z_in ( ) dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output ( ) Propagasi balik:

dokumen-dokumen yang mirip
lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,

SATIN Sains dan Teknologi Informasi

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

Studi Modifikasi standard Backpropagasi

SATIN Sains dan Teknologi Informasi

BAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.

BAB 2 LANDASAN TEORI

KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

BAB II. Penelitian dengan jaringan syaraf tiruan propagasi balik. dalam bidang kesehatan sebelumnya pernah dilakukan oleh

KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

BAB 2 TINJAUAN PUSTAKA

ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN

BACK PROPAGATION NETWORK (BPN)

BAB IV IMPLEMENTASI DAN EVALUASI. Bab ini menguraikan proses implementasiuntuk tahap pelatihanneural networks,

Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation

Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah memin

ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI. Jasmir, S.Kom, M.Kom

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana

JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PENJUALAN JAMUR MENGGUNAKAN ALGORITMA BACKROPAGATION

BACK PROPAGATION NETWORK (BPN)

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation

Muhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan

BAB II TINJAUAN PUSTAKA

IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI

BAB 2 LANDASAN TEORI

PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK

Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation

Jurnal Informatika Mulawarman Vol 5 No. 1 Februari

ANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION

PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK. Cynthia G.Y.P

BAB III ANALISIS DAN PERANCANGAN SISTEM. forecasting produksi gula berdasarkan hasil laporan tahunan PTPN IX

BAB II LANDASAN TEORI

BAB III METODE PENELITIAN

BAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

BAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.

Prediksi Jumlah Penjualan Air Mineral Pada Perusahaan XYZ Dengan Jaringan Saraf Tiruan

BAB II TINJAUAN PUSTAKA

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

Jaringan Syaraf Tiruan

BAB II TINJAUAN PUSTAKA

MATERI DAN METODE. Cara Pengambilan Data

BAB 3 METODOLOGI PENELITIAN

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

PENGENALAN SPESIES NEMATODA PURU AKAR (Meloidogyne spp.) MELALUI KARAKTER MORFOLOGI EKOR MENGGUNAKAN JARINGAN SYARAF TIRUAN RONI BUDIMAN

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PENGENALAN POLA PENYAKIT PARU

Presentasi Tugas Akhir

IDENTIFIKASI POLA IRIS MENGGUNAKAN METODE BACKPROPAGATION

ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA

terinspirasi dari sistem biologi saraf makhluk hidup seperti pemrosesan informasi

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA UTARA MENGGUNAKAN METODE BACKPROPAGATION

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

BAB 2 LANDASAN TEORI. suatu perusahaan yang akan memberikan keuntungan dalam bentuk deviden dan capital

Identifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation

BAB 2 TINJAUAN PUSTAKA

Jurnal Coding, Sistem Komputer Untan Volume 04, No.2 (2016), hal ISSN : x

Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit

JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB,

Perbaikan Metode Backpropagation untuk Pelatihan Jaringan Syaraf Tiruan Multilayer

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

Gambar 3.1 Desain Penelitian

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN HANDPHONE DENGAN MENGGUNAKAN METODE BACKPROPAGATION (Studi Kasus : CV.

BAB II DASAR TEORI. 2.1 Citra Digital

JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENDETEKSI GANGGUAN PSIKOLOGI

OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK

BAB III METODOLOGI PENELITIAN

Architecture Net, Simple Neural Net

ANALISA PREDIKSI TINGKAT PENGANGGURAN DENGAN JARINGAN SYARAF TIRUAN

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

BAB II LANDASAN TEORI

BAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.

METODOLOGI PENELITIAN

BAB 2 HEMISPHERIC STRUCTURE OF HIDDEN LAYER DAN IMPLEMENTASI DENGAN INFORMASI SUDUT YANG DIKETAHUI

Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Aplikasi Jaringan Syaraf Tiruan untuk Mendeteksi White Spot

BAB 2 KONSEP DASAR PENGENAL OBJEK

PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK

Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)

PENERAPAN METODE NEURAL NETWORK DENGAN STRUKTUR BACKPROPAGATION UNTUK PREDIKSI STOK OBAT DI APOTEK (STUDI KASUS : APOTEK ABC)

BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA

BAB VIIB BACKPROPAGATION dan CONTOH

APLIKASI ESTIMASI REGISTRASI MAHASISWA BARU MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BERDASARKAN PERBANDINGAN RATIO DOSEN DAN MAHASISWA

Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor

PENGENDALIAN SUDUT ARAH MOBILE ROBOT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

JARINGAN SYARAF TIRUAN

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)

Desain Perangkat Lunak Berbasis Jaringan Syaraf Tiruan Backpropagation untuk Klasifikasi Citra Rontgen Paru-paru

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A

BAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu

Architecture Net, Simple Neural Net

Transkripsi:

LAMPIRAN

4 Lampiran Algoritma aringan syaraf tiruan propagasi balik Langkah 0 Inisialisasi bobot Langkah Selama kondisi berhenti bernilai salah, lakukan langkah -9. Langkah Untuk setiap pasangan, lakukan langkah -8. Feedforward: Langkah Setiap unit input (X i, i =,..., n) menerima sinyal input x i dan menyebarkan sinyal tersebut ke semua unit lapisan atas (unit tersembunyi). Langkah 4 Setiap unit tersembunyi (Z, =,...,p) menumlahkan bobot sinyal input z_in n = v o + x iv i, i = dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output z = f z _ ( ) in kemudian mengirim sinyal tersebut ke semua unit pada lapisan atas (unit output). Langkah 5 Setiap unit output (Y k, k =,..., m) menumlahkan bobot sinyal input Propagasi balik: Langkah 6 Langkah 7 y _ in k = w ok + p = z w k dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output y = f y _ ( ) k in k Setiap unit output (Y k, k =,..., m) menerima sebuah pola yang bersesuaian dengan pola input, kemudian menghitung informasi kesalahan δ k = ( t k y k ) f ' ( y _ in k ) kemudian menghitung koreksi bobot (digunakan untuk memperbaiki bobot w k ) Δ w k = αδ k z Dan akhirnya menghitung koreksi bias (digunakan untuk memperbaiki w 0 ) Δw 0 k = αδ k Kemudian mengirimkan δ ke unit lapisan bawah k Setiap lapisan tersembunyi (Z, =,...,p) menumlahkan input delta (dari unit lapisan atas) δ _ in = δ k w k kalikan nilai di atas dengan turunan fungsi aktivasi untuk menghitung informasi kesalahan ' δ = δ _ in f ( z _ in ) kemudian hitung koreksi bobot (digunakan untuk memperbaiki v i ) Δ vi = αδ xi dan hitung koreksi bias (digunakan untuk memperbaiki v o ) v = αδ Δ 0

5 Perbaiki bobot dan bias: Langkah 8 Setiap unit output (Y k, k =,..., m) memperbaiki bias dan bobot ( = 0,..., p) w k ( new ) = w k ( old ) + Δw k Setiap unit tersembunyi (Z, =,...,p) memperbaiki bias dan bobot (i = 0,..., n) vi ( new ) = v i ( old ) + Δvi Langkah 9 Tes kondisi berhenti Keterangan simbol-simbol yang digunakan pada algoritma JST propagasi balik adalah sebagai berikut: x Input vektor x = (x,... x i,... x n ) t Output vektor target t = (t,... t k,... t m ) δ k Informasi kesalahan unit Y yang disebarkan kembali ke unit tersembunyi. δ Informasi kesalahan dari lapisan output ke unit tersembunyi Z k. α Lau pembelaaran (learning rate). X i Unit input i, untuk sebuah unit input, sinyal input dan sinyal output adalah sama, yaitu X i. V 0 Bias pada unit tersembunyi k. Z Unit tersembunyi, input aringan ke Z disimbolkan dengan z_in z_in = vo + xivi Sinyal output (aktivasi) pada Z k disimbolkan dengan z k z = f ( z _ in ) W ok Bias pada unit output k. Y k Unit output k, input aringan ke Y k disimbolkan dengan y_in k y _ ink = wok + z w k Sinyal output (aktivasi) pada Y k disimbolkan dengan y k y = f ( y _ ) k in k

6 Lampiran Citra sidik perinium untuk data Meloidogyne arenaria M. Hapla M. avanica 4 M. incognita

7 Lampiran Citra sidik perinium untuk data penguian Meloidogyne arenaria M. Hapla M. avanica 4 M. incognita

8 Lampiran 4 Tabel nilai akurasi toleransi kesalahan 0. 0 0 5 589 67.407 7.5 6 5 07.98 5 6 4000 80.687 5 4 6 545 7.0 5 5 4 4 6 7.75 50 5 4 6.560 7.5 5 44 4.80 6.5 6 6 5.094 5 4 6 505 6.470 5 5 6 45 6.0 5 6 4000 8.66 5 5 4000.880 7.5 6 086 7.7970 5 4 6 46 8.6090 5 5 6 496 5.875 5 5 4000 7.78 7.5 6 4000 77.75 5 6 4000 7.8 5 4 4 4 4000 68.594 50 5 7 4000 80.0.5 5 4000 48.406 7.5 6 4000 48.766 5 6 4000 50.4 5 4 5 4000 54.40 7.5 5 0 8 4000 58.8 0 6 4000.9 5 6 4000 0.79 5 6 4000 9.50 5 4 6 4000 8.75 5 5 4 4 4000 8.6570 50 7 58 5.470.5 4 4 54.5 50 6 4000 64.7 5 4 5 8 5.5470 7.5 5 6 4000 7.469 5 6 895 45. 5 6 895 4.9 5 0 8 6 0.860 0 4 6 60.75 5 5 4 4 49 9.9690 50 6 95 8.060.5 7 594.64.5 7 4000 5.090.5 4 6 69 5.00 5 5 6 76 4.75 5 5 6 8.66 7.5 6 4000 45.56 5 4 4 005 74.047 50 4 6 504 6.56 5 5 6 4000 6.79 5 6 4000 95.969 5 6 4 50.969 75 6 4000 9.74 5 4 5 4000 9.44 7.5 5 4 4 40.970 50 5 4000 8.5470 7.5 7 4000 6.700.5 5 4000 6.984 7.5 4 4 4 547 0.7500 50 5 7 4000 6.984.5

9 0 40 6 4000 495.765 5 6 4000 508.56 5 4 4 88 05.969 50 4 7 5.8440.5 5 6 4000 500.4 5 6 506 7.0 5 4 4 955 0.400 50 6 4 8. 5 4 5 7.05 6.5 5 6 054.97 5 6 4000 40.55 5 6 4000 40.64 5 6 4 4.80 5 4 6 68 6.560 5 5 6 4000 4.660 5 4 4 566 7.590 50 4 4 80 04.86 50 4 4 7.70 50 4 4 4 55 64.56 50 5 5 09 6.8600 6.5 4 4 6 4.6560 50 5 79.765 7.5 5 46.75 7.5 4 4 4 4 4. 50 5 5 640 9.8 7.5 5 58 0.75 7.5 5 504.0 7.5 4 4 8 6.906 50 4 6 455 4.0470 75 5 5 75 6.560 7.5 4 4 8.45 50 4 4 4 5.90 50 6 900 57.406 5 4 5 449 7.89 7.5 5 5 44 7.660 7.5 4 4 45.0940 50 6 4000 7.95 5 5 4000 74.60 7.5 4 6 0 44.594 5 5 4 4 0 4.00 50 6 854 5.50.5 7 65 7.6870.5 4 4 757 9.0470 50 4 5 4000 46.98 7.5 5 6 4.660 5 4 4 77 6.95 50 4 4 45 4.880 50 5 0.5940 7.5 4 5 5.75 7.5 5 6 79 45.656 5 6 489 9.700 5 7 456 8.75.5 4 4 55 0.5470 50 4 5 4 8.4060 7.5 5 5 4000 70.0 7.5 4 4 605 6.700 50 5 765 8.9 7.5 6 777 9.9060 5 4 7 89 9.59.5 5 4 4 68 4.65 50

0 50 60 4 4 8 9.5 50 5 7.80 7.5 4 4 648.75 50 4 6 99 4.656 5 5 4 4 9 69.5 50 5 9 7.950 7.5 4 4 99 5.880 50 4 4 44.406 50 4 5 70 4.440 6.5 5 6 008 55.59 5 6 4.6090 5 4 4 55 0.7970 50 4 4 5.400 50 4 6 74.4690 5 5 7 4000 57.78.5 6 665 55.046 75 5 88 8.454 7.5 4 4 0 4.79 50 4 7 67 5.485.5 5 4 4 649 44.797 50 5 7 6.00 5 4 4 64.78 50 4 4 78.59 50 4 4 4 87 98.656 50 5 5 6 0.578 7.5 5 588 8.80 7.5 7 48 9.50.5 5 94.9840 6.5 4 5 9.55 7.5 5 7 497 6.790.5 6 460 08.0 5 6 45.4060 5 4 4 9 0.650 50 4 5 4000 99.89 7.5 5 4 4 0 8.48 50 4 4 45 5.560 50 6 7.907 5 5 5.5940 6.5 4 7 77 50.8.5 5 5 555 7.0940 6.5 7 474 7.890.5 4 4 7 4.900 50 6 4000 69.75 5 4 6 67.4 5 5 5 444 7.9540 7.5 4 4 468 4.4 50 4 4 70 7.5 50 5 9.78 7.5 4 6 7 4.046 5 5 4 4 496 6.9070 50 4 4 0.87 50 5 69 45.094 7.5 5 5 4.0 7.5 4 5 47 8.65 7.5 5 6 0.9 5 7 4000 67.97.5 5 0.50 6.5 7 470 7.5.5 4 6 56 8.8590 5 5 5 6 6.060 7.5

70 80 4 4 06 66.4 50 7 5 5.900.5 6 456 46.0 5 4 4 4 746 550.70 50 5 5 809 794.687 7.5 4 4 74 5. 50 4 4 69 48.547 50 6 485.56 5 4 5 40.97 7.5 5 6 7 9.6880 5 4 4 470 0.4 50 5 840 8.90 7.5 6 4000 80.97 5 4 6 49 5.55 5 5 4 4 5.09 50 4 4 90 0.56 50 6 59.687 5 4 4 65 9.09 50 4 4 4 40 7.66 50 5 4 4 5 55.66 50 5 4000 84.078 7.5 5 0.079 7.5 6 4 9.8 5 4 4 4 4000 96.97 50 5 4 4 4000 0.9 50 6 456 8.67 5 6 4 4.80 5 6 99 4.80 5 4 4 4 4.45 50 5 5 4 6.0470 7.5 5 76 86.05 7.5 6 4000 54.906 5 5 76 88.88 7.5 4 5 7.40 7.5 5 5 06 74.656 6.5 4 4 6.5780 50 5 70.5 7.5 6 4000 8.79 5 4 4 4 458 7.875 50 5 4 4.00 50 5 96 65.766 6.5 5 95.5470 7.5 7 66.880.5 4 6 490.670 5 5 0 8 4000 98.5 0 4 4 00.9 50 5 9.450 6.5 6 60 87.84 5 4 6 8 0.80 5 5 6 67.4 5 5 5.80 7.5 4 4 8 0.954 50 4 4 85 5.468 50 4 5 7 9.97 7.5 5 7 0.906.5 6 89 4.0470 5 7 5 7.5.5 6 69.8900 5 4 5 4000 8.5 7.5 5 4 4 9 5.00 50

90 00 6 54.594 5 6 40 9.8 5 6 56.7970 5 4 5 6 45.906 7.5 5 5 04.0 6.5 6 6 6.04 5 7 6.40.5 5 88 8.5 7.5 4 4 4 5 0.00 50 5 5 7 5.5780 6.5 7 75.780.5 4 4 6 6.046 50 6 45.060 75 4 7 88.969.5 5 5 8.8440 6.5 6 767 9.88 5 7 770.56.5 6 0 79.9 5 4 5 47 74.906 7.5 5 6 4.985 5 4 4 058 00.560 50 5 047 4.5 7.5 5 40 4.0 7.5 4 6 4000 88.45 5 5 5.880 6.5 5 7 4.80 6.5 4 4 449 0.75 50 6 67 6.0 5 4 7 054 49.9.5 5 5 88 4.890 7.5 5 478.4 7.5 5 9 4.57 7.5 4 4 90 44.8440 50 4 6 48 7.740 5 5 4 4 657 0.0 50 4 4 70 6.88 50 6 8.59 5 6 77 68.78 5 4 5 64.766 7.5 5 4 4 408 4.8 50 6 6 0.8440 5 6 66 0.4840 5 7 9 0.80.5 4 7 68 7.6090.5 5 4 4 54.5 50 5 98 4.4 7.5 7 69 9.75.5 5 6 8.6870 7.5 4 6 68.5 5 5 4 4 5 68.047 50 5 88 96.06 7.5 4 4 89 0.40 50 5 9 04.469 7.5 4 5 4000 40.5 7.5 5 5 99 0.469 7.5 6 6 5.8600 5 5 6 4.440 7.5 4 4 98 6.79 50 4 5 68 6.969 7.5 5 4 4 4000 05.9 50

Lampiran 5 Tabel nilai akurasi toleransi kesalahan 0.0 0 0 7 4000 95.70.5 4 4 4000 8.59 50 6 4000 70.875 5 4 5 4000 6.5 7.5 5 6 909 48.56 5 6 4000 5.0780 5 5 5.6090 7.5 4 4 4000 5.9 50 4 6 9 7.780 5 5 7 4000 5.687.5 6 744 5.80 5 6 6.6 5 6 699 8.0 5 4 6 87 5.090 5 5 5 4000 8.870 7.5 6 4000 8.485 5 7 4000 79.4.5 5 4000 8.75 7.5 4 5 4000 70.06 6.5 5 7 4000 84.75.5 6 4000 58.094 5 6 4000 8.906 5 5 4000 77.75 6.5 4 7 4000 78.7.5 5 6 4000 8.094 5 6 4000.65 5 6 4000 9.950 5 6 4000 0.880 5 4 6 4000.9 5 5 6 4000 9.640 5 4 4 959 84.05 50 6 4000 90.859 5 6 4000 47.8 5 4 6 0.89 5 5 5 78 6.560 6.5 6 45 59.0 5 4 4 4000 90.97 50 6 05 6.80 5 4 6 4000 94.70 5 5 4 4 4000 97.8 50 7 4000.67.5 4 4 7 4.0 50 6 587 4.750 5 4 4 4 4000 4.79 50 5 6 770 6.750 5 6 4000 7.4 75 5 97 94.87 7.5 4 4 90 0. 50 4 5 4000 49.969 7.5 5 5 578.7 7.5 6 4000 9.56 5 5 4000 9.64 7.5 6 4000 9.5 5 4 4 4 4000 9. 50 5 5 4000 94.670 7.5 4 4 4000 9.5 50 5 4000 9. 7.5 5 4000 0.5940 7.5 4 5 4000 4.704 6.5 5 5 4000 0.9 7.5

4 0 40 5 77.8 6.5 4 4 50 69.67 50 6 4000 57.9 5 4 5 95 5.4 6.5 5 5 4000 5.766 6.5 6 89 5.8 5 6 79 4.5 5 5 959 7.79 6.5 4 7 4000 7.55.5 5 6 4000 6.06 5 4 4 4000 44.5 50 6 48 6.440 5 4 4 4000 4.0 50 4 4 4 4000 4.88 50 5 4 4 4000 4.74 50 5 445 09.0 6.5 4 4 768 6.4 50 6 4000 505.656 5 4 5 4000 505.67 6.5 5 5 4000 484.75 7.5 5 4000 7.0 6.5 5 4000.969 7.5 5 4000 6.95 6.5 4 5 4.5 6.5 5 5 4000.4 6.5 5 4000 9.578 7.5 4 4 4000 8.640 50 4 4 4000 4.579 50 4 7 4000 4.47.5 5 6 6 4.407 5 4 4 6 9.8 50 5 4000 67.9 7.5 6 4000 75.67 5 4 4 4 4000 774.047 50 5 5 559 98.75 7.5 6 800 40. 5 4 4 4000 77.570 50 4 4 699 79.687 50 4 6 4000 76.547 5 5 4 4 59 00.5 50 5 4000 54.0 7.5 5 868 5.880 7.5 5 4000 5.88 7.5 4 4 4 4000 47.090 50 5 6 4000 54.56 5 4 4 704.4 50 6 5 58.06 5 4 4 4000 657.6 50 4 6 760 0.06 75 5 5 660 6.6 6.5 4 4 4000 7.00 50 5 97 40.657 7.5 5 4000 7. 7.5 4 5 90 8.78 6.5 5 6 4000 7.88 5 7 4000 47.96.5 4 4 4000 47.67 50 5 4000 48.4690 6.5 4 5 4000 5.06 7.5 5 5 4000 5.56 7.5

5 50 60 4 4 9 9.594 50 4 4 46 7.75 50 5 606.797 7.5 4 5 79 7.96 6.5 5 4 4 84 77.5 50 5 608 86.56 6.5 5 5 8.06 7.5 6 4000.547 5 4 4 4 80 0.484 50 5 5 4000.094 6.5 5 49 7.9 7.5 7 658 4.7660.5 4 4 66 8.406 50 4 5 4000 6.55 7.5 5 6 085.97 5 6 4 9.06 75 6 4000 866.75 5 5 69.7 7.5 4 5 87 94.8 7.5 5 5 407 09.9 6.5 5 4000 95.578 6.5 6 4000 95.688 5 6 4000 97.906 5 4 5 4000 9.656 6.5 5 4 4 76 07.09 50 5 4000 58.59 7.5 4 4 4000 58.5 50 4 4 4000 57.80 50 4 6 4000 59.5 5 5 6 60 9.56 5 5 54.64 6.5 6 86 445.66 75 4 4 86 7.9 50 4 6 46 84.80 75 5 5 704 49.55 7.5 5 584 0.094 6.5 5 50 96.40 7.5 4 4 0 0. 50 4 4 4 4000 6.44 50 5 4 4 644 4.5 50 4 4 777.0940 50 4 4 47 5.4060 50 7 00 4.5.5 4 5 96 6.600 7.5 5 7 55 8.44.5 4 4 80 74.5 50 5 78 455.06 6.5 4 4 50 9.9 50 4 5 489.6 7.5 5 5 96 70.546 6.5 6 4000.590 5 4 4 05 6.44 50 5 4000 49.65 7.5 4 4 4 0 78.05 50 5 5 4000 48.766 6.5 6 4000 66.4 5 4 4 4000 7.407 50 5 4000 66.70 7.5 4 6 679.700 5 5 5 4000 66.74 7.5

6 70 80 5 546 76.8 6.5 6 40 96.8590 5 5 597 75.67 6.5 4 4 4 890 60.9 50 5 5 77 69.64 7.5 6 544 4.0 5 4 4 940.66 50 6 9 9.96 5 4 6 4000 99. 5 5 5 0 8.5 7.5 4 4 097 64.56 50 6 75 4.70 5 7 57.59.5 4 7 4000 85.875.5 5 5 4000 84.4 7.5 5 94.9 6.5 4 4 55 55.40 50 5 50 60.97 7.5 4 4 4 966 56.75 50 5 7 4000 68.765.5 4 4 50 8.5 50 5 4000 94.844 7.5 5 95 46.47 6.5 4 5 75 55.8 6.5 5 5 4000 98.4 7.5 5 4000 7.97 7.5 4 4 4000 75.78 50 6 7 4.64 5 4 6 4000 78.0 5 5 7 4000 77.090.5 5 44 56.67 6.5 4 4 494 6.70 50 5 5 59.9 7.5 4 5 9.7 7.5 5 4 4 80 60.6 50 4 4 4000 5.88 50 4 4 449 7.094 5 4 4 4000 40.875 50 4 5 67.6880 7.5 5 6 90 6.64 5 4 4 05 49.9 50 4 4 4000 9.56 50 4 4 4000 9.8 50 4 4 4 40 8.89 50 5 4 4 48.7660 50 6 86 608.86 5 4 4 455 5.45 50 5 8 95.906 7.5 4 6 7 9.70 5 5 4 4 097 698.56 50 4 4 4000 40.5 50 4 4 4000.75 50 4 4 4000 4.89 50 4 4 4 4000 4.59 50 5 5 87 5.740 6.5 5 4000 84.078 7.5 5 4000 85.660 7.5 4 4 74 5.660 50 4 6 4000 84.5 5 5 5 804 7.65 7.5

7 90 00 5 56.09 7.5 4 4 600 6.797 50 5 54 0.859 6.5 4 4 4 90 78.0 50 5 5 946 97.4 6.5 5 785 60.5 6.5 5 79 56.55 6.5 6 4000 74.59 5 4 5 4000 70.66 6.5 5 5 66 56.75 6.5 5 4000 0.5 7.5 5 4000 05. 7.5 5 0 5.6880 7.5 4 5 68 0.5 7.5 5 5 478 59.5 6.5 5 065 965.75 6.5 4 4 758 79.89 50 5 4 55.95 7.5 4 4 4 4000 46.96 50 5 4 4 5 494.74 50 5 4000 69.469 7.5 5 4000 68.859 7.5 5 4000 7.609 6.5 4 4 4 4000 69.74 50 5 5 97 7.4 7.5 5 4000 9.094 7.5 4 4 4000 9.4680 50 6 4000 97.844 5 4 4 4 4000 96.88 50 5 5 4000 95.56 6.5 5 568 59.95 7.5 4 4 974 404.797 50 6 57 667.485 5 4 5 4 478.9 7.5 5 5 68 797.609 7.5 5 4 44.969 6.5 4 4 899 0.97 50 5 90 9.8 7.5 4 6 54 40.8440 5 5 5 4000 49.78 7.5 7 05 9.5780.5 5 745 0.875 7.5 6 97 8.060 5 4 4 4 55 4.0780 50 5 5 885 5.950 7.5 7 4000 69.0.5 5 4000 60.047 7.5 4 4 000 8.969 50 4 5 54 45.8 7.5 5 5 64 469.65 7.5 6 4000 45.9 5 6 4000 407.06 5 5 4000 45.56 7.5 4 4 4.4 50 5 4 4 4000 40.45 50 6 456. 5 4 4 4000 98.5 50 5 45 9.766 7.5 4 6 4000 0.45 5 5 5 4000.09 6.5

8 Lampiran 6 Tabel nilai akurasi toleransi kesalahan 0.00 0 0 6 57 6.560 5 6 908 46.55 5 6 4000 08.4 5 4 6 07 6.5 5 5 5 4000 7.8 6.5 6 4 5.5 5 6 4000 55.670 5 6 545 7.0 5 4 5 4000 60.0 6.5 5 4 4 4000 55.094 50 6 49.7040 5 6 4000 6. 5 6 555 5.40 5 4 6 4000.06 5 5 4 4 4000 0.060 50 6 4000 8.906 5 7 4000 76.65.5 5 4000 77.75 6.5 4 7 4000 78.7.5 5 6 4000 8.094 5 6 4000 50.090 5 4 4 4000 4.765 50 6 4000 5.985 5 4 4 4 4000 50.970 50 5 5 4000 5. 7.5 6 4000.970 5 6 4000.65 5 6 4000.86 5 4 6 4000 0.700 5 5 6 4000 0.6570 5 6 59 5.95 75 6 4000 64.0 5 4 4 08 88.65 50 4 6 70 9.5 5 5 6 0 76.094 5 5 05 68.06 7.5 6 89 9.6870 5 6 687 7.5 5 4 6 8 9.78 5 5 6 46 8.04 5 7 796 5.740.5 6 4000 8.609 5 6 497 4.780 5 4 5 77 7.740 7.5 5 4 4 4000 6.078 50 4 4 4000 48.656 50 7 4000 50.875.5 4 4 4000 47.906 50 4 5 4000 5.59 7.5 5 6 4000 4.4 5 5 4000 89.670 6.5 5 4000 90.75 7.5 6 4000 84.968 5 4 6 4000 86.7 5 5 5 4000 90.95 6.5 6 4000 7.046 5 6 4000 9.0 5 6 4000 9.7 5 4 7 4000 8.75.5 5 5 4000.57 7.5

9 0 40 6 4000 564.7 5 5 77 470.9 7.5 6 84 9.578 5 4 6 559 06.9 5 5 4 4 40 60.90 50 6 400 4.70 5 5 869 0.48 6.5 5 4000 6.67 6.5 4 6 0 7.790 5 5 4 4 4000 46.8 50 5 4000 5.9 7.5 6 45 0.90 5 4 4 0.950 50 4 6 85.78 5 5 5 005 5.560 7.5 5 4000 49.859 7.5 5 4000 504.06 6.5 6 60 466.0 5 4 4 4 4000 59.4 50 5 5 4000 48.97 6.5 5 4000 4.45 6.5 4 4 4000 5.609 50 5 4000 9.8 7.5 4 4 4 4000 4.5 50 5 5 4000 4.5 6.5 4 4 4000 9.594 50 5 4000 9.89 7.5 5 4000 9.75 7.5 4 5 4000 9.485 7.5 5 5 4000 9.765 7.5 6 4000 696.8 5 5 404 77.87 7.5 6 4000 705.74 5 4 6 504 96.9 75 5 5 4000 789.594 7.5 6 560 6.484 5 4 4 4000 74.56 50 7 4000 78.55.5 4 5 4000 8.0 7.5 5 5 4000 69.704 7.5 5 4000 56.87 6.5 5 69.578 6.5 6 87 7.9 5 4 5 4000 56.797 7.5 5 6 49 7.560 5 5 74 590.75 7.5 5 4000 69.45 6.5 4 4 4000 77.6 50 4 4 4 4000 66.468 50 5 5 4000 697.70 6.5 4 4 4000 7.8 50 4 4 4000 79.87 50 4 4 4000 80.906 50 4 4 4 4000 78.875 50 5 4 4 4000 75.97 50 6 4000 50.0940 5 6 4000 49.609 5 6 4000 49.660 5 4 6 4000 48.660 5 5 4 4 4000 48.469 50

0 50 60 6 840 0.579 5 6 805 95.5 5 4 4 4000 94.8 50 4 6 4000 959.968 5 5 5 985 46.875 7.5 4 4 78 87.44 50 4 4 4000 0.7660 50 5 4000 07.844 7.5 4 5 4000 0.7 7.5 5 5 4000 0.06 7.5 6 47 57.6 5 5 8 66.0 7.5 6 4000 70.65 5 4 5 4000 70.0 7.5 5 4 4 94 5.00 50 7 978 86.06 87.5 5 4.6 7.5 5 8 645.484 6.5 4 4 4 4000 8.984 50 5 5 646 566.485 7.5 4 4 4000.0 50 5 0 66.56 7.5 5 4000 98.74 6.5 4 4 4 4000 06.78 50 5 6 76 4.75 75 5 4000 57.0 7.5 7 4000 56.8.5 4 4 4000 56.9 50 4 5 4000 59.670 7.5 5 6 4000 67.78 5 5 4000 5.09 7.5 6 54 0.65 75 6 705 05.98 5 4 6 4000 4.9 5 5 4 4 8 794.4 50 6 704 45.6560 5 4 4 66 40.74 50 4 4 68 4.8440 50 4 6 4000 64.0 5 5 5 5 7.440 7.5 7 4000 68.688.5 4 4 4000 7.56 50 5 4000 7.45 7.5 4 4 4 06 6.05 50 5 5 790.640 7.5 4 4 69 86.88 50 4 4 4000 04.906 50 6 04 65.97 75 4 4 4 4000 0.87 50 5 5 645 6.0 7.5 6 4000 49.44 5 5 4000 49.844 6.5 5 4000 5.656 7.5 4 6 4000 48.05 5 5 4 4 4000 5.0 50 4 4 4000 00.67 50 5 4000 06.590 7.5 5 4000 07.70 6.5 4 5 4000 09.9 7.5 5 5 4000 09.9540 7.5

70 80 5 9 6.078 7.5 5 79 75.78 7.5 4 4 689 7.687 50 4 6 50 70.8 75 5 5 895 947.64 7.5 4 4 99 7.660 50 6 4000 00.89 75 6 70 94.56 75 4 4 4 88.97 50 5 4 4 650.56 50 5 408 9.97 7.5 6 9 4.6 5 5 9.560 7.5 4 4 4 446 70.8590 50 5 6 0.90 5 5 579 4.88 7.5 5 70 4.70 7.5 5 566 46.74 6.5 4 4 4 4000 06.656 50 5 4 4 4000 54.06 50 4 4 4000 9.64 50 4 4 760 99. 50 4 4 4000 80.59 50 4 5 884 58.97 7.5 5 5 7 9.88 7.5 5 489 97.8 7.5 5 4000.969 7.5 4 4 4000.65 50 4 6 4000.90 5 5 6 4000.06 5 5 654 48.9 6.5 4 4 88 5.5 50 4 4 79 79.875 50 4 4 4 4000 40.65 50 5 4 4 44 5.8 50 4 4 4000 6.547 50 4 4 4000 40.79 50 5 7 96.64 7.5 4 5 490 4.88 6.5 5 5 76 48.594 7.5 5 698 85.094 7.5 6 674 6.570 5 5 4000 9.7660 6.5 4 6 4000 96.0790 5 5 6 06 6.4690 5 5 4000 47.0 7.5 5 4000 98.578 6.5 6 505 69.4 75 4 4 4 6 54.609 50 5 5 960 54.70 7.5 5 4000 07.0 7.5 5 4000.9 7.5 4 4 498.70 50 4 5 775 6.65 6.5 5 4 4 4000 6.06 50 5 4000.547 6.5 5 4000.4 7.5 6 4000 04.44 5 4 7 4000 8.80.5 5 5 4000 0.078 7.5

90 00 6 774.97 5 5 567 5.5 7.5 5 860.984 7.5 4 6 580 660.88 75 5 5 956.86 7.5 4 4 97 9.570 50 5 008 94.0 7.5 7 4000 9.88.5 4 5 0 4.4 6.5 5 4 4 9 78.74 50 4 4 4000 07.844 50 6 76 9.6570 5 5 8 8.70 7.5 4 7 99 5.89.5 5 7 689 4.609.5 5 4000 64.5 7.5 5 884 57.406 7.5 5 4000 556.579 6.5 4 4 4 74 48.5 50 5 4 4 4000 494.954 50 4 4 4000 74.56 50 4 4 4000 68.094 50 5 4000 76.65 6.5 4 6 4000 79.9 5 5 4 4 4000 76.56 50 6 4000 7.7 5 5 4000 9.90 7.5 4 4 868 68.5 50 4 5 4000 0.906 7.5 5 6 4000 8.797 5 5 458 94.44 6.5 4 4 965 407.875 50 6 664 707.609 5 4 5 087 495.05 7.5 5 5 4000 74.88 6.5 5 494 67.88 6.5 5 50.7 7.5 6 8.0 5 4 6 969 0.06 5 5 5 90 99.0 6.5 5 4000.06 7.5 4 4 4 6.796 50 4 4 66 47.05 50 4 6 4000 7.594 5 5 6 468.75 5 4 4 87 44.4 50 4 4 68 08.44 50 5 4000 755.09 7.5 4 4 4 4000 8.0 50 5 4 4 07 877.546 50 6 4000 4.44 5 5 670 7.87 6.5 4 4 84 44.9 50 4 4 4 45 54.094 50 5 6 4000 409.454 5 7 4000 6.0.5 5 809 57.484 7.5 5 4000 8.469 7.5 4 6 4000 8.9 5 5 7 4000 5.797.5

Lampiran 7 Tabel nilai akurasi toleransi kesalahan 0.000 0 0 4 4 4000 78.89 50 6 4000 78.56 5 5 4000 79.05 7.5 4 4 4 4000 84.765 50 5 7 4000 0.65.5 6 570.450 5 6 4000 5.9 5 6 4000 55.797 5 4 6 55.954 5 5 6 558 9.9680 5 5 4000.80 7.5 6 478 4.780 5 6 4 7.7970 5 4 6 4000 6.880 5 5 6 640 4.4850 5 5 4000 59.88 7.5 5 4000 60.0 7.5 5 4000 60.7 7.5 4 6 4000 60.9 5 5 5 4000 60.04 7.5 6 4000 5.594 5 5 4000 4.765 7.5 6 4000 5.5 5 4 5 4000 5.484 7.5 5 6 4000 54.48 5 6 4000 9.88 5 5 4000.7 7.5 6 4000.0780 5 4 6 4000.5 5 5 6 4000.75 5 7 4000 7.9.5 6 6 8.55 5 5 08 78.985 7.5 4 4 4 4000 45.766 50 5 6 49 8. 5 5 4000 9.547 7.5 4 4 4000 0.656 50 5 55 5.594 6.5 4 6 4000 96.8 5 5 6 4000 96.4840 5 5 88 6.75 7.5 6 4000 4.06 5 6 4000 9.45 5 4 6 4000 6.560 5 5 6 669 6.870 5 6 4000 06.0 5 5 4000 06.09 7.5 5 4000 05.67 6.5 4 5 4000 06.9 7.5 5 7 4000 06.56.5 6 4000 8.875 5 5 4000 79.9 7.5 5 4000 85.8 7.5 4 4 4 4000 85.906 50 5 6 4000 87.97 5 7 4000 4.5.5 7 4000 40.0.5 4 4 4000 4.89 50 4 6 4000 4.06 5 5 4 4 4000 4.875 50

4 0 40 4 4 79 8.859 50 4 4 4000 55.797 50 5 4000 5.9 7.5 4 5 4000 57.046 5 5 4 4 4000 59.89 50 5 8 44.609 6.5 6 4000 6.906 5 7 4000 5.547.5 4 5 407.657 7.5 5 6 86 6.0 5 4 4 4000 48.98 50 4 4 9 4.5 50 6 804 9.5000 5 4 5 457 40.0 7.5 5 7 4000 45.094.5 4 4 4000 457.906 50 4 4 4000 46.969 50 6 4000 509.89 75 4 5 4000 498.4 7.5 5 5 4000 58.9 6.5 5 4000.688 7.5 4 4 4000. 50 4 4 4000 7.65 50 4 6 4000 4.4 5 5 4 4 4000.7 50 5 4000 47.89 7.5 7 4000 4.48.5 6 4000 8.84 5 4 5 4000 4.687 7.5 5 5 4000 4.78 7.5 6 486 94.660 5 6 4000 76.859 5 0 8 4000 04.859 0 4 4 4 447 76.95 50 5 5 98 67.4 6.5 6 894 0.5 5 5 4000 67.766 6.5 4 4 4000 69.06 50 4 6 89 40.484 5 5 5 4 07.4840 6.5 4 4 4000 55.7 50 6 4000 50.98 5 6 4000 5. 5 4 6 4000 5.95 5 5 5 088 4.985 7.5 4 4 4000 689.87 50 5 4000 690.8 6.5 4 4 4000 695.8 50 4 5 4000 666.96 7.5 5 5 4000 668.65 7.5 6 4000 66.4 5 4 4 4000 58.468 50 5 4000 56.078 6.5 4 6 4000 54.0 75 5 5 4000 5.88 7.5 4 4 4000 47.047 50 5 4000 47.64 7.5 5 4000 46.9 6.5 4 4 4 4000 45.65 50 5 6 4000 47.790 5

5 50 60 5 486 0.8 7.5 5 4000 96.88 6.5 5 866 8.9 7.5 4 6 50 8. 5 5 6 4000 849.906 5 4 4 4000.79 50 5 4000 4.078 7.5 6 48 8.40 5 4 6 46 6.06 5 5 5 098.060 6.5 5 4000 6.880 7.5 4 4 59 5.06 50 7 4000 70.5790.5 4 6 4000 66.06 5 5 4 4 0 0.0780 50 6 4000 87.44 5 5 4000 88.89 7.5 6 4000 799.906 6.5 4 5 4000 809.89 6.5 5 5 4000 85.75 6.5 5 4000 0.9 6.5 4 4 4000 0.7660 50 5 4000 96.06 7.5 4 5 4000 99.4680 6.5 5 5 4000 9.656 6.5 5 4000 60.5 7.5 6 4000 6.56 5 6 4000 58.880 5 4 7 4000 58.65.5 5 4 4 4000 6.5 50 4 4 4000 0.88 50 5 656 70.88 7.5 4 4 4000 057.9 50 4 6 048 87.8 75 5 6 4000 05.8 5 6 09 44.969 75 5 4.5 7.5 7 4000 79.89.5 4 4 4 679 40.45 50 5 6 97 8.5 5 5 0 0.09 7.5 5 4000 7.594 7.5 5 977 6.766 7.5 4 5 4000 70.547 7.5 5 5 4000 74.40 7.5 5 4000 99.9 6.5 6 4000 0.547 75 5 4000 5.64 6.5 4 5 4000 99.09 7.5 5 5 4000 005.67 7.5 5 4000 9.48 7.5 6 4000 5.6570 5 5 4000 5.4 7.5 4 4 4 4000 47.6 50 5 5 4000 5.74 7.5 6 4000 55.95 5 6 4000 69.8 5 7 4000 58.4.5 4 4 4 4000 58.87 50 5 4 4 4000 7.80 50

6 70 80 4 4 4000 0.4 50 4 4 4000 47.5 50 5 96 74.906 6.5 4 5 0 58.64 7.5 5 5 4000 4.047 7.5 5 590 9.70 7.5 5 885 7.890 7.5 5 968 7.8 6.5 4 4 4 4000 00.4 50 5 6 455 6.97 5 5 4000 85.7 7.5 6 4000 85.590 5 4 4 88 7.060 50 4 5 586.560 7.5 5 5 4000 89.594 7.5 5 4000 9.484 6.5 4 4 4000 54.796 50 5 4000.766 7.5 4 6 4000 68.078 75 5 4 4 4000 9.95 50 4 4 4000 9.047 50 4 4 4000 9.844 50 5 4000 96. 7.5 4 5 4000 89.64 6.5 5 5 4000 7.8 6.5 4 4 4000 84.70 50 4 4 4000 85.7 50 6 4000 79.79 5 4 6 4000 8.75 5 5 6 4000 79.87 5 4 4 57 5.57 50 5 4 74.89 7.5 6 604 8.9 5 4 4 4 8 49.74 50 5 5 006 8.48 6.5 4 4 4000 56.56 50 5 4000 45.469 6.5 4 4 78 5.55 50 4 7 9 7.5.5 5 6 4000 44.875 5 7 58 40.47.5 5 4000 94.090 6.5 5 4000 9.78 7.5 4 6 986 45.484 75 5 4 4 4000 96.6870 50 4 4 4000 5.4 50 5 4000 8.75 6.5 4 4 4000 9.079 50 4 5 4000 06.05 6.5 5 4 4 4000 400.78 50 5 4000.70 6.5 5 4000 6.0 6.5 5 4000 4.406 7.5 4 4 4 4000 4.046 50 5 5 4000 45. 6.5 6 4000 90.660 5 4 4 4000 90.5 50 5 4000 9.09 7.5 4 6 4000 95.87 5 5 6 4000 9.6570 5

7 90 00 6 807 9.74 5 5 4000 59.985 6.5 5 47 66.594 7.5 4 4 4 7 4.70 50 5 5 686 76.906 7.5 6 500 7.094 5 6 68 08.78 5 7 47 7.56.5 4 6 7 6.4 5 5 4 4 4000 77.5 50 6 4000 06.97 5 4 4 4000 06.65 50 6 87 60.985 5 4 6 77 0.700 5 5 7 546 8.97.5 5 4000 450.59 6.5 4 4 4000 467.89 50 5 4000 57.44 6.5 4 4 4 4000 46.7 50 5 5 4000 45.9 6.5 5 4000 66.657 7.5 5 4000 77.64 6.5 4 4 4000 8.9 50 4 5 4000 9.844 6.5 5 4 4 4000 90.06 50 7 4000 04.65.5 7 4000 06.469.5 5 4000 05.50 7.5 4 6 4000 05.88 5 5 5 4000 00.0 7.5 6 048 89.06 5 4 4 776 69.79 50 6 5 66.688 5 4 5 4000 75.766 7.5 5 5 94 54.797 6.5 5 4000 406.59 6.5 4 4 66 48.578 50 5 4000 48.7 6.5 4 5 4000 47.688 7.5 5 5 55 56.97 7.5 5 95 5.0 7.5 5 7 0.7660 7.5 5 77 9.79 7.5 4 5 705 05.844 7.5 5 4 4 0 7.56 50 5 99 67.87 7.5 5 4000 65.8 6.5 5 4000 544.6 6.5 4 5 4000 589.78 7.5 5 5 74 57. 6.5 4 4 4000 404.765 50 5 4000 4.4 7.5 6 4000 447.8 5 4 4 4 4000 45.56 50 5 5 4000 45.87 6.5 5 4000.5 7.5 6 4000 4.88 5 5 4000 5.88 7.5 4 7 4000 4.64.5 5 4 4 4000 08. 50