diakibatkan kontaminasi elektron. Berdasarkan hasil yang didapat penggunaan sinar X tanpa perata akan menurunkan skin sparring effect, sehingga tidak cocok untuk dipakai pada Linac. Namun, masih mungkin digunakan untuk teknik IMRT yang membutuhkan intensitas output yang tinggi.

---

Study on dosimetric properties for an unflattened 6-MV photon beams of an Elekta SL15 linac was calculated using Monte Carlo simulation has been done. The linear accelerator head was simulated by BEAMnrc code and the phase-space file then was analyzed by BEAMDP, while the absorbed dose in water phantom was calculated using DOSXYZnrc code. Initial parameters of electrons in this simulation using the results already obtained by Anam C. PDD calculations performed in water medium by variation of field size 5x5, 10x10, 20x20 and 40x40 cm2 with SSD 100 cm. Dose profiles calculated with the same field size variation with depth of 10 cm.

PDD calculation results without the filter is relatively lower compared with the PDD with the filter and not influenced by the size of the radiation field. The spectrum of unflattened X-ray beam has a fraction of the low energy component is higher than with flattened X-rays so that the PDD curve is relatively lower. The results of dose calculation shows the release flattening filter will increase the fluence and energy fluence and dose rate for each radiation field.

Another important outcome is that the surface dose is much higher than with flattened X-ray to the field reaches 59.42% and 70.13% of 5x5 cm2 to 40x40 cm2 field and on high doses in the build-up due to contamination of electrons. Based on the results obtained using unflattened X-rays the skin sparring effect will decrease, making it unsuitable for use in the linac. However, it still may be used for IMRT techniques that require high output intensity."

"Dalam pengujian hipotesis prinsip metode statistika parametrik adalah mencocokkan data di bawah asumsi distribusi dari populasinya. Namun pada kenyataannya, banyak permasalahan yang tidak memenuhi asumsi ini. Permasalahan seperti itu dapat diselesaikan dengan dua pendekatan. Pendekatan pertama adalah menggunakan prosedur bebas distribusi. Pendekatan kedua adalah mentransformasi data ke dalam bentuk yang bisa mendekati distribusi normal, seperti transformasi log, transformasi akar kuadrat dan lainnya. Transformasi rank (TR) merupakan prosedur yang mengkombinasikan kedua pendekatan tersebut. Prosedur ini mentransformasi data yang bebas distribusi ke dalam bentuk rank kemudian mengaplikasikan metode parametrik pada data yang telah ditransformasi. Dalam skripsi ini dibahas mengenai aplikasi dari transformasi rank pada data rating televisi. Nilai yang diperoleh dengan prosedur transformasi rank dapat disetarakan dengan nilai yang diperoleh dengan metode parametrik maupun nonparametrik. "

"Hotspot atau kejadian luar biasa (KLB) adalah intensitas yang paling tinggi pada suatu lokasi tertentu. Pendeteksian adanya KLB sangat diperlukan, khususnya dalam bidang kesehatan masyarakat, karena dapat digunakan sebagai peringatan dini (early warning). Spatial Scan Statistics adalah suatu metode yang dapat digunakan untuk mendeteksi dan mengevaluasi pengelompokan daerah yang memiliki intensitas yang paling tinggi dari suatu kejadian yang diperhatikan. Kejadian diasumsikan mengikuti proses poisson spasial nonhomogen sehingga metode yang akan digunakan adalah spatial scan statistics dengan model poisson. Untuk mencari caloncalon kelompok daerah KLB, dilakukan dengan pembentukan scanning window. Dari tiap scanning window yang terbentuk, hitung nilai rasio likelihood. Potensial cluster adalah scanning window dengan nilai rasio likelihood tertinggi. Untuk mendapatkan p-value untuk potensial cluster, digunakan pendekatan Monte Carlo, yaitu p = Rsim / (R+1) dengan R adalah banyaknya replicate data yang dibangun dibawah kondisi H0, dan Rsim adalah banyaknya replicate data yang mempunyai nilai rasio likelihood yang lebih tinggi dari data asli. "

"Pada penelitian sebelumnya telah dilakukan koreksi hasil pengukuran spektrum sinar-x menggunakan detektor CdTe dengan metode unfolding untuk menghilangkan noise atau sinyal yang tidak diinginkan Hasil koreksi ternyata kurang baik karena menunjukan adanya loncatan hasil koreksi pada rentang energi antara 30 keV sampai 40keV. Matriks responnya diperbaiki dengan pemodelan detektor dalam keadaan vakum sehingga diperoleh matriks respon baru yang digunakan untuk proses koreksi. Pemodelan dibentuk dengan simulasi monte carlo yang aplikasinya terdapat pada program EGSnrc. Proses koreksi dilakukan menggunakan metode Unfolding dan hasilnya menunjukan noise yang terbaca pada detektor CdTe dapat lebih diminimalisir. Sehingga perbaikan matriks respon dengan cara memodel ulang simulasi detektor berhasil dilakukan.

---

Most applications of nuclear techniques depend on results measurenment of radiation, especially to measure the intensity or dose radiation of radiation.Measurenment of x-ray spectra using CdTe detector will produce spectra characteristic of detector.so that spectrum known as noise must be corrected by the method of unfoldingin order to obtain the actual x-ray spectrum. Accuracy improvement of the correction relating to to the resolution of the detector response matrix, the response matrix is formed using monte carlo simulation methods and Heprow program. With an ideal detector modeling, will get a correction factor which produces more accurate output. "

"Pemerintah Indonesia melalui Undang-Undang Nomor 44 Tahun 2009 mewajibkan semua alat Kesehatan untuk dikalibrasi. Sebagai implementasi dari peraturan tersebut, Kementerian Kesehatan menerbitkan Peraturan Menteri Kesehatan Nomor 54 Tahun 2015 yang mengharuskan alat kesehatan untuk dikalibrasi minimal sekali dalam satu tahun. Defibrillator adalah salah satu alat kesehatan yang berfungsi untuk memberikan kejutan listrik kepada pasien yang mengalami gangguan jantung. Untuk memastikan akurasi dan ketertelusuran metrologi, defibrillator harus dikalibrasi minimal satu kali dalam setahun. Dalam melakukan kalibrasi defibrillator, digunakan perangkat bernama defibrillator analyzer. Seperti halnya defibrillator, defibrillator analyzer juga harus dikalibrasi untuk memastikan akurasi dan ketertelusuran metrology. Metode Monte Carlo digunakan dalam kegiatan kalibrasi defibrillator analyzer dengan menggunakan high voltage differential probe untuk melakukan estimasi ketidakpastian pengukuran. Metode Monte Carlo menggunakan propagasi distribusi dan umumnya memberikan hasil yang lebih dekat dengan kenyataan serta menghasilkan nilai ketidakpastian yang lebih baik. Hasil dari kalibrasi defibrillator analyzer adalah nilai pengukuran (measurand) dengan persentase antara 93% hingga 95%, dan perhitungan ketidakpastian menggunakan Metode Monte Carlo menghasilkan ketidakpastian yang valid sebesar 100%.

---

The Indonesian Government, through Law Number 44 of 2009, mandates calibration for all healthcare equipment. As an implementation of this provision, the Ministry of Health issued Ministerial Regulation Number 54 of 2015 concerning Testing and Calibration of Healthcare Equipment, which requires healthcare equipment to be calibrated at least once a year. A defibrillator is a medical device used to deliver an electric shock to patients with heart problems. To ensure accuracy and metrological traceability, a defibrillator must be calibrated at least once a year. During the calibration of a defibrillator, a device called a defibrillator analyzer is used.

Similar to the defibrillator, the defibrillator analyzer also needs to be calibrated to ensure accuracy and metrological traceability. The Monte Carlo method is used in the calibration of the defibrillator analyzer, utilizing a high voltage differential probe to estimate measurement uncertainty. The Monte Carlo method employs distribution propagation and generally yields results closer to reality, producing better uncertainty values. The result of the defibrillator analyzer calibration is a measurand value (measurement value) ranging between 93% and 95%, and the uncertainty calculation using the Monte Carlo method yields a valid uncertainty value of 100%."