Detail kelas dapat dilihat pada gambar dibawah ini:
Home
-JMenuBeranda :JMenuBar -JMenuBantuan :JMenuBar
-JMenuTentang :JMenuBar -bt_MasukSistem :jButton
Bantuan
-JMenuBeranda :JMenuBar -JMenuBantuan :JMenuBar
-JMenuTentang :JMenuBar + Bantuan : Constractor
- JMenuBerandaMouseClicked :void -JMenuBantuanMouseClicked :Void
-JMenuTentangMouseClicked :Void
Tentang
-JMenuBeranda :JMenuBar -JMenuBantuan :JMenuBar
-JMenuTentang :JMenuBar + Tentang : Constractor
- JMenuBerandaMouseClicked :void -JMenuBantuanMouseClicked :Void
-JMenuTentangMouseClicked :Void - JMenuBerandaMouseClicked :void
-JMenuBantuanMouseClicked :Void -JMenuTentangMouseClicked :Void
Clustering_KMeans
-JMenuBeranda :JMenuBar -JMenuBantuan :JMenuBar
-JMenuTentang :JMenuBar
- initComponents - JMenuBerandaMouseClicked :void
-JMenuBantuanMouseClicked :Void -JMenuTentangMouseClicked :Void
- jfile :JTextField -jpilihfile :JButton
-table : JTable -TableSeleksiAtribut :JTable
-jtableatribut2 : JTable -jButtonPilihAtribut : JButton
- jpreprosesing : JButton - jmlclustertext : JTextField
- jproses :JButton - Output :JTextArea
- runTime : JTextArea - jreset :JButton
-jsimpan : JButton
+ Clustering_KMeans : Constractor + Preprosesing : void
+ openFile : void + read : void
+ KMeansArrayList :void + MenentukanCluster List :int[]
- Pembersihan : void + Proses :void
+ Simpan :void +Hitung Jarak : void
KMeans
+ Centroid ArrayListString : ArrayListInteger + findCentroidArrayListArrayListString arr, int[]
indexCluster, int indexCentroid, int ClusterKei :float + KMeans getKmeans : Constractor
+ min : static +sequentialsearch Double[] number2, double value2
:int
Sillhouette
+ Sillhoutte getsillhoutte : Constractor + hitungjarakSilhouteArrayListArrayListString
DataSekolah : ArrayListArrayListDouble + Sillhoute ArrayListArrayListString
TampungNamaSekolah, ArrayListArrayListInteger TampungindeksSekolah, ArrayListArrayListString
arr: StringBuffer
Gambar 4. 3 Diagram Kelas Desain
4.2.5. Diagram Sekuen Sequence Diagram.
Diagram Sekuen adalah diagram yang memperlihatkan atau menampilkan interaksi-interaksi antar objek di dalam sistem. Diagram sekuen pada sistem ini
terdiri dari 3 diagram sesuai dengan usecase. Diagram dapat dilihat pada lampiran 7.
4.2.6. Algoritma per Method
Rincian algoritma per method terdapat pada lampiran 8.
4.2.7. Perancangan Struktur Data
Sistem pengelompokan K-Means ini membutuhkan suatu tempat penyimpanan data yang tidak membutuhkan memori yang terlalu banyak dan
tidak menghabiskan waktu yang cukup banyak ketika sistem dijalankan karena dapat mengolah data dengan efisien. Peneliti menggunakan konsep penyimpanan
data menggunakan struktur data. Struktur data yang digunakan pada sistem ini adalah ArrayList. ArrayList pada sistem ini mampu menyimpan banyak nilai
dalam sebuah variabel dengan tipe data yang sama dan ukurannya bisa berubah secara dinamis.
4.2.7.1. Array
Array adalah sebuah struktur data yang mampu menyimpan banyak nilai dalam sebuah variabel dengan tipe data yang sama. Array bagaikan basis data
mini yang berada di memori. Untuk dapat menggunakan Array dalam kode program, dapat dengan cara
mendeklarasikan sebuah variabel untuk direferensikan ke Array dan menspesifikasikan tipe data dari Array. Deklarasi variable Array tidak
mengalokasi ruang di memori hanya mengalokasikan tempat untuk referensi ke Array yang dibuat. Ukuran Array tidak dapat diubah setelah Array dibuat.
Perhatikan ilustrasi Array pada gambar 4.4 berikut ini:
Gambar 4. 4 Ilustrasi Konsep Array
4.2.7.2. ArrayList
ArrayList merupakan sebuah struktur data yang mampu menyimpan banyak nilai dalam sebuah variabel dengan tipe data yang sama dan ukurannya
bisa berubah secara dinamis. Perhatikan ilustrasi ArrayList pada gambar 4.5 berikut ini:
java.util.ArrayList size:5
1 2
3 4
... ...
elementData
Value1 Value2
Value3 Value5
Value4
Gambar 4. 5 Ilustrasi Konsep ArrayList PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Pada Penelitian ini, penulis menggunakan arraylist dalam arraylist ArrayListArrayListString untuk membuat matriks. Daftar nilai ujian
nasional sebagai elementData. Daftar nilai ujian nasional memiliki nama sekolah yang saling terhubung dengan nilai mata pelajaran akan berada
dalam index yang sama pada ArrayList. Objek arraylist baru akan selaku dibuat untuk setiap kode sekolah yang berbeda. Setelah membuat objek
arraylist untuk setiap sekolah maka akan dibuat objek arraylist untuk menjadikan satu semua objek arraylist sebelumnya. Sebagai contoh akan
dijelaskan pada gambar 4.6 berikut ini:
java.util.ArrayList size:5
1 2
3 4
elementData: Dafar nilai Ujian Nasional
Nama Sekolah
Nama Sekolah
Nama Sekolah
Nama Sekolah
Nama Sekolah
1 2
3 4
5
1 2
3 4
Nama Sekolah
1 Nilai
Map el 1
Nama Sekolah
2 Nilai
Map el 1
Nama Sekolah
3 Nilai
Map el 1
Nama Sekolah
4 Nilai
Map el 1
Nama Sekolah
5 Nilai
Map el 1
dst...
Gambar 4. 6 Perancangan ArrayList
4.2.7.3 HashMap
Secara prinsip ArrayList dibuat dengan memasukan data kedalam sebuah indeks dengan cara terurut, sedangkan hashmap dengan cara pemetaan, dengan
kata lain tidak berurut. Map seperti array yang indeksnya adalah objek sembarang bukan integer. Pada map, objek yang digunakan sebagai indeks disebut key dan
objek yang ditunjuk oleh indeks disebut value. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2.8. Perancangan Antarmuka
Sistem clustering yang akan dibangun, memiliki 4 antarmuka yang terdiri dari antar muka halaman awal, antarmuka bantuan, antarmuka tentang, dan
antarmuka proses clustering.
4.2.8.1. Halaman Halaman Awal
Perancangan antarmuka halaman awal dapat dilihat pada gambar 4.7 berikut ini:
Table Nilai Ujian Nasional
Application Title
Tentang Bantuan
Beranda
Logo
Masuk Sistem
KRESENTIA NITA KURNIADEWI – 125314031
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA
2016
Pengelompokan Nilai Ujian Nasional Sekolah Menengah Atas Menggunakan Metode Clustering K-Means
Gambar 4. 7 Antarmuka Halaman Beranda Halaman ini merupakan halaman utama yang akan tampil. Halaman ini
berisi 3 menu yaitu Beranda, Bantuan, dan Tentang serta tombol Masuk Sistem. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2.8.2. Halaman Bantuan
Perancangan antarmuka halaman awal dapat dilihat pada gambar 4.8 berikut ini:
Table Nilai Ujian Nasional
Application Title
Tentang Bantuan
Beranda
KRESENTIA NITA KURNIADEWI – 125314031
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA
2016
Pengelompokan Nilai Ujian Nasional Sekolah Menengah Atas Menggunakan Metode Clustering K-Means
Panduan Penggunaan
Gambar 4. 8 Antarmuka Halaman Bantuan Halaman ini berisi petunjuk penggunaan sistem yang akan membantu user
ketika user kesulitan atau bingung menggunakan sistem. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2.8.3. Halaman Tentang
Perancangan antarmuka halaman awal dapat dilihat pada gambar 4.9 berikut ini:
Table Nilai Ujian Nasional
Application Title
Tentang Bantuan
Beranda
KRESENTIA NITA KURNIADEWI – 125314031
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA
2016
Pengelompokan Nilai Ujian Nasional Sekolah Menengah Atas Menggunakan Metode Clustering K-Means
Informasi Sistem
Gambar 4. 9 Antarmuka Halaman Tentang Halaman ini berisi tentang mengenai tujuan sistem dibangun dan kegunaanya.
4.2.8.4. Halaman Clustering K-Means
Perancangan antarmuka halaman awal dapat dilihat pada gambar 4.10 berikut ini:
Table Nilai Ujian Nasional
Application Title
Tentang Bantuan
Beranda
Seleksi Atribut Atribut
Output
KRESENTIA NITA KURNIADEWI – 125314031
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2016
Data Browse
Pilih
Proses Pengelompokan Nilai Ujian Nasional Sekolah Menengah Atas
Menggunakan Metode Clustering K-Means
Jumlah Cluster
Reset Simpan
Runing Time
Gambar 4. 10 Antarmuka Halaman Proses Halaman ini merupakan halaman yang akan ditampilkan ketika pengguna
menekan tombol Masuk Sistem pada halaman Beranda. Halaman ini berfungsi sebagai sarana untuk memasukan data, memilih atribut yang akan digunakan serta
memberikan k yang diinginkan. Kemudian
Halaman Clustering
K-Means ini
digunakan untuk
menampilkan hasil iterasi yang telah dilakukan menggunakan algoritma K-Means. Halaman Clustering K-Means ini akan tampil ketika user menekan tombol Proses
pada halaman praprosesing. Pada halaman ini user juga bisa melihat Running Time yang dihasilkan, pengguna juga dapat menyimpan hasil clustering.
41
BAB V
IMPLEMENTASI PENAMBANGAN DATA DAN EVALUASI HASIL 5.1 IMPLEMENTASI RANCANGAN PERANGKAT LUNAK
Perangkat lunak pengelompokan menggunakan meetode K-Means ini memiliki 5 buah kelas.
5.1.1. Implementasi Kelas
Selanjutnya dijelaskan spesifikasi detail dari setiap antarmukka yang ada pada perangkat lunak ini. Spesifikasi detail dari kelas home dapat dilhat pada
tabel 5.1 berikut:
Tabel 5. 1 Implementasi Kelas Home
ID_Objek Jenis
Teks Keterangan
jMenuBeranda JMenu
Beranda Jika di klik,
akanmenuju ke halaman home.java
jMenuBantuan JMenu
Bantuan Jika di klik,
akanmenuju ke halaman Bantuan.java
jMenuTentang JMenu
Tentang Jika di klik,
akanmenuju ke halaman Tentang.java
jtitle1 JLabel
Pengelompokan Nilai Ujian
Nasional Sekolah Menengah Atas
Judul perangkat lunak yang dibangun
jtitle2 JLabel
Menggunakan Metode
Clustering K- Means
Judul perangkat lunak yang dibangun
bt_MasukSistem jButton Masuk Sistem
Jika di klik, akan menuju halaman
Clustering_Kmeans.ja va
jLabel1 JLabel
KRESENTIA NITA
KURNIADEWI- 125314031
Identitas pembuat perangkat lunak
jLabel2 JLabel
FAKULTAS SAINS DAN
TEKNOLOGI UNIVERSITAS
SANATA DHARMA
Identitas fakultas dan universitas pembuat
perangkat lunak
jLabel5 JLabel
YOGYAKARTA Identitas fakultas dan universitas pembuat
perangkat lunak jLabel6
JLabel 2016
Identitas tahun pembuatan perangkat
lunak PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Implementasi antarmuka dari kelas home dapat dilihat pada gambar 5.1 berikut ini.
Gambar 5. 1 Implementasi Antarmuka kelas Home
Spesifikasi detail dari kelas Clustering_Kmeans dapat dilhat pada tabel 5.2 berikut:
Tabel 5. 2 Implementasi Kelas Clustering_KMeans
ID_Objek Jenis
Teks Keterangan
jMenuBeranda JMenu Beranda
Jika di klik, akan menuju ke halaman
home.java jMenuBantuan JMenu
Bantuan Jika di klik, akan
menuju ke halaman Bantuan.java
jMenuTentang JMenu
Tentang Jika di klik, akan
menuju ke halaman PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Tentang.java jtitle1
JLabel Pengelompokan
Nilai Ujian Nasional
Sekolah Menengah Atas
Judul perangkat lunak yang dibangun
jtitle2 JLabel
Menggunakan Metode
Clustering K- Means
Judul perangkat lunak yang dibangun
jData JLabel
Data Keterangan label
Jpath JTextField
Isi path directory dari file yang dimasukkan
ke dalam tabel. Jpilihfile
JButton Browse
Jika diklik, akan membuka directory
file yang akan dipilih Table
JTable Menampilkan data file
yang dipilih TableSeleksiAt
ribut JTable
Menampilkan nama kolom atribut pada
tabel, yang akan di seleksi.
jButtonPilihAt ribut
JButton Pilih
Jika diklik, akan menampilkan nama
kolom atribut ke jtableatribut2.
jtableatribut2 JTable
Menampilkan nama kolom atribut pada
tabel, yang telah di seleksi.
jLabel2 JLabel
Jumlah Cluster Keterangan label
Jmlclustertext JTextField
Untuk memasukan jumlah klaser
Jproses JButton
Proses Jika di klik, sistem
akan melakukan proses clustering.
jTextArea1 jTextArea
Menampilkan hasil clustering
jLabel9 JLabel
Runing Time : Keterangan label
runTime JTextField
Menampilkan running time
Jreset JButton
Reset Jika di klik akan
mereset sistem. Jsimpan
JButton Simpan
Jika di klik akan menyimpan hasil
clustering kedalam file.
Implementasi antarmuka dari kelas home dapat dilihat pada gambar 5.2 berikut ini.
Gambar 5. 2 Implementasi Antaramuka Kelas Clustering_Kmeans PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Spesifikasi detail dari kelas Tentang dapat dilhat pada tabel 5.3 berikut:
Tabel 5. 3 Implementasi Kelas Tentang
ID_Objek Jenis
Teks Keterangan
jMenuBeranda JMenu Beranda
Jika di klik, akan menuju ke halaman
home.java jMenuBantuan JMenu
Bantuan Jika di klik,
akanmenuju ke halaman
Bantuan.java jMenuTentang
JMenu Tentang
Jika di klik, akanmenuju ke
halaman Tentang.java jtitle1
JLabel Pengelompokan
Nilai Ujian Nasional Sekolah
Menengah Atas Judul perangkat lunak
yang dibangun
jtitle2 JLabel
Menggunakan Metode
Clustering K- Means
Judul perangkat lunak yang dibangun
jLabel7 JLabel
Informasi Sistem Keterangan Label Jinformasi
jTextField Berisi Informasi
Sistem jLabel1
JLabel KRESENTIA
NITA KURNIADEWI-
125314031 Identitas pembuat
perangkat lunak
jLabel2 JLabel
FAKULTAS SAINS DAN
TEKNOLOGI Identitas fakultas dan
universitas pembuat perangkat lunak
UNIVERSITAS SANATA
DHARMA jLabel5
JLabel YOGYAKARTA Identitas fakultas dan
universitas pembuat perangkat lunak
jLabel6 JLabel
2016 Identitas tahun
pembuatan perangkat lunak
Implementasi antarmuka dari kelas Tentang dapat dilihat pada gambar 5.3 berikut ini.
Gambar 5. 3 Implementasi Antaramuka Kelas Tentang PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Spesifikasi detail dari kelas Tentang dapat dilhat pada tabel 5.4 berikut:
Tabel 5. 4 Implementasi Kelas Bantuan
ID_Objek Jenis
Teks Keterangan
jMenuBeranda JMenu Beranda
Jika di klik, akan menuju ke halaman
home.java jMenuBantuan JMenu
Bantuan Jika di klik,
akanmenuju ke halaman
Bantuan.java jMenuTentang
JMenu Tentang
Jika di klik, akan menuju ke halaman
Tentang.java jtitle1
JLabel Pengelompokan
Nilai Ujian Nasional Sekolah
Menengah Atas Judul perangkat lunak
yang dibangun
jtitle2 JLabel
Menggunakan Metode
Clustering K- Means
Judul perangkat lunak yang dibangun
jLabel7 JLabel
Panduan Penggunaan
Keterangan Label
Jinformasi jTextField
Berisi Panduan Penggunaan
jLabel1 JLabel
KRESENTIA NITA
KURNIADEWI- 125314031
Identitas pembuat perangkat lunak
jLabel2 JLabel
FAKULTAS SAINS DAN
Identitas fakultas dan universitas pembuat
TEKNOLOGI UNIVERSITAS
SANATA DHARMA
perangkat lunak
jLabel5 JLabel
YOGYAKARTA Identitas fakultas dan universitas pembuat
perangkat lunak jLabel6
JLabel 2016
Identitas tahun pembuatan perangkat
lunak
Implementasi antarmuka dari kelas Tentang dapat dilihat pada gambar 5.4 berikut ini.
Gambar 5. 4 Implementasi Antaramuka Kelas Bantuan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Spesifikasi detail dari kelas KMeans dapat dilhat pada tabel 5.5 berikut:
Tabel 5. 5 Implementasi Kelas KMeans
Method Tipe
Keterangan findCentroidBaru
float Method untuk menemukan
centroid baru sequentialsearch
int Mencari index nilai yang
kecil Min
static Menemukan nilai yang
lebih kecil Centroid
ArrayListInteger Menentukan centroid awal
Spesifikasi detail dari kelas KMeans dapat dilhat pada tabel 5.6 berikut:
Tabel 5. 6 Implementasi Kelas KMeans
Method Tipe
Keterangan hitungjarakSilhoute
ArrayListArrayList Double
Menghitung jarak anatar data
Sillhoute StringBuffer
Menghitung Sillhouette Index
5.2. EVALUASI HASIL
5.2.1. Pengujian Perangkat Lunak Black Box
5.2.1.1. Rencana Pengujian Black Box
Pada tabel 5.7 dibawah ini akan dijelaskan rencana pengujian dengan menggunakan metode black box.
Tabel 5. 7 Rencana pengujian dengan menggunakan metode black box. No. Use Case
Butir Uji Kasus Uji
1. Input Berkas
Pengujian input berkas data dari file bertipe .xls
UC1-01 Pengujian input berkas data dari file
selain bertipe .xls UC1-02
2. Seleksi
Atribut Pengujian memilih atribut yang
digunakan untuk clustering UC2-01
Pengujian tidak memilih atribut yang akan digunakan
UC2-02
4. Proses
Clustering Pengujian melakukan proses
clustering K-Means UC4-01
5. Simpan Hasil
Clustering Pengujian menyimpan hasil
clustering K-Means ke dalam file. UC5-01
5.2.1.2. Prosedur Pengujian Black Box dan Kasus Uji
Setelah menyusun rencana pengujian pada tabel 5.7, maka dilakukan prosedur pengujian serta kasus uji yang terlampir pada lampiran 9.
5.2.1.3. Evaluasi Pengujian Black Box
Seluruh hasil pengujian black box pada lampiran 15 menunjukan bahwa perangkat lunak sudah dapat berjalan dengan baik dan sesuai dengan
perancaangan yang sudah dibuat. Hal ini dapat dilihat dari semua fungsi yang sudah berjalan sesuai dengan yang diharapkan. Perangkat lunak ini juga mampu
menampilkan pesan kesalahan atau error saat perangkat lunak sedang dijalankan kesalahan user. Hal ini sangat baik karena dapat memudahkan user dalam
menggunakan perangkat lunak ini.
5.2.2. Pengujian Perbandingan Hasil Hitung Manual dengan Hasil
Perangkat Lunak 5.2.2.1.
Penghitungan Manual
Pengujian manual menggunakan data ujian nasional IPA di Daerah Istimewa Yogyakarta tahun ajaran 20142015.
Proses penghitungan manual dilakukan dengan menggunakan aplikasi Microsoft Excel. Dalam proses clustering ini menggunakan k=2. Proses
penghitungan manual beserta dengan hasilnya dapat dilihat pada Lampiran 10.
5.2.2.2. Penghitungan Perangkat Lunak
Pengujian perhitungan perangkat lunak menggunakan data yang sama dengan perhitungan manual yaitu data nilai ujian nasional IPA di Daerah
Istimewa Yogyakarta tahun ajaran 20142015. Proses penghitungan menggunakan perangkat lunak. Dalam proses
clustering ini menggunakan k=2. Proses penghitungan manual beserta dengan hasilnya dapat dilihat pada
gambar 5.5 berikut ini.
Gambar 5. 5 Hasil Penambangan Data Menggunakan Perangkat Lunak PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5.2.2.3. Evaluasi Pengujian Perbandingan Hitung Manual dengan Hasil
Perangkat Lunak
Hasil clustering K-Means secara manual dengan dihasilkan oleh perangkat lunak tidak memiliki perbedaan. Hasil yang diperoleh perangkat lunak sama
dengan hasil yang diperoleh dengan menghitung manual. Disimpulkan perangkat lunak sudah berjalan dengan baik dan sesuai dengan yang diharapkan.
Tabel 5. 8 Hasil uji perbandingan member percluster secara manual dan sistem Cluster
Manual Sistem
1 SMA NEGERI 1
YOGYAKARTA SMA NEGERI 1
YOGYAKARTA SMA NEGERI 3
YOGYAKARTA SMA NEGERI 3
YOGYAKARTA SMA NEGERI 8
YOGYAKARTA SMA NEGERI 8
YOGYAKARTA
2 SMA NEGERI 2
YOGYAKARTA SMA NEGERI 2
YOGYAKARTA SMA NEGERI 9
YOGYAKARTA SMA NEGERI 9
YOGYAKARTA SMA NEGERI 5
YOGYAKARTA SMA NEGERI 5
YOGYAKARTA SMA NEGERI 6
YOGYAKARTA SMA NEGERI 6
YOGYAKARTA SMA NEGERI 7
YOGYAKARTA SMA NEGERI 7
YOGYAKARTA PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5.2.2.4. Hasil Pengujian Dataset dengan Silhouette Coeficient Nilai Ujian
Nasional Jurusan IPA Tahun Ajaran 20142015
Pada pengujian perangkat lunak dengan menggunakan Dataset nilai ujian nasional SMA jurusan IPA 20142015 dengan memberikan nilai k =
2,3,4...139 didapatkan hasil seperti pada tabel 5.9. Tabel 5. 9
Hasil Pengujian Dataset dengan rata-rata Silhouette data set Nilai Ujian Nasional Jurusan IPA 20142015
k Rata-rata
Silhouette data set
2 0,49
3 0,41
4 0,38
5
0,33
6
0,45
7
0,26
8
0,25
9
0,22
10
0,19
11
0,23
12
0,20
13
0,19
14
0,18
15
0,23
16
0,15
17
0,15
18
0,17
19
0,17
20
0,15
21
0,29
22
0,28
23
0,29
24
0,15
25
0,19
26
0,19
27
0,19
28
0,18
29
0,12
30
0,13
31
0,12
32
0,11
33
0,13
34
0,16
35
0,17
36
0,25
37
0,32
38
0,34
39
0,32
40
0,34
41
0,32
42
0,30
43
0,31
44
0,31
45
0,31
46
0,33
47
0,29
48
0,28
49
0,28
50
0,25
51
0,30
52
0,31
53
0,32
54
0,29
55
0,30
56
0,35
57
0,32
58
0,39
59
0,37
60
0,36
61
0,39
62
0,38
63
0,37
64
0,38
65
0,39
66
0,38
67
0,40
68
0,41
69
0,44
70
0,44
71
0,50
72
0,54
73
0,55
74
0,55
75
0,54
76
0,57
77
0,57
78
0,58
79
0,54
80
0,59
81
0,58
82
0,55
83
0,58
84
0,56
85
0,59
86
0,62
87
0,61
88
0,61
89
0,58
90
0,59
91
0,61
92
0,63
93
0,64
94
0,67
95
0,68
96
0,67
97
0,68
98
0,70
99
0,69
100
0,70
101
0,70
102
0,70
103
0,73
104
0,72
105
0,73
106
0,74
107
0,76
108
0,77
109
0,77
110
0,80
111
0,79
112
0,78
113
0,79
114
0,81
115
0,81
116
0,82
117
0,83
118
0,83
119
0,84
120
0,85
121
0,86
122
0,87
123
0,88
124
0,89
125
0,89
126
0,90
127
0,91
128
0,92
129
0,92
130
0,93
131
0,93
132
0,94
133
0,95
134
0,96
135
0,97
136
0,97
137
0,98
138
0,99
139
0,99