ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

Transkripsi

1 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL *( Erna Hayati Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK Keputusan pembelian merupakan pemilihan dari dua atau lebih alternatif pilihan keputusan pembelian. Ada beberapa faktor yang mempengaruhi keputusan konsumen dalam membeli suatu produk, dua diantaranya adalah usia dan pendapatan konsumen. Keputusan konsumen membeli suatu produk dapat diukur dengan skala ordinal yang terdiri 3 kategori yaitu tidak tertarik, mempertimbangkan dan berminat. Untuk mengetahui pengaruh usia dan pendapatan konsumen terhadap keputusan pembelian suatu produk, dimana keputusan pembelian produk berskala ordinal, maka digunakan metode statistika yaitu analisis regresi logistik ordinal. Setelah dilakukan analisis regresi logistik ordinal, diperoleh hasil bahwa variabel usia dan pendapatan konsumen berpengaruh signifikan terhadap keputusan pembelian suatu produk. Persamaan regresi logistik yang diperoleh adalah sebagai berikut: g (x) -3,490 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) g 2 (x) -0,37 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) Kata kunci: keputusan pembelian, skala ordinal, regresi logistik ordinal. Pendahuluan Keputusan pembelian menurut Schiffman adalah pemilihan dari dua atau lebih alternatif pilihan keputusan pembelian, artinya bahwa seseorang dapat membuat keputusan, haruslah tersedia beberapa alternatif pilihan. Keputusan untuk membeli dapat mengarah kepada bagaimana proses dalam pengambilan keputusan tersebut itu dilakukan. Informasi tentang faktor-faktor apa saa yang mempengaruhi konsumen dalam pengambilan keputusan pembelian produk sangat dibutuhkan oleh suatu perusahaan. Menurut Schiffman, ada beberapa faktor yang memepengaruhi perilaku konsumen dalam hal pengambilan keputusan pembeliaan, dua diantaranya adalah usia konsumen dan pendapatan konsumen. Karena usia dan pendapatan mempengaruhi keputusan pembelian, maka variabel tersebut disebut variabel independen. Sedangkan variabel keputusan pembelian yaitu, tidak tertarik, mempertimbangkan dan berminat, merupakan variabel yang dipengaruhi atau disebut variabel dependen, dimana variabel tersebut bertipe ordinal. Oleh karena itu, penguian analisis yang digunakan dalam penelitian ini adalah analisis regresi logistik ordinal, yaitu sebuah analisis regresi untuk menyelesaikan masalah dimana variabel dependennya bertipe ordinal. Berdasarkan penelasan diatas maka peneliti ingin melakukan analisis menggunakan regresi logistik ordinal terhadap faktor-faktor yang mempengaruhi keputusan konsumen dalam membeli suatu produk. Permasalahan Berdasarkan latar belakang di atas, maka permasalahan yang diangkat dalam penelitian ini adalah bagaimana pengaruh faktor usia dan pendapatan konsumen terhadap pengambilan keputusan untuk membeli suatu produk. Tuuan Penelitian Tuuan dari penelitian ini adalah:. Mengetahui pengaruh faktor usia dan pendapatan konsumen terhadap keputusan konsumen dalam pembelian suatu produk.

2 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t Memperoleh model yang paling cocok (best fitting) berdasarkan ui signifikansi model pada data respon ordinal yang digunakan Manfa at Penelitian Manfa at dari penelitian ini adalah:. Dapat mengetahui pengaruh faktor usia dan pendapatan konsumen terhadap keputusan konsumen dalam pembelian suatu produk. 2. Dapat memperoleh model yang paling cocok (best fitting) berdasarkan ui signifikansi model pada data respon TINJAUAN PUSTAKA Model Regresi Logistik Ordinal Model regresi logistik ordinal merupakan salah satu model multinomial yang di rancang untuk menentukan peluang peubah-peubah respon berskala ordinal yang mempunyai kategori lebih dari dua. Menurut Agresti (990), salah satu cara yang dapat di gunakan untuk membentuk model dengan respon kategorik yang berskala ordinal adalah dengan membentuk fungsi logit peluang kumulatif kategori ke-. Misalkan peubah respon ordinal Y sebanyak k buah kategori dan ordinal yang digunakan X(X,X,...,X ) adalah vektor kovariat Batasan Masalah 2 m sebanyak m, dimana π (X) + π (X) Responden yang digunakan adalah 2 konsumen yang ada di kota Surabaya. Jumlah respondennya sebayak 50 responden. 2. Variabel yang mempengaruhi keputusan konsumen membeli produk ditetapkan sebanyak dua variabel yaitu usia dan pendapatan konsumen. π (X). Maka langkah awal untuk membuat k model regresi logistik ordinal adalah dengan menggunakan model peluang kumulatif F (X) dengan,2,..., J dan J k- adalah sebagai berikut (Agresti 990) : F (X) P(Y X) π (X)+ π (X) π (X) (2.) 2 Keterangan : π (X) peluang peubah respon ordinal kategori ke- k banyaknya kategori peubah respon ordinal F (X) peluang kumulatif peubah respon ordinal kategori ke- L (X) logit [F (X)] log F (X) F (X) log π (X)+...+ π (X) π + (X)+...+ π k (X) Selanutnya dibuat fungsi logit kumulatif L (X). Untuk membuat fungsi ini, diperlukan transformasi logit dari fungsi peluang kumulatif F (X) : Dengan melibatkan peubah penelas X, Ketika lebih dari satu pengamatan Y maka dihasilkan model regresi logistik ordinal sebagai berikut : teradi pada nilai x yang tetap, hal itu adalah L (X) β + β X, dengan,2,...,k- syarat cukup untuk mengambil seumlah 0 (2.3) pengamatan p untuk,2,...,k. Y dengan v,2,...,n adalah peubah acak multinomial Keterangan : β intersep peubah respon ordinal yang saling bebas dengan Y 0 kategori ke- multinomial(p,...,p ) dengan E(Y ) β vektor slope parameter tanpa (x), dengan p p, R intersep dimana β (β, β,..., β ) p F k 2 m m banyaknya peubah bebas Fungsi Kemungkinan (2.2) k adalah peluang kumulatif yang di definisikan sebagai (Kim 2004):

3 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t R p R p + p 2 2 R k, (2.4), Pendugaan Parameter Pendugaan parameter model regresi logistik ordinal menggunakan metode kemungkinan maksimum (maximum likelihood estimates). Fungsi kemungkinan yang mendasari metode kemungkinan maksimum adalah (Kim 2004) : l(β 0, β ) ( ) ) ( ) ( ) ( ) ( ) ( ) 2 ( ) 2 ( ) ( ) x ( ) ( ) ( ) 2 2 ( ) ( ) 3 2 ( ) ( ) ( ) ( ) (2.5) ( ) Untuk memudahkan proses perhitungan, di lakukan pendekatan logaritma L(l(β 0, β ) ( ) 2 ( ) 2 3 ( ) ( ) x ( ) log log 2 2 ( ) log ( ) ( ) sehingga fungsi log kemungkinannya untuk sebagai berikut: ( ) log log 3 2 3( )log ( + )log + log ( )log log + ( ) log + log log (2.6) Langkah selanutnya dalam pendugaan adalah G - 2 ln L 0 memaksimumkan fungsi (2.6) maka akan di L dapatkan pendugaan bagi β 0 Keterangan : (2.7) Penguian Estimasi Parameter Regresi Logistik Ordinal Penguian terhadap parameterparameter model di lakukan untuk mengetahui peran seluruh peubah penelas baik secara bersama-sama maupun secara parsial. Menurut Hosmer dan Lemeshow (989), untuk penguian parameter secara bersama dapat digunakan ui nisbah kemungkinan yaitu ui G dengan hipotesis : H 0 : H : paling sedikit ada satu 0 dengan i,2,...,m Sedangkan menurut McCullagh dan Nelder (989), rumus untuk ui G adalah: L fungsi kemungkinan maksimum 0 tanpa peubah penelas L fungsi kemungkinan maksimum k dengan peubah penelas Statistik ui G mengikuti sebaran khi-kuadrat dengan deraat bebas p (banyaknya peubah). Kriteria ui yang digunakan adalah : 2,, Terima H 0 G > 2, Tolak H, 0 Sedangkan penguian parameteriβsecara parsial dilakukan dengan ui Wald dengan cara merasiokan dugaan

4 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t dengan kesalahan bakunya, yaitu dengan statistik ui W: 0 ( 0 ) ( ) Hipotesis yang akan di ui adalah : perbandingan antara x dan x adalah (Agresti 2 990): L (x ) - L (x ) Log P /P > ) ) 2 (2.8) Log P 2/P > 2 ) ) ( )/( ( )) ( 2)/( ( 2)) β (x x 2 ). H 0 : 0 0 H : 0 dengan,2,...,k- 2. H 0 : 0 H : 0 dengan i,2,...,m W secara asimtotik berdistribusi normal (Ryan 996). Interpretasi Koefisien Interpretasi koefisien untuk model regresi logistik ordinal dapat di lakukan dengan menggunakan nilai rasio oddsnya. Rasio odds pada kategori Y merupakan Ln [ψ (x, x 2 )] g(x x ) g(x x 2 ) β (x x 2 ) (2.9) Keterangan : i,2,...,m m banyaknya peubah penelas. Parameter β i di artikan sebagai perubahan nilai fungsi logit kumulatif yang di sebabkan oleh perubahan satu unit peubah penelas ke-i yang disebut log odds, (misalnya antara x x sebagai : dan x x ) yang di notasikan 2 ψ exp [β (x x 2 )] (2.0) Sehingga di dapatkan penduga untuk rasio odds (^ψ) sebagai berikut (Agresti 990): Metode Analisa Sumber Data Identifikasi Variabel Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh dari survey konsumen di kota Surabaya. Jumlah responden yang digunakan dalam penelitian ini adalah sebanyak 50 responden. Variabel yang digunakan dalam penelitian ini adalah Variabel Jenis Data Keterangan Keputusan Konsumen Membeli Suatu Produk (Y) Ordinal Tidak Tertarik 2 Mempertimbangkan 3 Berminat Usia (X ) Ratio - Pendapatan (X 2 ) Nominal kurang dari 2 Juta 2 antara 2 Juta sampai 5 Juta 3 lebih dari 5 Juta

5 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t Langkah langkah Penelitian Langkah-langkah yang perlu dilakukan untuk melakukan analisis data adalah. Analisis deskriptif 2. Menentukan model regresi logistik ordinal 3. Mengui parameter regresi logistik ordinal secara serentak 4. Mengui parameter regresi logistik ordinal secara individu 5. Mengui goodness-of-fit dari model regresi logistik ordinal 6. Menghitung besarnya ketepatan pengklasifikasian responden PEMBAHASAN Statistika Deskriptif Hasil analisa deskriptif pada data faktor-faktor yang mempengaruhi keputusan konsumen membeli suatu produk adalah sebagai berikut: Tabel Tabulasi Silang Keputusan Konsumen dengan Pendapatan Konsumen Tidak Tertari k Keputusan Konsumen Mempertimbang kan Bermina t Total Pendapatan < 2 Juta Konsumen 2 Juta Juta > 5 Juta Total Tabel di atas menunukkan bahwa responden yang berpendapatan kurang dari 2 Juta, umumnya tidak tertarik untuk membeli suatu produk. Sedangkan dari 23 responden yang berpendapatan antara 2 Juta sampai 5 Juta, sebanyak responden yang memutuskan untuk berminat membeli suatu produk, dan responden yang berpendapatan lebih dari 5 Juta kebanyakan memutuskan untuk berminat membeli suatu produk. Sedangkan deskripsi mengenai usia responden dapat dilihat pada tabel berikut ini: Tabel Statistika Deskriptif Usia Responden N Minimu m Maximu m Mean Std. Deviation Usia Responden Dari tabel di atas, bisa dilihat bahwa responden rata-rata berusia 35,32 tahun dan responden termuda berusia 2 tahun dan responden yang paling tua usianya 5 tahun. Regresi Logistik Ordinal Ui Signifikansi Parameter Secara Multivariate Hasil ui signifikansi parameter secara multivariate pada data faktor-faktor yang mempengaruhi keputusan konsumen untuk membeli suatu produk adalah sebagai berikut: Hipotesis: H 0 : β β 2 0 (tidak signifikan) H : paling sedikit ada satu β i 0 (signifikan) Taraf signifikan: α 5% Tabel Hasil Ui Signifikansi Parameter Secara Multivariate

6 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t Model -2 Log Likelihood Chi-Square df Sig. Intercept Only Final Tabel di atas menunukkan bahwa nilai Chi-Kuadrat sebesar 50,326 dengan P_value sebesar 0,000 sehingga didapatkan keputusan tolak H 0 karena P_value < α. Dengan demikian dapat disimpulkan bahwa paling sedikit ada satu variabel predictor yang berpengaruh signifikan terhadap keputusan konsumen dalam membeli suatu produk. Hipotesis: H 0 : β i 0 (Variabel prediktor (X i ) tidak berpengaruh) H : β i 0 (Variabel prediktor (X i ) berpengaruh) Taraf signifikan: Ui Signifikansi Parameter Secara Univariate Ui signifikansi univariate digunakan untuk mengetahui adanya pengaruh dari variabel predictor terhadap variabel respon α 5% Daerah kritis: Tolak H 0 ika P_value < α secara individu. Hasil ui signifikansi secara univariate pada data faktor-faktor yang mempengaruhi keputusan konsumen untuk membeli suatu produk adalah sebagai berikut: Tabel Hasil Ui Signifikansi Secara Univariate Estimat e Std. Error Wald df Sig. Threshold [Keputusan ] [Keputusan 2] Location Umur [Pendapatan] [Pendapatan2] [Pendapatan3] a.. 0. Berdasarkan tabel di atas bisa dilihat bahwa nilai P_value variabel umur dan pendapatan kurang dari α 5%, sehingga keputusannya adalah menolak H 0 dan disimpulkan bahwa variabel umur dan pendapatan secara individu berpengaruh terhadap keputusan konsumen untuk membeli suatu produk. Penulisan Model Secara Matematis

7 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t Penulisan model dari parameter yang signifikan pada ui secara parsial/univariate adalah sebagai berikut: g (x) -3,490 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) π π 2 exp ( ) + exp ( ) exp 2 exp + exp + exp 2 g 2 (x) -0,37 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) Fungsi probabilitas yang dihasilkan dari model adalah sebagai berikut: +exp ( 3,490 0,238 r r 8,065 8,065 2,360 2,360 (2)) (2)) exp 0,37 0,238 r 8,065 2,360 2 exp ( 3,490 0,238 r 8,065 2,360 (2)) +exp 3,490 0,238 r 8,065 2,360 2 (+exp 0,37 0,238 r 8,065 2,360 2 ) π 3 + exp ( 2 ) +exp ( 0,37 0,238 r 8,065 2,360 (2)) Fungsi probabilitas yang dihasilkan dari model tersebut dapat digunakan untuk mencari peluang seseorang konsumen yang memiliki karakteristik usia dan pendapatan tertentu cenderung untuk mengambil keputusan tidak tertarik atau π π 2 π 3 exp ( ) + exp ( ) exp 2 exp ( 3,490 0, ) +exp ( 3,490 0, ) 0, exp + exp + exp 2 exp 0,37 0,238 (28) exp ( 3,490 0,238 (28)) +exp 3,490 0,238 (28) (+exp 0,37 0,238 (28) ) + exp ( 2 ) +exp ( 0,37 0,238 (28)) Berdasarkan nilai probabilitas di atas, bisa disimpulkan bahwa ika seorang konsumen berusia 28 tahun dan berpendapatan lebih dari 5 Juta, maka konsumen tersebut akan mengambil keputusan untuk berminat membeli suatu produk. Ui Kesesuaian Model Ui kesesuaian model dilakukan untuk mengui apakah model sudah sesuai, dalam artian tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi model. Hasil ui kesesuaian model pada data faktor-faktor yang mempengaruhi keputusan konsumen membeli suatu produk adalah sebagai berikut. Hipotesis : 0,99 mempertimbangkan atau bahkan berminat. Misalkan seorang konsumen berusia 28 tahun dan berpendapatan lebih dari 5 Juta, maka probabilitas yang dihasilkan adalah sebagai berikut: 0, H 0 : Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model) H : Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model) Taraf signifikan:α 5% Daerah kritis: Tolak H 0 ika P_vaule < α Tabel Hasil Ui Kesesuaian Model Chi- Square df Sig. Pearson 69, ,600 Tabel di atas menunukkan bahwa nilai Chi-Kuadrat sebesar 69,324 dengan P_vaule sebesar 0,6, sehingga bisa diambil keputusan gagal tolak H 0 karena 0,6 > α (0,05), maka dapat ditarik kesimpulan bahwa model sesuai. Hal itu berarti tidak terdapat

8 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model. Ketepatan Klasifikasi Model Setelah dilakukan ui kesesuaian terhadap model, maka kemudian dilakukan pengukuran ketepatan klasifikasi model regresi logistik ordinal tersebut. Berikut ini adalah hasil tabulasi silang antara data aktual keputusan membeli konsumen dengan hasil prediksinya. Tabel Tabulasi Silang antara Keputusan Konsumen dengan Prediksinya Predicted Response Category Tidak Tertarik Mempertimbangkan Berminat Total Keputusan Konsumen Tidak Tertarik Mempertimbangkan Berminat Total Berdasarkan hasil tabulasi silang tersebut bisa dilihat bahwa dari sebanyak 6 responden yang memilih tidak tertarik untuk membeli suatu produk, sebanyak 2 responden yang bisa diklasifikasikan secara tepat. Sedangkan dari 6 responden yang memilih mempertimbangkan untuk membeli suatu produk, sebanyak responden yang mampu diklasifikasikan dengan tepat oleh model tersebut, dan sebanyak 8 responden yang memilih berminat untuk membeli suatu produk, ada sebanyak 3 responden yang mampu diklasifikasikan dengan tepat oleh model. Ketepatan klasifikasi model secara keseluruhan adalah 2++3 x 00% 72% 50 Jadi model tepat dalam memprediksi data empiris sebesar 72%. Berdasarkan hasil analisa data dan pembahasan, bisa disimpulkan bahwa:. Kebanyakan konsumen yang berpendapatan kurang dari 2 Juta memutuskan untuk tidak tertarik untuk membeli suatu produk, sedangkan konsumen yang berpendapatan antara 2 Juta sampai 5 Juta dan konsumen yang berpendapatan lebih dari 5 Juta mayoritas memutuskan untuk berminat membeli suatu produk. 2. Setelah diui secara serentak maupun secara individu, semua variabel prediktor berpengaruh secara signifikan terhadap keputusan membeli konsumen. 3. Model regresi logistik yang terbentuk adalah g (x) -3,490 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) g 2 (x) -0,37 0,238 Umur 8,065 Pendapatan() 2,360 Pendapatan(2) DAFTAR PUSTAKA Agresti, A Categorical Data Analysis. John Wiley & Sons. Hosmer, DW and Lemeshow, S Applied Logistic Reggression. John Wiley & Sons. Kim. HS Topics In Ordinal Logistic Regression And Its Applications. Submitted to the office of graduate studies of Texas A & M University. Wiranegara, Pandu Faktor-faktor yang Mempengaruhi Perilaku Konsumen Dalam Pembelian Suatu Produk. URL : http// wiranegara.blogspot.com

9 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t LAMPIRAN Lampiran A. Statistika DeskriptifCase Processing Summary Cases Valid Missing Total N Percent N Percent N Percent Pendapatan Konsumen * Keputusan Konsumen % 0.0% % Pendapatan Konsumen * Keputusan Konsumen Crosstabulation Count Keputusan Konsumen Tidak Tertarik Mempertimbangkan Berminat Total Pendapatan Konsumen < 2 Juta 2 Juta - 5 Juta > 5 Juta Total \ Descriptive Statistics N Minimum Maximum Mean Std. Deviation Usia Konsumen Valid N (listwise) Lampiran B. Regresi Logistik Ordinal Case Processing Summary N Marginal Percentage Keputusan Konsumen Pendapatan Konsumen Tidak Tertarik Mempertimbangkan Berminat < 2 Juta 2 Juta - 5 Juta > 5 Juta % % % % % %

10 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t Valid % Missing 0 Total 50 Model Fitting Information Model -2 Log Likelihood Chi-Square df Sig. Intercept Only Final Link function: Logit. Goodness-of-Fit Chi-Square df Sig. Pearson Deviance Link function: Logit. Pseudo R-Square Cox and Snell.635 Nagelkerke.74 McFadden.459 Link function: Logit. Parameter Estimates 95% Confidence Interval Estimate Std. Error Wald df Sig. Lower Bound Upper Bound Threshold Location [Keputusan ] [Keputusan 2] Umur [Pendapatan] [Pendapatan2] [Pendapatan3] a Link function: Logit.

11 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t a. This parameter is set to zero because it is redundant. Test of Parallel Lines a Model -2 Log Likelihood Chi-Square df Sig. Null Hypothesis General The null hypothesis states that the location parameters (slope coefficients) are the same across response categories. a. Link function: Logit. Lampiran C. Ketepatan Klasifikasi Keputusan Konsumen * Predicted Response Category Crosstabulation Count Predicted Response Category Tidak Tertarik Mempertimbangkan Berminat Total Keputusan Konsumen Tidak Tertarik Mempertimbangkan Berminat Total Lampiran D. Data No Responden Keputusan Usia Pendapatan EST_ EST2_ EST3_ PRE_ PCP_ ,0 0,99 3 0, ,4 0,54 0,06 2 0, ,9 0,09 0 0, ,73 0,25 0,02 0, ,07 0,57 0,36 2 0, ,0 0,24 0,75 3 0, ,0 0,98 3 0, ,03 0,38 0,59 3 0, ,98 0,02 0 0, ,88 0,2 0,0 0, ,02 0,28 0,7 3 0, ,03 0,97 3 0, ,52 0,44 0,04 0, ,69 0,29 0,02 0, ,4 0,65 0,2 2 0, ,04 0,43 0,54 3 0, ,97 0,02 0 0, ,0 0,2 0,79 3 0,79

12 J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t ,4 0,54 0,06 2 0, ,0 0,99 3 0, ,0 0,24 0,74 3 0, ,05 0,48 0,47 2 0, ,46 0,49 0,05 2 0, ,05 0,48 0,48 2 0, ,0 0,6 0,83 3 0, ,2 0,65 0,5 2 0, ,46 0,49 0,05 2 0, ,07 0,57 0,36 2 0, ,73 0,25 0,02 0, ,95 0,05 0 0, ,57 0,39 0,03 0, ,99 0,0 0 0, ,69 0,29 0,02 0, ,05 0,48 0,47 2 0, ,0 0, 0,89 3 0, ,07 0,57 0,36 2 0, , 0,63 0,26 2 0, ,07 0,57 0,35 2 0, ,4 0,54 0,06 2 0, ,09 0,9 3 0, ,0 0,24 0,75 3 0, ,85 0,4 0,0 0, , 0,63 0,26 2 0, ,03 0,38 0,59 3 0, ,2 0,65 0,4 2 0, ,06 0,94 3 0, ,82 0,7 0,0 0, ,07 0,57 0,36 2 0, ,94 0,06 0 0,94