anfarmatika

 Pada sebuah proses produksi tervalidasi, diperoleh data berat rata-rata tablet adalah 300,5 mg dengan standar deviasi 10,3 mg dan jumlah sampel yang diperiksa 20 tablet. warning limit: $$ 300,5 \pm \frac{2 \times 10,3}{\sqrt{20}} $$ atau upper warning limit = 305,1 mg dan lower warning limit = 295,9 mg. action limit: $$ 300,5 \pm \frac{3 \times 10,3}{\sqrt{20}} $$ atau upper action limit = 307,4 mg dan lower action limit = 293,6 mg. kemudian dilakukan proses produksi tablet dari bets ke bets dan diukur berat tablet yang dihasilkan. Hasil pengukuran ini diringkas sebagai berikut : bets      berat tablet (mg)  1             302.4 2             298.4  3             300.2 4             299.0 5             300.4 6            ...

Langkah-langkah simulasi farmakokinetika dengan R  #Memanggil paket library(ggplot2) library(ggpubr) library(deSolve) #Mendefinisikan persamaan iv.2comp <-function(t, state, parameters) {  with(as.list(c(state, parameters)),{  # rate of change  dC1 <- k21*C2/V1 - (k12+ke)*C1  dC2 <- k12*C1/V2 - k21*C2    # return the rate of change  list(c(dC1, dC2))  }) # end with(as.list ...  } #dose = 100 #V1 = 10 #C1 pada waktu nol = dose/V1 state <- c(C1 = 10, C2 = 0) #pada waktu ke nol time <- seq(0, 100, .01) #Interval waktu pengamatan #mendefinisikan parameter parameters <- c(k12 = .23, k21 = .11, ke = 0.32, V1 = 10, V2 = .5) #Simulasi farmakokinetika untuk dosis tunggal out <- ode(y = state, times = time, func = iv.2comp, parms= parameters)  dat1 <- as.data.frame(out) head(dat1) ## Plot simulasi farmakokinetika pada dosis tunggal c1 <- ggplot(dat1, aes(y = C1, x = time)) + geom_line(colour = 'red', size=1 + scale_...

library(R2OpenBUGS) library(BRugs) library(coda) logist.mod <- function(){ for (i in 1:N) { r[i] ~ dbin(p[i], n[i]) #asumsi1 b[i] ~ dnorm(0, tau) #asumsi2 logit(p[i]) <- alpha0 + alpha1 * x1[i] + alpha2 * x2[i] + alpha12 * x1[i] * x2[i] + b[i] } #distribusi prior alpha0 ~ dnorm(0, 1.0E-6) alpha1 ~ dnorm(0, 1.0E-6) alpha2 ~ dnorm(0, 1.0E-6) alpha12 ~ dnorm(0, 1.0E-6) tau ~ dgamma(0.001, 0.001) sigma <- 1 / sqrt(tau) } data.1 <- list(r = c(10, 23, 23, 26, 17, 5, 53, 55, 32, 46, 10, 8, 10, 8, 23, 0, 3, 22, 15, 32, 3), #r = germinated       n = c(39, 62, 81, 51, 39, 6, 74, 72, 51, 79, 13, 16, 30, 28, 45, 4, 12, 41, 30, 51, 7), #jumlah total percobaan r       x1 = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1),       x2 = c(0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1),       N = 21, tau=.5) parameters <- c("alpha0", "alpha1", "alpha2", "alpha12") inits <...

library(lattice) x <- c(1,3,5,7,9) y <- c(21,17,9,8,10) names <- c('a','b','c','d','e') xyplot(y~x,pch=20,       panel=function(x, y, ...) {                panel.xyplot(x, y, ...)                panel.abline(h=15,v=4, lty=2)                panel.text(5,15,"anfarmatika.blogspot.com", cex=3, col='grey', srt=45);                ltext(x=x, y=y, labels=names, pos=1, offset=1, cex=.8)             })

Langkah awal dari proses analsisi data dengan Rstudio adalah memasukkan data (import) ke dalam software tersebut. Hal ini dapat dilakukan dengan 2 langkah mudah yaitu: 1. Mengatur working directory (direktori kerja) dimana anda menyimpan data 2. Melakukan import data sesuai dengan formatnya bisa berupa xlsx, csv, atau txt (dalam tutorial ini dicontohkan import data dari csv). Untuk lebih jelasnya silakah melihat tautan video di bawah ini. Selamat mencoba