Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 2 dokumen yang sesuai dengan query
cover
Raushan Fikr Ilham Ibrahim
Penyelidikan Pengaruh Model Averaging terhadap Akurasi TIAC dengan Penerapan Model Selection dan Model NLME = Investigating The Effect of Model Averaging on The Accuracy of TIAC Using Model Selection and NLME Model
"Penelitian ini bertujuan untuk menyelidiki apakah model averaging diperlukan dalam menghitung koefisien aktivitas terintegrasi waktu (TIAC) menggunakan model non-linear mixed-effects (NLME). Dua jenis data biokinetik dikumpulkan dari pasien: [111In]In-DOTATATE untuk terapi radionuklida reseptor peptida (PRRT) dan [177Lu]Lu-PSMA I&T untuk terapi kanker prostat. Parameter dari dua belas fungsi sum of exponentials (SOE) di-fit untuk memberikan estimasi TIAC (eTIAC). Pemilihan model mempertimbangkan koefisien variasi, inspeksi visual, dan bobot AICc untuk menentukan fungsi model terbaik dan menghitung TIAC (bTIAC). Menggunakan pemodelan NLME dan 8193 nilai awal acak, TIAC yang di-ratakan model (mTIAC) dihitung. Root-mean square errors (RMSE) dari deviasi relatif antara mTIAC dan eTIAC (meRMSE) serta antara bTIAC dan eTIAC (beRMSE) dianalisis. Fungsi model terbaik untuk PSMA memiliki bobot Akaike 76,2%. Untuk PRRT, dua fungsi SOE memiliki bobot Akaike 47,4% dan 39,2%. Rata-rata (SD) meRMSE dan beRMSE untuk PRRT adalah 0,02 (1,3×10-2) dan 0,03 (1,4×10-2), dan untuk PSMA adalah 0,06 (5×10-3) dan 0,07 (4×10-3). Penelitian ini menunjukkan bahwa penggunaan model terbaik dari proses seleksi sudah cukup untuk perhitungan TIAC, memberikan hasil yang serupa dengan model averaging.
The research aimed to investigate whether model averaging is necessary in calculating time-integrated activity coefficients (TIACs) using non-linear mixed-effects (NLME) models. Two types of biokinetic data were collected from patients: [111In]In-DOTATATE for peptide receptor radionuclide therapy (PRRT) and [177Lu]Lu-PSMA I&T for prostate cancer therapy. Parameters of twelve sum of exponentials (SOE) functions were fitted to provide estimated TIACs (eTIACs). Model selection considered the coefficient of variation, visual inspection, and AICc weights to determine the best model function and calculate TIACs (bTIACs). Using NLME modeling and 8193 random starting values, model-averaged TIACs (mTIACs) were calculated. Root-mean square errors (RMSE) of relative deviations between mTIACs and eTIACs (meRMSE) and between bTIACs and eTIACs (beRMSE) were analyzed. The best model function for PSMA had an Akaike weight of 76.2%. For PRRT, two SOE functions had Akaike weights of 47.4% and 39.2%. The mean (SD) of meRMSE and beRMSE for PRRT were 0.02 (1.3×10-2) and 0.03 (1.4×10-2), and for PSMA, they were 0.06 (5×10-3) and 0.07 (4×10-3). The study demonstrates that using the best model from the selection process is sufficient for TIAC calculation, providing results similar to model averaging."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2024
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Yesika Billah Barika
Pengaruh risiko sistematis dalam model uncertainty terhadap return saham perbankan ASEAN-4 Tahun 2004-2014 melalui bayesian model averaging = Effect of systematic risk in model uncertainty of ASEAN-4 banking stock return period 2004 2014 through bayesian model averaging
"ABSTRAK
Krisis Asia tahun 1998 menunjukkan perbankan rentan terhadap risiko sistematis. Dalam berinvestasi di sektor perbankan, investor dihadapkan pada model uncertainty yang mencerminkan ketidakpastian faktor penentu return yang diharapkan. Penelitian ini bertujuan untuk mengatasi ketidakpastian dalam mengukur faktor risiko sistematis apa yang mempengaruhi return saham perbankan Indonesia, Malaysia, Thailand dan Filipina menggunakan metode Bayesian Model Averaging. Penelitian ini menemukan dari 12 risiko, risiko pasar dan real estate muncul sebagai faktor penting pada seluruh negara ASEAN-4. Sementara faktor lainya yang juga relevan adalah SMB di Malaysia dan Thailand, HML di Malaysia dan Filipina, dan di Thailand adalah Treasury Bill dan nilai tukar.
ABSTRACT
The Asian crisis of 1998 showed that banks are vulnerable to systematic risk. Investors in banking sector are faced with the uncertainty in model (model uncertainty) that reflects uncertainty determinants of expected return. This research aims to address the uncertainties in assessing systematic risk factor which affect banking stock returns in Indonesia, Malaysia, Thailand and Philippines through Bayesian Model Averaging method. The research found 12 risks, market risk and real estate emerged as an important factor. Other factors also relevant are SMB in Malaysia and Thailand, HML in Malaysia and Philippines, Treasury Bill and exchange rate in Thailand"
2016
S62780
UI - Skripsi Membership  Universitas Indonesia Library