Penggunaan korelasi polikhorik pada data berskala ordinal dalam analisis model persamaan struktural (Studi Kasus : Analisis Kepuasan Terhadap Kualitas Layanan Cyber Mahasiswa IPB )

(1)

PENGGUNAAN KORELASI POLIKHORIK PADA

DATA BERSKALA ORDINAL

DALAM ANALISIS MODEL PERSAMAAN STRUKTURAL

(Studi Kasus : Analisis Kepuasan Terhadap Kualitas Layanan Cyber Mahasiswa IPB)

Oleh :

Muhamad Ihyak Ulumudin

G 14101049

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

ã•óst7ø9$#ur ¼çn‘‰ßJtƒ

.`ÏB ¾ÍnÏ‰÷ èt/

èpyèö7y™

9•çtø2r& $¨B

ôNy‰ÏÿtR àM»yJÎ=x.

«!$# 3

¨bÎ) © !$#

î“ƒÌ“tã ÒOŠÅ3ym

ÇËÐÈ

Dan seandainya pohon- pohon di bumi menjadi pena dan laut ( menj adi tinta), ditambahkan kepadanya tujuh laut ( lagi) sesudah ( kering) nya, niscaya tidak akan habis-habisnya ( dituliskan) kalimat Allah.

Sesungguhnya Allah M aha Perkasa lagi M aha Bij aksana. ( Al-Quran, 31:27)

(3)

ABSTRAK

MUHAMAD IHYAK ULUMUDIN. Penggunaan Korelasi Polikhorik Pada Data Berskala Ordinal Dalam Analisis Model Persamaan Struktural (Studi Kasus : Analisis Kepuasan Terhadap Kualitas Layanan Cyber Mahasiswa IPB ). Dibawah bimbingan AHMAD ANSORI MATTJIK dan BAGUS SARTONO.

Penelitian ini dilakukan dengan tujuan untuk m embandingkan penggunaan koefisien korelasi Pearson dengan polikhorik pada data berskala ordinal dalam model persamaan struktural, mengetahui faktor -faktor penting yang mempengaruhi kepuasan pengguna Cyber Mahasiswa IPB dan mendapatkan nilai Indeks Kepuasan Pengguna Cyber Mahasiswa IPB.

Indeks kepuasan pengguna merupakan salah satu ukuran penting dalam menentukan kualitas layanan suatu jasa. Salah satu pokok permasalahan dalam menghitung suatu indeks adalah bagaimana melakukan pembobotan terhadap dimensi-dimensi yang digunakan dalam menentukan besarnya indeks. Pada penelitian ini penentuan bobot setiap dimensi menggunakan analisis model persamaan struktural. Permasalahannya data yang digunakan merupakan data kategorik berskala ordinal yaitu skala likert dengan enam kategori. Pada kasus seperti ini koefisien korelasi polikhorik merupakan matriks koragam yang asimtotis untuk menduga parameter dalam model persamaan struktural sebagai pengganti koefisien korelasi Pearson.

Bahan penelitian merupakan data kepuasan pengguna Cyber Mahasiswa IPB dengan tujuh skala, yang diperoleh melalui survei kepuasan pengguna Cyber Mahasiswa IPB.

Berdasarkan data diperoleh hasil dugaan koefisien korelasi polikhorik selalu lebih besar dibandingkan dengan koefisien korelasi Pearson pada data berskala ordinal. Hal ini sesuai dengan penelitian yang dilakukan oleh Olsson, Drasgow & Dorans dalam Bollen 1989. Penggunaan korelasi P earson pada data berskala ordinal dalam model persamaan struktural menyebabkan penduga parameter cenderung tidak konsisten yaitu cenderung lebih kecil dan memiliki ragam penduga yang cenderung lebih besar dan sesuai pula dengan penelitian yang dilakukan oleh Bollen 1989.

(4)

DALAM ANALISIS MODEL PERSAMAAN STRUKTURAL

(Studi Kasus : Analisis Kepuas an Terhadap Kualitas Layanan Cyber Mahasiswa IPB)

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains

pada Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Pertanian Bogor

Oleh :

Muhamad Ihyak Ulumudin

G 14101049

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(5)

Judul : PENGGUNAAN KORELASI POLIKHORIK PADA DATA

BERSKALA ORDINAL DALAM ANALISIS MODEL

PERSAMAAN STRUKTURAL (Studi Kasus : Analisis

Kepuasan Terhadap Kualitas Layanan Cyber Mahasiswa IPB)

Nama : Muhamad Ihyak Ulumudin

NRP : G 14101049

Menyetujui,

Pembimbing I Pembimbing II

Prof. Dr. Ir. A. A. Mattjik, M.Sc.

Bagus Sartono , S.Si. M.Si.

NIP 130 350 047

NIP 132 311 923

Mengetahui,

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Dr. Ir. Yonny Koesmaryono, MS.

NIP 131 473 999

(6)

Alhamdulillah. Segala puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan karunia-Nya sehingga karya ilmiah ini dapat terselesaikan.

Banyak sekali ilmu dan masukan yang penulis terima selama proses penulisan karya ilmiah ini. Terima kasih penulis ucapkan kepada Bapak Prof. Dr. Ir. Ahmad Ansori Mattjik, M.Sc. dan Bapak Bagus Sartono, S.Si, M.Si. atas segala masukan dan kesabarannya selama membimbing penulis. Ucapan terima kasih juga penulis sampaikan kepada Ibu Utami Dyah Syafitri atas segala bimbingannya selama praktek lapang penulis di BPS Jawa Tengah, dan kepada teman-teman; Gatik, Rio, Pipin, Asep, Novi, Pika, Maria dan Retno atas segala bantuannya selama penyusunan tulisan ini. T erima kasih penulis sampaikan kepada keluargaku tercinta, Bapak, Ibu, dik Kholik, dik Ida atas segala do’a, kasih sayang, dukungan serta perhatiannya selama penulis berada dalam bangku perkuliahan.

Semoga segala amal baik dan bantuan yang telah diberikan kepada penulis mendapat balasan dari Allah SWT, dan semoga karya ilmiah ini dapat bermanfaat bagi semua pihak.

Bogor, Januari 2006

(7)

RIWAYAT HIDUP

Penulis dilahirkan di Klaten pada tanggal 02 Agustus 1982 sebagai anak pertama dari tiga bersaudara, anak dari pasangan Margito dan Mulyani.

Setelah menyelesaikan pendidikan dasar di SD Puluhan I pada tahun 1995, studi penulis dilanjutkan di SLTP Negeri 1 Karanganom yang ditamatkan pada tahun 1998. Tahun 2001 penulis lulus dari SMU Negeri 1 Karanganom dan pada tahun yang sama diterima sebagai mahasiswa di Departemen Statistika, Institut Pertanian Bogor melalui jalur UMPTN (Ujian Masuk Perguruan Tinggi Negeri).

Semasa menjadi mahasiswa, penulis menjadi asisten praktikum untuk mata kuliah Perangkat Lunak Statistika pada tahun ajaran 2003/2004 di Departemen Ilmu Komputer IPB. Penulis juga aktif dibeberapa kegiatan antara lain menjadi Ketua Try Out Gamma Sigma Beta Sej abotabek, Koordinator Tim Quest Matematika Ria 2003 dan Tim Layout Majalah Dakwah Kampus Nuansa. Dalam menerapkan dan mengembangkan ilmu statistika, penulis pernah bekerja sebagai freelancer

(8)

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... ix

PENDAHULUAN Latar Belakang ... 1

Tujuan ... 1

TINJAUAN PUSTAKA Kualitas Layanan ... 1

Indeks Kepuasaan Pengguna ... 1

Korelasi Polikhorik ... 2

Analisis Jalur ... 3

Model Persamaan Struktural ... 3

Metode Maksimum Likelihood ... 4

Uji Kebaikan Suai Model ... 4

Validitas dan Reliabilitas ... 4

Diagram Impact Performance ... 5

BAHAN DAN METODE Bahan ... 5

Metode ... 5

HASIL DAN PEMBAHASAN Deskripsi Responden ... 6

Korelasi Polikhorik ... 6

Model Persamaan Struktural ... 7

Indeks Kepuasan Pengguna ... 8

Diagram Impact Performance ... 8

KESIMPULAN DAN SARAN Kesimpulan ... 8

Saran ... 9

DAFTAR PUSTAKA ... 9

(9)

DAFTAR TABEL

Halaman

1. Efek total penggunaan korelasi polikhorik dan Pearson... 6

2. Uji kelayakan model metode ML ... 7

3. Reliabilitas dimensi kepuasan ... 7

4. Nilai kinerja dan kepentingan dimensi ... 8

DAFTAR GAMBAR

Halaman 1. Pengaruh total dimensi kepuasan... 7

2. Diagram impact -performance ... 8

DAFTAR LAMPIRAN

Halaman 1. Dimensi dan atribut dimensi kepuasan ... 10

2. Parameter ambang peubah indikator ... 11

3. Nilai-p statistik uji LR (atas diagonal ) dan Root Mean Square Error of Approximation (bawah diagonal) ... 12

4. Matriks korelasi Pearson (atas diagonal) dan korelasi polikhorik (bawah diagonal) peubah indikator ... 13

5. Perbandingan nilai loading indikator laten eksogen ... 14

6. Model pengukuran laten eksogen ... 15

7. Model pengukuran laten endogen... 16

8.

Model persamaan struktural kepuasan ... 16

9. Diagram konseptual model kepuasan ... 17

10. Diagram jalur dugaan paramater model kepuasan ... 18

11. Diagram jalur t-hitung parameter model kepuasan ... 19

12. Efek langsung, tak langsung dan total dimensi terhadap kepuasan ... 20

13. M etodologi penghitungan indeks k epuasan ... 22

(10)

PENDAHULUAN

Latar Belakang

Penelitian dalam riset pemasaran seperti dalam perhitungan indeks kepuasan pengguna pada umumnya melibatkan berbagai macam dimensi pengukuran, supaya indeks yang dihasilkan mendekati sempurna. Umum nya dimensi-dimensi tersebut tidak dapat diukur secara langsung sehingga dibutuhkan peubah -peubah lain sebagai indikatornya. Dalam melakukan analisis, peubah indikator tersebut pada umumnya digabungkan sehingga diperoleh indeks bagi peubah tak terukur nya. Penggabungan ini dapat dilakukan dengan melalui penjumlahan data mentah atau menggunakan skor berdasarkan komponen utama. Indikasi seperti ini masih saja tidak berperilaku seperti nilai sebenarnya yang mengukur dimensi-dimensi dengan baik, karena indeks tersebut masih mengandung galat.

M odel persamaan struktural dapat digunakan untuk menganalisis data yang melibatkan peubah -peubah terukur (manifest) dan tak terukur (latent). Asumsi yang mendasari model persamaan struktural adalah jenis data kontinu dengan minimal berskala interval, sehingga koefisien korelasi Pearson merupakan matriks koragam yang umum digunakan untuk menduga parameter dalam model. Tetapi dalam banyak penelitian terutama dalam penelitian sosial atau riset pemasaran jenis data yang digunakan pada umumnya kategorik dengan skala ordinal. Pada kasus seperti ini, maka koefisien korelasi polikhorik yang digunakan untuk menduga parameter dalam model persamaan struktural. Pada penelitian ini mencoba untuk membandingkan penggunaan koefisien korelasi Pearson dan polikhorik dalam model persamaan struktural untuk data berskala ordinal.

Tujuan Penelitian

1. Membandingkan penggunaan koefisien korelasi Pearson dengan polikhorik pada data berskala ordinal dalam model persamaan struktural .

2. Mengetahui faktor-faktor penting yang mempengaruhi kepuasan pengguna Cyber Mahasiswa IPB.

3. Mendapatkan nilai Indeks K epuasan Pengguna Cyber Mahasiswa IPB .

TINJAUAN PUSTAKA

Kualitas Pelayanan

Kualitas pelayanan adalah kualitas cara penyampaian jasa, yaitu suatu kinerja atau tindakan tak kasat mata dari satu pihak ke pihak lain (Rangkuti 2003). Tingkat kualitas pelayanan tidak dapat dinilai berdasarkan sudut pandang perusahaan pemberi jasa, tetapi harus dipandang dari sudut pandang penilaian pengguna.

Terdapat lima dimensi yang dapat mempengaruhi penilaian pengguna terhadap mutu pelayanan (Zeithaml, Parasuraman, & Berry . 1990) yaitu:

1. Dimensi Tang ible (berwujud)

Bukti fisik dimana suatu perusahaan mempunyai kejelasan penampilan fisik dari fasilitas, peralatan, karyawan dan lain-lain. 2. Dimensi Reliability (keandalan)

Kemampuan perusahaan untuk mewujudkan jasa sesuai dengan yang dijanjikan secara tepat, akurat dan dapat dipercaya.

3. Dimensi Responsiveness (ketanggapan) Keinginan untuk membantu pengguna dan menyediakan jasa yang cepat dan tepat. 4. Dimensi Assurance (jaminan)

Jaminan dan kepastian, bahwa jasa yang diberikan memberikan jaminan keamanan serta menumbuhkan rasa percaya pengguna kepada perusahaan.

5. Dimensi Emphaty (empati)

Kesediaan untuk peduli, mem berikan perhatian secara khusus kepada penggunanya secara pribadi dengan berupaya memahami keinginan pengguna.

Indeks Kepuasan Pengguna (IKP)

Kepuasan pengguna adalah perasaan senang atau kecewa seseorang sebagai hasil dari perbandingan antara prestasi atau produk yang dirasakan dan yang diharapkannya (Kotler 1997). Formula pengukuran indeks kepuasan pengguna adalah :

IKP =

∑

= =

p

i i p

i i i

w

p

w

1 1

dengan wi = bobot atribut ke-i

pi = nilai kepuasan untuk atribut ke-i

(11)

₂

kepentingan atribut (Attribute-Level Impact), indeks kinerja dimensi (Dimension -Level Perfomance Index) dan tingkat kepentingan dimensi (Dimension-Level Impact).

Indeks kinerja atribut merupakan nilai rataan dari tiap-tiap atribut. Tingkat kepentingan atribut adalah kemampuan at ribut untuk mempengaruhi nilai dimensinya atau merupakan kontribusi setiap atribut terhadap dimensinya yang tidak lain merupakan parameter lam bda indikator eksogen (λx) dalam model persamaan struktural. Indeks dimensi adalah suatu nilai yang menunjukkan besarnya kinerja dari dimensi yang diperlukan bersamaan dengan tingkat kepentingan dimensi guna menentukan IKP. Nilai indeks dimensi diperoleh dengan men galikan nilai rataan atribut dengan besarnya tingkat kepentingannya, kemudian hasilnya dijumlahkan lalu dibagi dengan total kepentingan atribut. Tingkat kepentingan dimensi adalah suatu nilai yang mengindikasikan seberapa kuat pengaruh tiap -tiap dimensi terhadap kepuasan yang tidak lain adalah pengaruh total (total effect) dimensi. Nilai IKP diperoleh dari penghitungan perkalian antara tingkat kepentingan dimensi dengan indeks dimensi lalu dijumlahkan dan kemudian hasilnya dibagi dengan total tingkat kepentingan dimensi.

Korelasi Polikhorik

Korelasi polikhorik adalah ukuran asosiasi untuk peubah ordinal yang dilatarbelakangi oleh peubah kontinu (Drasgow 1985). Misalkan peubah ordinal Z dilatarbelakangi oleh peubah kontinu Z*. Jika ada m titik skala ordinal, maka hubungan antara Z dan Z* dapat dikonsepkan sebagai ber ikut:

z=i⇔ai- 1<z*< ai, i=1,2,3,….m.

dimana -∞ = a0<a1<a2<a3<...<am-1<am = +∞

adalah parameter ambang (threshold parameter) bagi Z*. Jika ada m kategori pada peubah kategorik, maka ada m-1 titik parameter ambang a₁,a₂,a₃...a_m-1. Misalkan Φ(u) merupakan fungsi sebaran bagi Z*, dan biasanya diasumsikan menyebar normal baku, maka peluang kategori ke-i dapat didefinisikan sebagai berikut:

πi=P(z=i)=P(αi-1<z*<αi)=

∫

− i i

du

u

α α

φ

1

)

(

……(1)

= Φ(αi)-Φ(αi-1), sehingga

αi = Φ-1(π1+π2+…+πi), i=1,2,3…m-1

dimanaΦ-1 adalah fungsi invers dari sebaran normal baku, dan πi adalah peluang kumulatif

dari kategori ke-i.

Besarnya peluang dari πi biasanya tidak

diketahui. Dalam praktek nilainya diduga dari proporsi (pi) data contoh, sehingga parameter

ambang dapat diduga dengan :

i

α

ˆ

=Φ-1(p1+p2+p3+…+pi), atau

i

α

ˆ

=Φ-1









∑

= j i i

N

n

1

, i = 1,2,3,…,m-1 ...(2) Jika peubah Z1 dan Z2 merupakan dua

peubah ordinal masing-masing dengan m₁dan

m2 kategori, dengan nilai batas ambangnya

masing-masing adalah α1,…αm1-1 dan β1,… βm 2-1, maka peluang πij(?)=P(z1=i, z2=j)

adalah :

πij(?) =

∫ ∫

− − i i i j

dv

du

?

v

u

α α β β

φ

1 1

)

;

,

(

...(3)

dimana φadalah sebaran normal ganda dengan fungsi kepekatan sebagai berikut:

φ(u,v ;ρ) = 2(1 )( 2 ) 1 2 / 1 2 2 2 2

)

1

(

2

1

u uvv

e

+ − − −

−

ρ ρ

ρ

π

dimana -∞<u,v<∞ dan -1<ρ<1.

Persamaan (3) menyatakan peluang kategori m1m2 yaitu πij(?) yang tidak lain

merupakan fungsi dari vektor parameter:

?

=

₍α₁_,α₂_…....α_{m1- 1}_,β₁_,β₂_…....β_m2-1_,ρ_s_).

Jika nij merupakan frekuensi untuk peubah X=i dan Y=j atau frekuensi baris ke-i dan kolom ke-j pada tabel kontingensi sedemikian sehingga berlaku N =

∑ ∑

= = 1 2 1 1 m i m

j

n

ij dengan peluangnya adalah πij, maka fungsi

kemungkinannya adalah :

L =

∏∏

= = 1 2 1 1 m i m j n ij ij

π

ln L =

∑∑

( )

= = 1 2 1 1

ln

m i m j ij ij

n

π

?

…………..(4)

Memaksimumkan fungsi (4) sama dengan meminimumkan fungsi berikut :

F(?_{) =}

∑∑

[

( )

]

= =

−

1 2 1 1

ln

m i m j ij ij ij

p

π

?

…… …(5)

dimana pij = nij/N adalah proporsi dari data

(12)

Pengujian normal ganda peubah kontinu yang melatarbelakangi peubah ordinal yaitu dengan menggunakan statistik uji rasio likelihood dengan rumus sebagai berikut :

2

LR

χ

= 2

∑∑

(

)

= = 1 2 1 1

ˆ

/

ln

m i m j ij ij ij

p

n

π

= 2N

∑∑

(

)

= = 1 2 1 1

ˆ

/

ln

m i m j ij ij ij

p

π

2 LR

χ

mengikuti sebaran khi-kuadrat dengan derajat bebas db=m1m2-m1-m2. Jika statistik uji

rasio likelihood nyata pada taraf α yang telah ditetap kan, maka asumsi bahwa peubah kategorik dilatarbelakangi oleh peubah kontinu yang menyebar normal ganda tidak terpenuhi dan sebaliknya.

Pengujian kebaikan suai model adalah berdasarkan nilai RMSEA (Root Mean Square Error of Approximation) dengan formula sebagai berikut :

∈_a =

λ

/

2

Nd

RMSEA =

∈

ˆ

_a =

λ

ˆ

/

2

Nd

=

max[

(

c

−

d

)

/

2

Nd

,

0

]

dimana c = 2NF[ p,

π

(

?

ˆ

)

] = 2N

F

ˆ

dan

d adalah derajat bebas dari fungsi kepekatan khi-kuadrat dengan db=m1m2-m1-m2. Model

dikatakan baik jika

∈

ˆ

_a≤ 0.1.

Analisis Jalur

Analisis jalur adalah suatu metode yang berupaya untuk menganalisis sistem pada persamaan struktural (Bollen 1989). Tujuan dari analisis jalur adalah untuk menerangkan akibat langsung dan tidak langsung dari beberapa peubah sebagai peubah penyebab terhadap beberapa peubah lainnya sebagai peubah akibat. Pengaruh tidak langsung dari suatu peubah bebas terhadap suatu peubah terikat adalah melalui peubah lain yang disebut intervening variable atau peubah antara. Pengaruh total peubah bebas terhadap peubah terikat merupakan penjumlahan dari pengaruh langsung dan seluruh pengaruh tidak langsung.

Model Persamaan Struktural

Model persamaan struktural adalah sebuah sistem persamaan yang menyatakan bahwa masing-masing elemen matriks koragam populasi sebagai fungsi dari parameter model.

Hipotesis pokok dalam model persamaan struktural diberikan oleh Bollen (1989) yaitu Σ=Σ(Θ), dimana Σ adalah matriks koragam populasi, Θ adalah vektor dari parameter model dan Σ(Θ) adalah matriks koragam yang dihasilkan oleh model.

Model persamaan struktural dipandang sebagai penggabungan dari analisis faktor (measurement model) dan analisis jalur (path model). Model struktural dinyatakan sebaga i :

η = βη+Γ ξ+ζ

dengan η=(η₁,η₂…..η_m)’adalah vektor peubah laten tak bebas (latent endogenous) berukuran

mx1. ξ = (ξ1, ξ2, …..ξn)’ adalah vektor peubah

laten bebas (latentexogenous) berukuran nx1. β adalah matriks koefisien dari η berukuran

mxm. Γ adalah matriks koefisien dari ξ berukuran mxn. ζ’=(ζ1, ζ2, ….., ζm) adalah

vektor sisaan berukuran mx1. Asumsi yang digunakan dalam model struktural diatas adalah E(η)=0, E(ξ)=0, dan E(ζ)=0, dan ζ tidak berkorelasi dengan ξ. M odel pengukuran dinyatakan sebagai :

y= Λyη+ε

x = Λxξ+δ

dengan y’=(y1, y2,…, yp) dan x’=(x1,x2,..., xq)

masing-masing merupakan vektor-vektor peubah indikator yang dapat diamati secara langsung bagi η dan ξ yang tidak dapat diamati secara langsung dengan ukuran masing-masing px1 dan qx1. Selanjutnya ε dan δ adalah vektor-vektor galat pengukuran bagi y dan x dengan ukuran masing-masing

px1 dan qx1. Matriks-matriks Λy dan Λx

berukuran pxm dan berukuran qxn berturut-turut merupakan matriks regresi y pada η dan x pada ξ. Vektor-vektor galat pengukuran ε dan δdiasumsikan tidak berkorelasi satu sama lain, serta tidak berkorelasi dengan peubah laten η dan ξ .

(13)

₄

dimana Σyy adalah matriks koragam bagi

peubah pengamatan Y yaitu :

Σyy=Λy(I-B)- 1(ΓΦ Γ’+Ψ)[(I-B)- 1]’Λy’+Θε

Σyx adalah matriks koragam bagi peubah

pengamatan Y dan X yang dapat ditulis sebagai :

Σyx =Λy(I-B)-1ΓΦ Λx’

Σxy adalah matriks putaran dari Σy x. yaitu :

Σxy = ΛxΦ Γ

’

[(I-B)-1]’Λy’

M atrikskoragam bagi peubah pengamatan X

adalah :

Σxx=ΛxΦ Λx’+Θδ

dapat dilihat bahwa Σ merupakan fungsi dari matriks Λy, Λx, B, Γ, Φ, Ψ, Θδ, dan Θε.

Metode Maksimum Likelihood

Bentuk umum fungsi pengepasan maksimum likelihood adalah :

FML = log|Σ|+tr(SΣ-1)-log|S|-(p+q)

dimana Σ = matriks koragam populasi

S = matriks koragam dari model dengan asumsi S dan Σ adalah matriks-matriks definit positif, artinya S dan Σ merupakan matriks-matriks yang tak singular. Penduga ML mempunyai sifat -sifat penting yakni tak bias secara asimtotis, konsisten, efisien secara asimtotis dan invarian terhadap skala pengukuran (Bollen 1989).

Uji Kebaikan Suai Model

Kebaikan suai model dapat dilihat dari berbagai ukuran keses uaian model antara lain sebagai berikut :

a. Nilai ?2 yang besar relatif terhadap derajat bebasnya menandakan model tidak sesuai dengan data empiris. Sebaliknya nilai ?2 yang kecil relatif terhadap derajat bebasnya menandakan model yang diajukan didukung oleh data empiris (Bollen 1989).

b. Root Mean Square Error of Approximation (RMSEA)

RMSEA =

)

1

(

)

1

(

2

−

n

db

n

χ

Nilai RMSEA yang lebih kecil dari atau sekitar 0.10 merupakan indikasi dapat diterimanya sebuah model (Jöreskog 2004)

c. Root Mean Square Residual (RMR) adalah ukuran kesesuaian yang didefinisikan sebagai :

RMR = 2 / 1 1 1 2

)

1

(

)

ˆ

(

∑∑

= =













+

−

k i k j ij ij

k

s

S

dimana Sij adalah koragam contoh dan ij

s

ˆ

adalah koragam dugaan. Nilai RMR

yang lebih kecil atau sama dengan 0.05 merupakan indikasi dapat diterimanya model (K elloway 1996).

d.Goodness of Fit Index (GFI) didefinisikan sebagai :

GFI = 1

-]

)

ˆ

[(

]

)

1

ˆ

[(

2 1 2 1

S

− −

∑

−

∑

tr

model yang mempunyai GFI>0.90 dikatakan model sudah didukung oleh data empiris (Sharma 1996).

e. Adjusted Goodness of Fit Index (AGFI) adalah modifikasi dari GFI yaitu dengan mengkoreksinya terhadap derajat bebasnya.

AGFI= 1-

(

1

)

2

)

1

(

GFI

d

k

−

+

dimana d adalah derajat bebas. Model yang mempunya AGFI>0.80 adalah model yang sesuai dengan data empiris (Sharma 1996).

Validitas Dan Reliabilitas

Validitas indikator dalam mengukur peubah laten dinilai dengan menguji apakah koefisiennya nyata pada taraf α yang telah ditetapkan (H0:λij=0 lawan H1:λij?0). Pada

taraf nyata α=5%, maka indikator yang valid adalah yang koefisiennya mempunyai nilai mutlak t-hitung>1.96. Reliabilitas indikator diukur dengan kehandalan individu (komunalitas). Indikator dikatakan reliabel jika nilai komunalitasnya lebih besar atau sekitar 0.5 (Sharma 1996).

Reliabilitas konstruk dapat diukur dengan indeks reliabilitas gabungan dengan rumus sebagai berikut :

(14)

Diagram Impact-Performance

Diagram impact-performance adalah suatu konsep yang menggambarkan peta indeks suatu dimensi terhadap tingkat kepentingannya terhadap kepuasan (Johnson & Gustafsson dalam Suharyadi 2004). Diagram impact-performance terdiri atas empat kuadran yaitu kuadran I menunjukkan kinerja dari dimensi kualitas pelayanan yang telah berhasil dilaksanakan oleh perusahaan, untuk itu wajib dipertahankan, karena dianggap sangat penting dan telah memuaskan penggunanya. Kuadran II menunjukkan atribut -atribut yang menurut nasabah kurang penting, akan t etapi pelaksanaannya berlebihan, dianggap kurang penting tetapi sangat memuaskan . Kuadran III menunjukkan beberapa atribut yang kurang penting pengaruhnya bagi pengguna, pelaksanaannya oleh perusahaan biasa-biasa saja, dianggap kurang penting dan kurang memuaskan atau biasa saja. Kuadran IV menunjukkan atribut-atribut yang dianggap mempengaruhi kepuasan pengguna, termasuk unsur-unsur pelayanan yang dianggap sangat penting, namun kinerjanya masih rendah sehingga pengguna belum cukup merasa puas terhadap dimensi pada kuadran ini.

BAHAN DAN METODE

Bahan

Data yang digunakan merupakan data primer yang dikumpulkan melalui surve i kepuasan pengguna Cyber Mahasiswa IPB pada tanggal 22 Agustus-10 September 2005 . Ada 39 indikator yang digunakan untuk mengukur del apan peubah laten eksogen sebagai dimensi penentu kepuasan dan tiga indikator untuk mengukur peubah laten endogen (kepuasan) yaitu kepuasan keseluruhan, loyalitas dan rekomendasi (Lampiran 1). Pengambilan contoh dilakukan dengan purpossive sampling. Jumlah contoh yang diambil mengacu pada ketentuan penggunaan metode sistem persamaan struktural. Men urut Bentler dan Chou (1987) rasio antara jumlah contoh dengan jumlah parameter yang akan diduga adalah antara 5:1 sampai 10:1, s ehingga untuk satu peubah indikat or memerlukan minimal lima responden.

Metode

Tahapan-tahapan yang dilakukan dalam penelitian ini adalah :

a. Menentukan desain penarikan contoh yaitu mendefinisikan populasi, metode penarikan contoh dan penentuan ukuran contoh .

b. Pembuatan kuesioner penelitian yang akan digunakan untuk mengevaluasi responden mengenai kualitas pelayanan Cyber Mahasiswa IPB .

c. Uji kuesioner terhadap beberapa pengguna Cyber Mahasiwa IPB untuk mengukur apakah pertanyaan-pertanyaan sudah dimengerti.

d. Pengumpulan data, pemrosesan dan persiapan data.

e. Pengolahan data, dilakukan dengan menggunakan analisis model persamaan struktural dan analisis kepuasan pengguna. Pengolahan data menggunakan bantuan program Prelis 2.0, Lisrel 8.30, SPSS 11.5 dan MS Excel 2003.

Langkah-langkah yang dilakukan adalah : 1. Menghitung rataan tiap-tiap atribut atau peubah indikator. Dalam hal ini rataan peubah atribut merupakan nilai yang menunjukkan besarnya kinerja atribut..

2. Mencari matriks korelasi polikhorik dan P earson antar peubah indikator. 3. Melakukan analisis model persamaan

struktural dengan input matriks korelasi Pearson dan polikhorik . 4. Menghitung indeks dari tiap dimensi

dengan formula :

Dj=

∑

x ij

x ij ij

X

λ

)

)(

(

Dj = Dimension Index λx

ij = Attribute Impact

ij

X

= Attribute Performance 5. Menghitung indeks kepuasan

pengguna Cyber Mahasiswa IPB dengan formula :

IKP=

j j j

D D

D

γ γ

γ

γ γ

γ

+ + +

... ...

2 1

2 2 1 1

Dj = Dimension Index

j

γ

= Total Dimension Impact

(15)

₆

HASIL DAN PEMBAHASAN

Deskripsi Responden

Pengambilan data dilakukan terhadap 215 pengguna Cyber Mahasiswa IPB . Responden laki-laki sebanyak 58.6%, sedangkan responden perempuan s ebanyak 40.9%. Pengguna Cyber Mahasiswa IPB sebagian besar adalah mahasiswa strata satu sebanyak 91.6% dan sisanya 6.5% merupakan mahasiswa pascasarjana. Dari lima Cyber Mahasiswa yang disurvei sebagian besar menggunakan Cyber Singkong dengan persentase 74.0%, Cyber Jagung 13.0%, Cyber Merpati 1.4%, Cyber Padi 2.8% dan Cyber Staf 8.8%.

Korelasi Polikhorik

Pendugaan korelasi polikhorik dilakukan melalui prosedur dua tahap. Pertama adalah menduga parameter ambang untuk masing-masing peubah indikator, kemudian tahap kedua dilakukan pendugaan koefisien korelasi polikhorik antar peubah. Pendugaan parameter ambang didasarkan pada frekuensi kumulatif setiap kategori pada peubah ordinal. Jumlah parameter ambang untuk k kategori peubah ordinal adalah k-1 yang berpadanan dengan

k-1 frekuensi kumulatif data contoh. Jika ada salah satu atau beberapa kategori ke -i

memiliki frekuensi nol, maka titik ambang yang diduga disesuaikan dengan frekuensi kumulatif pada setiap kategori ke-i peubah ordinal tersebut. Seperti pendugaan ko efisien korelasi Pearson, jumlah contoh yang diperlukan untuk dapat menduga koefisien korelasi polikhorik dapat berapapun, asalkan peubah ordinal tersebut memiliki lebih dari satu kategori.

Pada Lampiran 2 menyajikan hasil dugaan parameter ambang masing-masing peubah indikator. Jumlah kategori untuk setiap indikator laten eksogen dan endogen adalah enam kategori, sehingga ada lima titik parameter ambang untuk masing-masing peubah. Beberapa peubah indikator yaitu J, A4, B1, B2, B3, E4, F2 dan F3 hany a memiliki empat titik parameter ambang karena kategori pertama pada peubah indikator tersebut memiliki frekuensi nol.

Pengujian normal ganda peubah kontinu yang melatarbelakangi peubah ordinal diperlukan dalam menduga koefisien korelasi polikhorik. Pada Lampiran 3 menyajikan nilai-p pengujian normal ganda antar setiap pasang ordinal. Tidak semua pasang peubah

dapat terpenuhi asumsi normal ganda, namun hal ini tidak menjadi masalah karena meskipun asumsi tersebut tidak terpenuhi, maka dugaan koefisien korelasi polikhorik tetap konsisten (Quiroga dalam Jöreskog 2004). Kebaikan suai model dapat dilihat pada Lampiran 3, dimana seluruh pasang peubah indikator memiliki RMSEA ≤ 0.10, menunjukkan bahwa model pendugaan koefisien korelasi polikhorik secara keseluruhan sudah baik.

Pada Lampiran 4 menyajikan tabel perbandingan hasil dugaan koefisien korelasi polikhorik dengan korelasi P earson. Hasil dugaan koefisien korelasi polikhorik diperoleh selalu lebih besar dibandingkan dengan koefisien korelasi Pearson pada data berskala ordinal (Olsson, Drasgow & Dorans dalam Bollen 1989). Sedangkan pada Lampiran 5 menyajikan perbandingan nilai loading penggunaan korelasi polikhorik dan korelasi Pearson pada model persamaan struktural. Berdasarkan uji khi-kuadrat yang diper oleh, penggunaan korelasi Pearson lebih baik dibandingkan dengan penggunaan korelasi polikhorik karena memiliki χ2 hitung yang lebih kecil. Hal ini menunjukkan bahwa penggunaan korelasi Pearson dalam menduga parameter model persamaan struktural relatif lebih baik dibandingkan dengan korelasi polikhorik.

Tetapi hasil dugaan efek total pada Tabel 1 memperlihatkan bahwa pendugaan dengan menggunakan korelasi polikhorik pada fungsi ULS dan ML mempunyai dugaan yang hampir sama nilainya, tetapi penggunaan korelasi Pearson pada kedua fungsi tersebut memiliki dugaan efek total yang cukup berbeda. Hasil dugaan efek total dengan menggunakan korelasi Pearson terlihat cenderung lebih kecil dibandingkan dugaan dengan menggunakan korelasi polikhorik.

Tabel 1. Efek total penggunaan korelasi polikhorik dan Pearson.

Para- meter

FULS

polikhorik FML

polikhorik FUL

Pearson FML

Pearson γ11 2.13 2.27 1.99 1.87

γ21 1.56 1.69 1.43 1.31

γ31 1.90 1.79 1.85 1.59

γ41 2.36 2.47 2.32 2.14

γ41 1.98 2.10 1.91 1.82

γ51 2.13 2.14 2.02 1.84

γ61 2.04 2.15 1.91 1.78

(16)

Pada lampiran 5 juga menunjukkan bahwa hasil dugaan nilai loading untuk korelasi Pearson memiliki ragam penduga yang lebih besar jika dibandingkan dengan korelasi polikhorik baik pada fungsi ULS maupun ML. Dapat disimpulkan bahwa penggunaan korelasi Pearson pada data berskala ordinal untuk menduga parameter dalam model persamaan struktural menyebabkan hasil dugaan parameter yang cenderung tidak konsisten yaitu cenderung lebih kecil dan ragam penduga yang cenderung lebih besar, sedangkan pendugaan dengan korelasi polikhorik menghasilkan dugaan parameter yang konsisten dan ragam penduga yang lebih kecil (Bollen 1989).

Model Persamaan Struktural

[image:16.612.331.498.133.252.2]

Ukuran kebaikan model dengan GFI dan AGFI masih belum cukup baik, namun berdasarkan nilai RMR dan RMSEA menunjukkan bahwa model sudah cukup baik dalam mengepas data.

Tabel 2. Uji kelayakan model metode ML

No Kriteria Nilai yang disarankan

Hasil Uji 1 χ2 (p-value) = 0.05 0.00

2 RMR = 0.05 0.09

3 RMSEA = 0.10 0.10

4 GFI = 0.90 0.62

5 AGFI = 0.80 0.57

Berdasarkan t-hitung koefisien peubah indikator pada Lampiran 11, seluruhnya nyata pada taraf a=5%. Hal ini menunjukkan bahwa seluruh indikator sudah valid dalam mengukur dimensinya masing-masing. Namun untuk indikator laten eksogen ada beberapa peubah indikator tidak reliabel karena memiliki nilai loading lebih kecil dari 0.5. Indikator tersebut adalah atribut A4 pada dimensi tempat, B7 pada dimensi perangkat keras, C5 dan C6 pada dimensi perangkat lunak. Meskipun peubah-peubah tersebut tidak cukup reliabel, namun tidak dihilangkan dari model sebab informasinya tetap diperlukan dalam penentuan Indeks Kepuasan Pengguna. Peubah indikator atribut kepuasan total memberikan kontribusi terbesar dalam mengukur peubah laten kepuasan dengan nilai loading sebesar 0.880, kemudian atribut loyalitas 0.629 dan atribut rekomendasi 0.554. Reliabilitas konstruk dilihat dari reliabilitas gabungan.

[image:16.612.129.311.357.444.2]

Pada Tabel 3 menunjukkan bahwa seluruh dimensi sudah reliabel karena memiliki nilai reliabilitas gabungan lebih besar dari 0.7.

Tabel 3. Reliabilitas dimensi kepuasan No Dimensi Reliabilitas

1 Tempat 0.862

2 Perangkat keras 0.897 3 Perangkat lunak 0.867

4 Keandalan 0.898

5 Ketanggapan 0.930

6 Jaminan 0.902

7 Empati 0.916

8 Harga 1.000

9 Kepuasan 0.735

Selanjutnya koefisien dari masing-masing peubah indikator laten eksogen dijadikan sebagai nilai tingkat kepentingan atribut terhadap dimensinya. Berdasarkan besarnya koefisien nilai loading indikator eksogen pada Lampiran 10 secara umum tiap atribut mempunyai kontribusi yang hampir sama terhadap dimensinya masing-masing. Terdapat beberapa atribut yang berbeda nilai kontribusinya di antara atribut lainnya pada dimensinya masing-masing. Di antaranya adalah atribut A4 pada dimensi tempat, atribut B7 pada dimensi perangkat keras dan atribut C5 dan C6 pada dimensi perangkat lunak memiliki kontribusi terkecil di antara atribut yang lain.

13.60

10.10 10.71

14.81

12.58 12.83 12.88 12.49

0 2 4 6 8 10 12 14 16

Tempat Perangkat Keras

Perangkat Lunak

Keandalan Ketanggapan Jaminan Empati Harga

Dimensi Kepuasan

Gambar 1. Pengaruh total dimensi kepuasan.

[image:16.612.330.503.447.539.2]

(17)

₈

dan 12.49%. Sedangkan dim ensi perangkat keras dan perangkat lunak memiliki nilai pengaruh terhadap kepuasan lebih kecil di antara dimensi yang lain yaitu 10.10% dan 10.71%. Nilai tingkat kepentingan masing-masing dimensi dapat dipahami bahwa nilai-nilainya merupakan kontribusi nilai-nilai kepentingan atau pengaruh pada proses kepuasan secara keseluruhan.

Indeks Kepuasan Pengguna

Tabel 4 menyajikan besarnya kinerja dan tingkat kepentingan dari masing-masing dimensi terhadap kepuasan.

Tabel 4. Nilai kinerja dan kepentingan dimen si

Dimensi Kinerja Kepentingan

Tempat 5.12 2.27

Perangkat Keras 4.76 1.69 Perangkat Lunak 4.08 1.79

Keandalan 4.65 2.47

Ketanggapan 4.75 2.10

Jaminan 5.06 2.14

Empati 4.66 2.15

Harga 4.89 2.09

IKP (Skala 1-7) 4.76

Indeks kepuasan pengguna merupakan jumlah dari rataan terboboti kinerja masing-masing dimensi kepuasan dengan pembobotnya adalah tingkat kepentingannya. Berdasarkan perhitungan dalam skala 1 sampai dengan 7 diperoleh indeks kepuasan pengguna sebesar 4.76, sehingga dapat disimpulkan bahwa pengguna Cyber Mahasiswa IPB sudah puas dengan kualit as pelayanan yang telah diberikan oleh pengelola Cyber Mahasiswa IPB selama ini.

Diagram Impact-Performance

Berdasarkan diagram impact-performance

pada Gambar 2 ada beberapa dimensi yang harus menjadi perhatian utama.

4.0 4.4 4.8 5.2

1.6 1.9 2.2 2.5

Kepentingan

Kinerja

Keandalan Tempat Jaminan

Perangkat Lunak Perangkat Keras

Empati Harga

Ketanggapan

Gambar 2. Diagram impact-performance.

Dimensi keandalan dan emp ati berada pada kuadran IV, menunjukkan bahwa kedua dimensi ini tingkat kinerjanya relatif masih belum baik, namun tingkat kepentingannya terhadap kepuasan relatif tinggi dibandingkan dimensi yang lain artinya kinerjanya belum memenuhi atau sesuai dengan harapan pengguna. Kedua dimensi tersebut perlu ditingkatkan kinerjanya terutama dimensi keandalan, karena tingkat kepuasan pengguna cenderung masih rendah pada kedua dimensi tersebut sehingga dapat masuk pada kuadran I. Dimensi perangkat keras dan harga berada pada kuadran II, merupakan dimensi yang relatif memiliki tingkat kepentingan lebih rendah terhadap kepuasan dibandingkan dengan dimensi yang lain, namun memiliki kinerja yang relatif tinggi, sehingga kedua dimensi perlu dipertimbangkan kembali kinerjanya, karena dirasakan memiliki tingkat kinerja yang berlebihan.

Dimensi tempat, ketanggapan dan jaminan merupakan dimensi yang berada pada kuadran I yaitu dimensi yang memiliki memiliki kinerja yang sudah relatif tinggi dan memiliki tingkat kepentingan yang tinggi pula. Dimensi-dimensi tersebut merupakan keunggulan yang perlu terus dikelola dan dipertahankan, karena dimensi-dimensi tersebut dirasakan sudah sesuai atau puas oleh pengguna Cyber Mahasiswa IPB. Dimensi perangkat lunak berada pada kuadran III, sehingga dimensi tersebut disimpulkan sudah sesuai antara tingkat kepentingan terhadap kepuasan pengguna dengan kinerjanya. Peningkatan kinerja pada dimensi perangkat lunak dapat dipertimbangkan kembali karena dirasa tingkat kepentingannya terhadap kepuasan relatif kecil.

Kesimpulan

Hasil dugaan koefisien korelasi polikhorik selalu lebih besar dibandingkan dengan korelasi Pearson untuk data berskala ordinal, sedangkan penggunaan korelasi Pearson pada data berskala ordinal dalam model persamaan struktural menyebabkan dugaan loading faktor dan efek total yang cenderung lebih kecil dan memiliki ragam penduga yang cenderung lebih besar.

(18)

keandalan dan empati. Sedangkan dimensi tempat, ketanggapan dan jaminan harus dapat dipertahankan kinerjanya. Dimensi perangkat keras, perangkat lunak dan harga merupakan dimensi yang dapat dipertimbangkan kembali peningkatan kinerjanya.

DAFTAR PUSTAKA

Bollen KA. 1989. Structural Equations With Latent Variables, New York : John Wiley & Sons.

Dillon WR. dan M . Goldstein. 1984.

Multivariate Analysis Methods and Applications. Canada : John Wiley & Sons.

Drasgow F. 1985. Polychoric and Polyserial Correlation. In Kotz N, NL Johnson & CB Read.Ed. Encyclopedia of Statistical Science. Newyork : John Wiley & Sons Inc. USA vol.7 : 66-67.

Joreskog GK. 2004. Structural Equation Modelling with Ordinal Variabel. http : //www.ssicentral.com/lisrel/techdocs/ordi nal.pdf

[23 Oktober 2005]

Kelloway, EK. 1996. Using Lisrel for Structural Equation Modelling. International Review of Industrial: Organizational Psychology .

Kotler P. 1997. Marketing Manajemen “Analysis, Planning, Implementation & Control”. New Jersey : Prentice Hall Inc. Rangkuti F. 2003. Measuring Customer

Satisfaction. Jakarta : Gramedia Pustaka Utama.

Sharma S. 1996. Applied Multivariate Techniques. New York : John Wiley & Sons.

Suharyadi. 2004. Pengukuran Indeks Kepuasan Pelayanan Pengguna Perusahaan-perusahaan Elektronik. Skripsi. Fakultas Matematika dan Ilmu Pengetahuan Alam, Bogor : IPB.

(19)

(20)

Lampiran 1. Dimensi dan atribut dimensi kepuasan

Dimensi Kode Atribut

Tempat

A1 Kondisi gedung yang masih baik dan layak untuk sebuah rental internet

A2 Tempat yang strategis (mudah dijangkau/dekat dengan tempat tinggal/kost/tempat kuliah)

A3 Penataan ruang internet atau tata letak komputer A4 Kerapihan, kenyamanan dan kebersihan ruangan A5 Pencahayaan ruangan yang cukup

A6 Adanya penyejuk udara (AC) A7 Kenyamanan tempat duduk/kursi

Perangkat Keras

B1 Kebersihan komputer tiap unit

B2 Monitor komputer yang masih baik (layar monitor masih jelas) B3 Kondisi keybord yang masih baik (tulisan pada keybord masih jelas) B4 Mouse masih berfungsi dengan baik (mudah menggunakannya) B5 Disk drive A (floopy A) dap at berfungsi dengan baik

B6 USB untukakses flash disk dapat dapat berfungsi dengan baik B7 Kelengkapan fasilitas komputer (head set ,printer, scanner)

Perangkat Lunak

C1 Kelengkapan software yang digunakan

C2 Kualitas dan kecepatan akses internet (loading internet)

C3 Kualitas dan kecepatan akses komputer (loading program komputer) C4 Program tidak sering nge-hang/error (kestabilan software)

C5 Adanya program untuk melihat jumlah waktu pemakaian internet (otomatisasi waktu pemakaian)

C6 Adanya program untuk melakukan bloging terhadap virus komputer (keamanan program)

Keandalan

D1 Ketrampilan petugas (operator) dalam menanggapi keluhan pengguna D2 Ketrampilan petugas (operator) dalam mengatasi permasalahan teknis D3 Petugas (operator) mampu membimbing pengguna yang kesulitan D4 Petugas (operator) selalu ada ditempat

D5 Adanya petunjuk-petunjuk/katalog yang memudahkan untuk melakukan akses internet

D6 Komputer yang tersedia selalu dalam keadaaan siap dan dapat dipakai untuk akses int ernet

D6 Sistem keanggotaan (member) yang digunakan

Ketanggapan

E1 Kecepatan dan ketanggapan petugas (operator) dalam melayani pengakses/pengguna baru

E2 Kecepatan dan ketanggapan petugas (operator) dalam pembayaran

E3 Kecepatan dan ketanggapan petugas (operator) dalam menanggapi keluhan konsumen

E4 Kecepatan dan ketanggapan petugas (operator) dalam melakukan pencatatan

Jaminan

F1 Keramahan petugas (operator) dalam menanggapi keluhan konsumen F2 Kesopanan dan kerapihan petugas (operator) dalam berpakaian

F3 Kejujuran petugas (operator) dalam pembayaran/Jaminan sistem pencatatan transaksi yang akurat

F4 Privasi dalam melakukan aksesinternet

Empati

G1 Sikap petugas (operator) dalam menyambut pengguna yang baru datang G2 Sikap petugas (op erator) ketika pengguna selesai menggunakan G3 Kepekaan petugas (operator) saat menerima keluhan pengguna Harga H Tarif biaya akses internet

Kepuasan

I Kepuasan keseluruhan J Loyalitas

(21)

11

Lampiran 2. Parameter ambang peubah indikator

Atribut α1 α2 α3 α4 α5

I -2.601 -2.083 -1.041 0.671 2.083

J -2.601 -1.634 -0.217 1.125

K -2.083 -1.729 -1.041 -0.064 0.558 A1 -2.601 -1.991 -1.295 0.052 1.634 A2 -1.912 -1.194 -0.241 0.910 1.844 A3 -2.353 -1.784 -0.910 0.339 1.729 A4 -2.601 -1.478 -0.052 1.551 A5 -2.601 -1.912 -1.062 0.182 1.591 A6 -2.601 -2.199 -0.858 -0.076 1.125 A7 -2.601 -1.680 -0.793 0.326 1.680

B1 -1.991 -1.041 0.686 1.912

B2 -1.991 -1.002 0.265 1.784

B3 -1.991 -1.082 0.351 1.844

B4 -2.601 -1.380 -0.656 0.518 2.08 3 B5 -2.601 -1.444 -0.715 0.671 2.353 B6 -2.601 -1.444 -0.572 0.700 1.844 B7 -2.083 -0.700 0.314 1.194 2.353 C1 -2.199 -1.411 -0.326 1.062 2.199 C2 -1.513 -0.809 0.123 1.148 2.353 C3 -1.634 -1.022 -0.088 1.041 2.353 C4 -1.680 -1.022 -0.146 0.910 2.083 C5 -1.680 -1.041 -0.099 1.062 2.199 C6 -2.601 -1.411 -0.452 0.761 2.353 D1 -1.784 -1.444 -0.656 0.746 1.784 D2 -1.991 -1.680 -0.983 0.545 1.784 D3 -1.844 -1.478 -0.671 0.586 2.083 D4 -2.083 -1.634 -1.041 0.158 1.591 D5 -1.844 -1.022 0.064 1.041 2.199 D6 -1.513 -0.777 0.041 0.910 2.083 D7 -2.353 -1.844 -1.194 0.123 1.170 E1 -2.199 -1.591 -0.614 0.686 1.912 E2 -2.601 -1.784 -0.946 0.642 1.844 E3 -2.199 -1.551 -0.558 0.715 2.199

E4 -1.844 -0.858 0.656 2.083

F1 -2.353 -1.844 -0.842 0.656 1.729

F2 -2.083 -1.591 0.205 1.591

F3 -2.353 -1.380 0.205 1.634

(22)

I J K A 1 A 2 A 3 A 4 A 5 A 6 A 7 B1 B2 B3 B4 B5 B6 B7 C1 C2 C3 C4 C5 C6 D 1 D2 D 3 D4 D 5 D6 D 7 E1 E2 E3 E4 F 1 F 2 F 3 F 4 G 1 G 2 G 3 H

I 0.05 0 . 3 8 0.83 0 . 2 2 0.21 0 . 4 6 0 . 6 3 0 . 9 0 0 . 5 6 0.01 0 . 1 6 0.09 0 . 0 6 0.47 0 . 1 9 0.58 0 . 0 3 0.67 0 . 1 6 0.78 0 . 2 7 0.64 0 . 7 3 0.09 0 . 0 6 0.25 0 . 3 9 0.44 0 . 0 6 0.38 0 . 0 2 0.26 0 . 3 8 0.09 0 . 5 1 0 . 0 0 0 . 5 0 0 . 7 1 0 . 5 2 0 . 7 2 0.56

J 0 . 0 5 0 . 0 0 0.03 0 . 6 1 0.32 0 . 3 4 0 . 1 9 0 . 5 8 0 . 6 8 0.06 0 . 4 4 0.04 0 . 0 1 0.40 0 . 1 5 0.25 0 . 8 0 0.31 0 . 0 4 0.17 0 . 0 0 0.76 0 . 2 3 0.30 0 . 3 0 0.46 0 . 3 4 0.23 0 . 2 2 0.06 0 . 3 0 0.14 0 . 1 0 0.17 0 . 0 8 0 . 0 3 0 . 0 7 0 . 1 0 0 . 1 2 0 . 1 1 0.20

K 0 . 0 2 0.10 0.08 0 . 8 3 0.04 0 . 3 7 0 . 3 8 0 . 9 1 0 . 1 3 0.02 0 . 1 5 0.01 0 . 3 1 0.32 0 . 6 6 0.33 0 . 8 4 0.84 0 . 7 5 0.60 0 . 0 0 0 .5 1 0 . 0 7 0.72 0 . 1 6 0.53 0 . 7 3 0.05 0 . 4 5 0.70 0 . 6 0 0.56 0 . 3 1 0.65 0 . 8 6 0 . 4 2 0 . 4 0 0 . 6 4 0 . 8 9 0 . 1 0 0.01

A 1 0 . 0 0 0.06 0 . 0 4 0 . 9 1 0.42 0 . 8 8 0 . 0 1 0 . 0 2 0 . 5 0 0.90 0 . 3 0 0.28 0 . 5 4 0.37 0 . 3 2 0.80 0 . 9 2 0.74 0 . 3 5 0.23 0 . 0 2 0.90 0 . 4 3 0.40 0 . 6 5 0.96 0 . 4 5 0.17 0 . 1 4 0.02 0.0 8 0.19 0 . 3 0 0.35 0 . 5 1 0 . 4 9 0 . 2 3 0 . 2 4 0 . 3 4 0 . 2 9 0.30

A 2 0 . 0 3 0.00 0 . 0 0 0.00 0.11 0 . 2 6 0 . 3 0 0 . 2 1 0 . 6 0 0.51 0 . 7 6 0.46 0 . 4 5 0.03 0 . 3 2 0.31 0 . 2 0 0.55 0 . 1 2 0.12 0 . 0 5 0.05 0 . 4 5 0.07 0 . 0 1 0.64 0 . 0 2 0.14 0 . 2 0 0.04 0 . 0 3 0.03 0 . 1 4 0.36 0 . 6 9 0 . 5 2 0 . 6 5 0 . 5 1 0 . 4 9 0 . 0 1 0.83

A 3 0 . 0 3 0.02 0 . 0 5 0.01 0 . 0 4 0 . 0 3 0 . 1 0 0 . 0 6 0 . 1 7 0.20 0 . 1 0 0.20 0 . 4 9 0.41 0 . 0 5 0.80 0 . 0 3 0.72 0 . 3 9 0.58 0 . 5 5 0.48 0 . 9 4 0.36 0 . 8 8 0.03 0 . 8 4 0.59 0 . 0 0 0.09 0 . 3 6 0.41 0 . 4 1 0.31 0 . 0 2 0 . 0 1 0 . 0 4 0 . 1 0 0 . 3 3 0 . 4 2 0.03

A 4 0 . 0 0 0.02 0 . 0 2 0.00 0 . 0 3 0.06 0 . 2 3 0 . 4 0 0 . 2 6 0.93 0 . 2 3 0.35 0 . 1 8 0.51 0 . 1 0 0.96 0 . 1 2 0.86 0 . 6 8 0.18 0 . 6 8 0.74 0 . 7 8 0.22 0 . 6 9 0.91 0 . 8 6 0.34 0 . 0 3 0.75 0 . 2 3 0.40 0 . 5 4 0.27 0 . 2 0 0 . 4 6 0 . 8 3 0 . 0 3 0 . 0 0 0 . 1 2 0.77

A 5 0 . 0 0 0.04 0 . 0 2 0.07 0 . 0 2 0.04 0 . 0 3 0 . 1 7 0 . 0 1 0.05 0 . 0 5 0.06 0 . 8 7 0.43 0 . 0 3 0.04 0 .15 0.55 0 . 6 0 0.81 0 . 1 1 0.80 0 . 4 1 0.74 0 . 6 6 0.95 0 . 8 3 0.02 0 . 0 3 0.01 0 . 5 8 0.59 0 . 0 3 0.53 0 . 7 4 0 . 1 8 0 . 0 2 0 . 0 0 0 . 0 0 0 . 0 1 0.33

A 6 0 . 0 0 0.00 0 . 0 0 0.06 0 . 0 3 0.05 0 . 0 2 0 . 0 4 0 . 0 0 0.19 0 . 3 7 0.38 0 . 5 5 0.31 0 . 1 7 0.21 0 . 5 6 0.53 0 . 2 4 0.25 0 . 1 4 0.43 0 . 4 7 0.29 0 . 4 2 0 .15 0 . 7 3 0.04 0 . 2 3 0.27 0 . 3 2 0.60 0 . 2 4 0.25 0 . 0 3 0 . 6 5 0 . 5 7 0 . 0 4 0 . 3 2 0 . 4 4 0.26

A 7 0 . 0 0 0.00 0 . 0 4 0.00 0 . 0 0 0.04 0 . 0 3 0 . 0 6 0 . 0 7 0.14 0 . 1 6 0.07 0 . 5 4 0.19 0 . 3 7 0.29 0 . 0 3 0.37 0 . 6 6 0.19 0 . 0 5 0.89 0 . 1 9 0.61 0 . 4 1 0.46 0 . 5 8 0.13 0 . 1 6 0.14 0 . 0 5 0.07 0 . 1 2 0.57 0.4 2 0 . 0 6 0 . 0 6 0 . 1 1 0 . 6 9 0 . 5 7 0.07

B1 0 . 0 7 0.05 0 . 0 6 0.00 0 . 0 0 0.04 0 . 0 0 0 . 0 5 0 . 0 4 0 . 0 4 0 . 4 5 0.00 0 . 1 4 0.37 0 . 0 2 0.07 0 . 3 3 0.94 0 . 6 6 0.35 0 . 0 0 0.19 0 . 8 3 0.32 0 . 2 5 0.55 0 . 9 4 0.06 0 . 0 6 0.02 0 . 0 5 0.25 0 . 0 1 0.11 0 . 0 2 0 . 0 0 0 . 5 9 0 . 7 9 0 . 5 0 0 . 4 3 0.12

B2 0 . 0 4 0.01 0 . 0 4 0.03 0 . 0 0 0.05 0 . 0 3 0 . 0 5 0 . 0 2 0 . 0 4 0.00 0.06 0 . 3 8 0.29 0 . 0 5 0.01 0 . 2 6 0.64 0 . 7 0 0.12 0 . 2 1 0.30 0 . 9 0 0.30 0 . 7 7 0.10 0 . 7 3 0.10 0 . 0 1 0.05 0 . 0 5 0.36 0 . 0 6 0.29 0 . 0 2 0 . 0 1 0 . 0 0 0 . 3 1 0 . 3 1 0 . 3 2 0.20

B3 0 . 0 5 0.06 0 . 0 6 0.03 0 . 0 0 0.03 0 . 0 2 0 . 0 5 0 . 0 2 0 . 0 5 0.10 0 .05 0 . 1 6 0.46 0 . 0 7 0.05 0 . 0 1 0.72 0 . 8 0 0.03 0 . 0 7 0.13 0 . 3 4 0.15 0 . 1 5 0.01 0 . 7 6 0.00 0 . 1 2 0.04 0 . 0 3 0.31 0 . 0 0 0.12 0 . 0 0 0 . 0 2 0 . 4 4 0 . 0 4 0 . 0 0 0 . 0 2 0.87

B4 0 . 0 5 0.06 0 . 0 2 0.00 0 . 0 1 0.00 0 . 0 4 0 . 0 0 0 . 0 0 0 . 0 0 0.04 0 . 0 2 0.04 0.51 0 . 0 0 0.10 0 . 1 5 0.77 0 . 9 4 0.52 0 .61 0.49 0 . 0 4 0.03 0 . 4 1 0.02 0 . 9 2 0.08 0 . 0 5 0.11 0 . 1 9 0.06 0 . 0 2 0.20 0 . 0 2 0 . 1 5 0 . 3 2 0 . 1 5 0 . 5 2 0 . 2 9 0.45

B5 0 . 0 0 0.02 0 . 0 2 0.02 0 . 0 5 0.01 0 . 0 0 0 . 0 1 0 . 0 2 0 . 0 3 0.02 0 . 0 3 0.00 0 . 0 0 0 . 0 0 0.20 0 . 9 4 0.31 0 . 1 6 0.85 0 . 3 9 0.27 0 . 5 0 0.18 0 . 6 9 0.26 0 . 2 4 0.90 0 . 4 0 0 .27 0 . 1 4 0.05 0 . 1 0 0.64 0 . 7 3 0 . 4 9 0 . 2 8 0 . 2 9 0 . 3 3 0 . 2 9 0.06

B6 0 . 0 3 0.04 0 . 0 0 0.02 0 . 0 2 0.05 0 . 0 5 0 . 0 5 0 . 0 4 0 . 0 2 0.06 0 . 0 5 0.05 0 . 0 7 0.08 0.03 0 . 4 1 0.30 0 . 2 9 0.35 0 . 2 1 0.30 0 . 6 0 0.20 0 . 1 7 0.61 0 . 6 1 0.53 0 . 1 0 0.24 0 . 2 0 0.09 0 . 0 2 0.65 0 . 0 1 0 . 0 7 0 . 0 8 0 . 1 1 0.6 8 0 . 7 2 0.47

B7 0 . 0 0 0.03 0 . 0 2 0.00 0 . 0 2 0.00 0 . 0 0 0 . 0 5 0 . 0 3 0 . 0 3 0.05 0 . 0 6 0.05 0 . 0 4 0.03 0 . 0 5 0 . 9 1 0.38 0 . 1 9 0.03 0 . 2 0 0.01 0 . 4 6 0.93 0 . 2 5 0.58 0 . 6 0 0.48 0 . 4 5 0.04 0 . 1 5 0.27 0 . 4 6 0.22 0 . 4 6 0 . 1 4 0 . 1 3 0 . 9 9 0 . 8 7 0 . 3 2 0.12

C1 0 . 0 5 0.00 0 . 0 0 0.00 0 . 0 3 0.05 0 . 0 4 0 . 0 4 0 . 0 0 0 . 0 5 0.02 0 . 0 3 0.06 0 . 0 4 0.00 0 . 0 1 0.00 0.96 0 . 8 0 0.52 0 . 0 4 0.16 0 . 0 9 0.07 0 . 0 5 0.22 0 . 7 1 0.03 0 . 0 0 0.14 0 . 0 1 0.16 0 . 0 2 0.00 0 . 0 7 0 . 0 1 0 . 1 2 0 . 3 9 0 . 3 0 0 . 1 5 0.39

C2 0 . 0 0 0.02 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 2 0.00 0 . 0 0 0.00 0 . 0 0 0.02 0 .02 0.02 0 . 0 0 0 . 0 7 1.00 0 . 1 9 0.80 0 . 5 1 0.96 0 . 3 2 0.37 0 . 8 5 0.35 0 . 2 8 0.07 0 . 3 1 0.95 0 . 6 4 0.72 0 . 7 1 0 . 8 9 0 . 3 6 0 . 2 3 0 . 8 5 0 . 8 3 0.51

C3 0 . 0 4 0.05 0 . 0 0 0.02 0 . 0 4 0.02 0 . 0 0 0 . 0 0 0 . 0 3 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 0 0.04 0 . 0 3 0.03 0 . 0 0 0.05 0.40 0 . 0 2 0.76 0 . 6 7 0.92 0 .17 0.32 0 . 3 5 0.02 0 . 1 3 0.07 0 . 1 6 0.85 0 . 6 4 0.49 0 . 7 0 0 . 6 1 0 . 2 7 0 . 5 3 0 . 8 8 0 . 2 4 0.29

C4 0 . 0 0 0.04 0 . 0 0 0.03 0 . 0 4 0.00 0 . 0 4 0 . 0 0 0 . 0 3 0 . 0 3 0.02 0 . 0 4 0.06 0 . 0 0 0.00 0 . 0 2 0.05 0 . 0 0 0.00 0 . 0 2 0 . 0 7 0.10 0 . 0 9 0.47 0 . 1 8 0.22 0 . 0 7 0.00 0 . 1 0 0.00 0 . 0 1 0.42 0 . 0 1 0 .18 0 . 0 9 0 . 0 6 0 . 1 1 0 . 1 3 0 . 0 5 0 . 2 6 0.03

C5 0 . 0 3 0.07 0 . 0 9 0.06 0 . 0 5 0.00 0 . 0 0 0 . 0 4 0 . 0 4 0 . 0 5 0.08 0 . 0 3 0.05 0 . 0 0 0.02 0 . 0 3 0.03 0 . 0 5 0.03 0 . 0 6 0.05 0.01 0 . 0 2 0.01 0 . 1 0 0.21 0 . 0 6 0.16 0 . 3 7 0.01 0 . 0 1 0.29 0 . 3 2 0.37 0 . 0 1 0 . 0 4 0 . 6 4 0 . 3 2 0 . 2 3 0 . 0 7 0.29

C6 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 5 0.00 0 . 0 0 0 . 0 0 0 . 0 1 0 . 0 0 0.04 0 . 0 3 0.04 0 . 0 0 0.03 0 . 0 2 0.06 0 . 0 4 0.00 0 . 0 0 0.04 0 . 0 7 0 . 9 8 0.86 0 . 4 9 0.77 0 . 3 1 0.31 0 . 6 2 0.31 0 . 4 2 0.94 0 . 5 9 0.90 0 . 7 6 0 . 7 0 0 . 6 1 0 . 2 9 0 . 2 3 0 . 4 8 0.38

D 1 0 . 0 0 0.03 0 . 0 5 0.01 0 . 0 1 0.00 0 . 0 0 0 . 0 1 0 . 0 0 0 . 0 3 0.00 0 . 0 0 0.02 0 . 0 5 0.00 0 . 0 0 0.00 0 . 0 4 0.00 0 . 0 0 0.04 0 . 0 6 0.00 0.00 0 . 1 2 0.13 0 . 9 8 0.21 0 . 2 4 0.51 0 . 0 1 0.01 0 . 1 2 0.32 0 . 0 7 0 . 0 4 0 . 8 9 0 . 0 1 0 . 0 8 0 . 5 2 0.38

D 2 0 . 0 4 0.03 0 . 0 0 0.01 0 . 0 5 0.02 0 . 0 3 0 . 0 0 0 . 0 3 0 . 0 0 0.02 0 . 0 3 0.04 0 . 0 5 0.03 0 . 0 3 0.00 0 . 0 5 0.00 0 .00 0.00 0 . 0 6 0.00 0 . 0 6 0 . 0 0 0.24 0 . 9 7 0.51 0 . 1 5 0.24 0 . 0 0 0.15 0 . 1 3 0.01 0 . 1 3 0 . 0 3 0 . 8 5 0 . 0 4 0 . 0 2 0 . 1 6 0.39

D 3 0 . 0 5 0.03 0 . 0 4 0.00 0 . 0 6 0.00 0 . 0 0 0 . 0 0 0 . 0 1 0 . 0 1 0.03 0 . 0 0 0.04 0 . 0 1 0.00 0 . 0 4 0.03 0 . 0 5 0.02 0 . 0 4 0.04 0 . 0 4 0.00 0 . 0 4 0.07 0.01 0 . 5 6 0.16 0 .06 0.01 0 . 1 5 0.24 0 . 3 6 0.23 0 . 0 0 0 . 0 0 0 . 0 4 0 . 4 2 0 . 2 9 0 . 8 0 0.19

D 4 0 . 0 3 0.00 0 . 0 0 0.00 0 . 0 0 0.05 0 . 0 0 0 . 0 0 0 . 0 4 0 . 0 0 0.00 0 . 0 5 0.06 0 . 0 6 0.03 0 . 0 0 0.00 0 . 0 3 0.02 0 . 0 2 0.03 0 . 0 3 0.00 0 . 0 4 0.03 0 . 0 6 0 . 2 4 0.21 0 . 0 4 0.28 0 . 0 5 0.66 0 . 6 6 0.60 0 . 2 3 0 . 0 8 0 . 5 4 0 .4 3 0 . 5 9 0 . 8 2 0.35

D 5 0 . 0 2 0.02 0 . 0 0 0.01 0 . 0 6 0.00 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 0 0.03 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 2 0.05 0 . 0 5 0.02 0 . 0 0 0.00 0 . 0 0 0.03 0.35 0 . 0 6 0.03 0 . 0 9 0.07 0 . 1 3 0.65 0 . 0 5 0 . 1 6 0 . 8 3 0 . 0 9 0 . 2 3 0 . 0 2 0.92

D 6 0 . 0 1 0.03 0 . 0 5 0.04 0 . 0 4 0.00 0 . 0 2 0 . 0 6 0 . 0 5 0 . 0 4 0.05 0 . 0 4 0.08 0 . 0 5 0.00 0 . 0 0 0.00 0 . 0 5 0.02 0 . 0 6 0.07 0 . 0 4 0.02 0 . 0 3 0.00 0 . 0 4 0.03 0 . 0 2 0 . 0 0 0.05 0 . 2 2 0.39 0 . 0 4 0.10 0 . 0 2 0 . 0 0 0 . 6 3 0 . 1 0 0 . 1 4 0 . 1 4 0.06

D 7 0 . 0 5 0.03 0 . 0 1 0.04 0 . 0 3 0.08 0 . 0 6 0 . 0 5 0 . 0 3 0 . 0 4 0.05 0 . 0 7 0.04 0 . 0 5 0.02 0 . 0 4 0.01 0 . 0 7 0.03 0 . 0 4 0.04 0 . 0 2 0.00 0 . 0 3 0.04 0 . 0 5 0.05 0 . 0 5 0.08 0.01 0 . 1 5 0.00 0 . 0 4 0.20 0 . 0 2 0 . 0 1 0 . 0 0 0 . 0 2 0 . 0 1 0 . 0 7 0.10

E1 0 . 0 2 0.05 0 . 0 0 0.06 0 . 0 5 0.04 0 . 0 0 0 . 0 6 0 . 0 3 0 . 0 4 0.06 0 . 0 5 0.05 0 . 0 4 0.03 0 . 0 3 0.05 0 . 0 4 0.05 0 . 0 5 0.07 0 . 0 6 0.02 0 .00 0.03 0 . 0 6 0.03 0 . 0 5 0.05 0 . 0 7 0 . 0 0 0.01 0 . 8 4 0.31 0 . 0 2 0 . 0 1 0 . 5 1 0 . 0 1 0 . 0 0 0 . 0 7 0.52

E2 0 . 0 6 0.03 0 . 0 0 0.05 0 . 0 5 0.02 0 . 0 3 0 . 0 0 0 . 0 2 0 . 0 5 0.05 0 . 0 5 0.06 0 . 0 3 0.04 0 . 0 3 0.04 0 . 0 6 0.02 0 . 0 4 0.07 0 . 0 6 0.01 0 . 0 6 0.08 0 . 0 4 0.05 0 . 0 4 0.03 0 . 0 4 0.13 0.00 0 .00 0.28 0 . 0 0 0 . 0 0 0 . 0 3 0 . 0 9 0 . 0 2 0 . 0 0 0.44

E3 0 . 0 3 0.04 0 . 0 0 0.03 0 . 0 6 0.01 0 . 0 2 0 . 0 0 0 . 0 0 0 . 0 5 0.03 0 . 0 2 0.03 0 . 0 5 0.05 0 . 0 4 0.03 0 . 0 4 0.00 0 . 0 0 0.01 0 . 0 3 0.00 0 . 0 6 0.04 0 . 0 3 0.00 0 . 0 4 0.02 0 . 0 7 0.06 0 . 1 0 0 . 0 0 0.16 0 . 0 1 0 . 0 1 0 . 3 1 0 . 4 6 0 . 3 2 0 . 0 6 0.67

E4 0 . 0 2 0.05 0 . 0 2 0.03 0 . 0 4 0.01 0 . 0 0 0 . 0 6 0 . 0 3 0 . 0 4 0.07 0 . 0 5 0.08 0 . 0 6 0.05 0 . 0 6 0.00 0 . 0 6 0.00 0 . 0 0 0.07 0 . 0 2 0.00 0 . 0 4 0.04 0 . 0 2 0.00 0 . 0 4 0.05 0 . 0 6 0.00 0 . 1 0 0.07 0.35 0 . 0 8 0 . 1 2 0 . 0 4 0 . 2 5 0 . 7 3 0 . 1 7 0.07

F 1 0 . 0 4 0.04 0 . 0 0 0.02 0 . 0 2 0.02 0 . 0 3 0 . 0 0 0 . 0 3 0 . 0 0 0.04 0 . 0 3 0.04 0 . 0 3 0.00 0 . 0 0 0.03 0 . 0 7 0.00 0 . 0 0 0.03 0 . 0 2 0.00 0 . 0 2 0.06 0 . 0 3 0.00 0 . 0 0 0.04 0 . 0 3 0.02 0 . 0 3 0.04 0 . 0 2 0 . 0 0 0 . 0 0 0 . 1 8 0 . 3 0 0 . 3 8 0 . 4 0 0.32

F 2 0 . 0 0 0.05 0 . 0 0 0.00 0 . 0 0 0.06 0 . 0 4 0 . 0 0 0 . 0 6 0 . 0 1 0.07 0 . 0 6 0.09 0 . 0 6 0.00 0 . 0 6 0.00 0 . 0 5 0.00 0 . 0 0 0.05 0 . 0 7 0.00 0 . 0 5 0.04 0 . 0 7 0.03 0 . 0 5 0.06 0 . 0 6 0.06 0 . 0 9 0.06 0 . 0 5 0.07 0 . 0 0 0 . 0 0 0 . 0 5 0 . 0 2 0 . 0 9 0.09

F 3 0 . 0 7 0.06 0 . 0 1 0.00 0 . 0 0 0.06 0 . 0 0 0 . 0 4 0 . 0 0 0 . 0 5 0.10 0 . 0 7 0.07 0 . 0 4 0.00 0 . 0 5 0.04 0 . 0 7 0.00 0 . 0 0 0.05 0 . 0 5 0.00 0 . 0 5 0.06 0 . 0 8 0.05 0 .04 0.08 0 . 0 7 0.06 0 . 0 7 0.07 0 . 0 5 0.08 0 . 1 1 0 . 0 0 0 . 0 0 0 . 0 0 0 . 0 1 0.42

F 4 0 . 0 0 0.05 0 . 0 1 0.03 0 . 0 0 0.05 0 . 0 0 0 . 0 6 0 . 0 0 0 . 0 5 0.00 0 . 0 7 0.01 0 . 0 2 0.03 0 . 0 4 0.04 0 . 0 4 0.02 0 . 0 3 0.04 0 . 0 0 0.00 0 . 0 0 0.00 0 . 0 5 0.00 0 . 0 0 0.00 0 . 0 7 0.00 0 . 0 5 0.02 0 . 0 6 0.04 0 . 0 7 0 .0 9 0 . 4 3 0 . 6 2 0 . 2 9 0.16

G 1 0 . 0 0 0.05 0 . 0 0 0.03 0 . 0 0 0.04 0 . 0 6 0 . 0 8 0 . 0 5 0 . 0 4 0.00 0 . 0 3 0.05 0 . 0 4 0.03 0 . 0 4 0.00 0 . 0 2 0.03 0 . 0 0 0.04 0 . 0 2 0.03 0 . 0 6 0.05 0 . 0 1 0.01 0 . 0 4 0.04 0 . 0 6 0.06 0 . 0 4 0.00 0 . 0 3 0.03 0 . 0 5 0 . 0 9 0 . 0 1 0 . 0 1 0 . 0 0 0.70

G 2 0 . 0 0 0.04 0 . 0 0 0.02 0 . 0 0 0.02 0 . 0 8 0 . 0 7 0 . 0 2 0 . 0 0 0.00 0 . 0 2 0.07 0 . 0 0 0.02 0 . 0 0 0.00 0 . 0 3 0.00 0 . 0 0 0.05 0 . 0 3 0.03 0 . 0 4 0.06 0 . 0 3 0.00 0 . 0 3 0.04 0 . 0 6 0.08 0 . 0 6 0.02 0 . 0 0 0.02 0 . 0 6 0 . 0 9 0 . 0 0 0 . 0 6 0 . 0 0 0.38

G 3 0 . 0 0 0.04 0 . 0 4 0.03 0 . 0 7 0.01 0 . 0 4 0 . 0 6 0 . 0 1 0 . 0 0 0.01 0 . 0 2 0.06 0 . 0 3 0.03 0 . 0 0 0.02 0 . 0 4 0.00 0 . 0 3 0.03 0 . 0 5 0.00 0 . 0 0 0.04 0 . 0 0 0.00 0 . 0 5 0.04 0 . 0 5 0.05 0 . 0 8 0.05 0 . 0 4 0.02 0 . 0 5 0 . 0 7 0 . 0 3 0 . 0 7 0 . 0 7 0.63

(23)

13

Lampiran 4. Matriks korelasi P earson (atas diagonal) dan korelasi polikhorik (bawah diagonal) peubah indikator

I J K A 1 A 2 A 3 A 4 A 5 A 6 A 7 B1 B2 B3 B4 B5 B6 B7 C1 C2 C3 C4 C5 C6 D 1 D2 D 3 D4 D 5 D6 D 7 E1 E2 E3 E4 F 1 F 2 F 3 F 4 G 1 G 2 G 3 H

I 1 0.48 0 . 3 7 0.42 0 . 2 6 0.33 0 . 4 0 0 . 3 5 0 . 3 1 0 . 4 0 0.28 0 . 2 9 0.30 0 . 2 5 0.32 0 . 3 3 0.27 0 . 3 8 0.44 0 . 3 1 0.38 0 . 2 7 0.35 0 . 5 3 0.56 0 . 4 1 0.39 0 . 3 5 0.40 0 . 3 4 0.51 0 . 3 9 0.46 0 . 4 2 0.40 0 . 3 7 0 . 3 2 0 . 5 0 0 . 4 6 0 . 4 3 0 . 5 0 0.49

J 0 . 5 4 1 0 . 5 3 0.18 0 . 1 5 0.24 0 . 2 1 0 . 2 1 0 . 2 8 0 . 2 0 0.04 0 . 1 5 0.22 0 . 1 7 0.11 0 . 1 3 0.19 0 . 2 7 0.27 0 . 2 8 0.31 0 . 1 6 0.34 0 . 3 6 0.41 0 . 3 3 0.30 0 . 2 7 0.26 0 . 3 1 0.36 0 . 3 5 0.32 0 . 2 7 0.29 0 . 2 8 0 . 2 4 0 . 3 1 0 . 3 0 0 . 2 8 0 . 3 0 0.39

K 0 . 4 4 0.59 1 0 .24 0 . 1 3 0.21 0 . 3 2 0 . 2 5 0 . 2 2 0 . 2 2 0.13 0 . 1 4 0.20 0 . 1 6 0.23 0 . 2 3 0.21 0 . 2 9 0.22 0 . 1 8 0.18 0 . 1 3 0.15 0 . 3 1 0.39 0 . 2 3 0.32 0 . 2 7 0.19 0 . 2 7 0.30 0 . 3 3 0.26 0 . 3 0 0.33 0 . 2 7 0 . 3 3 0 . 3 0 0 . 2 3 0 . 2 1 0 . 2 0 0.39

A 1 0 . 5 2 0.28 0 . 3 0 1 0 . 3 1 0.46 0 . 5 3 0 . 4 0 0 . 3 1 0 . 4 4 0.51 0 . 3 4 0.25 0 . 2 5 0.25 0 . 3 3 0.29 0 . 4 2 0.47 0 . 3 8 0.34 0 . 2 7 0.17 0 . 3 5 0.29 0 . 3 6 0.38 0 . 3 1 0.45 0 . 2 2 0.35 0 . 3 0 0.36 0 . 3 8 0.28 0 . 3 1 0 . 3 6 0 . 4 6 0 . 3 5 0 . 3 7 0 . 2 9 0.21

A 2 0 . 3 5 0.16 0 . 1 6 0.39 1 0.21 0 . 2 3 0 . 1 2 0 . 1 8 0 . 2 0 0.20 0 . 1 9 0.09 0 . 1 2 0.11 0 . 2 2 0.13 0 . 2 0 0.17 0 . 1 6 0.15 0 .11 0.13 0 . 2 0 0.11 0 . 1 3 0.18 0 . 2 1 0.25 0 . 1 0 0.24 0 . 1 5 0.23 0 . 1 6 0.15 0 . 2 2 0 . 1 2 0 . 2 2 0 . 1 8 0 . 1 3 0 . 1 8 0.28

A 3 0 . 4 5 0.35 0 . 2 8 0.58 0 . 2 6 1 0 . 5 0 0 . 4 2 0 . 2 4 0 . 4 7 0.31 0 . 3 1 0.35 0 . 3 6 0.29 0 . 2 8 0.29 0 . 3 8 0.37 0 . 2 8 0.32 0 . 2 8 0.23 0 . 3 3 0.35 0 . 3 7 0.23 0 . 2 7 0.43 0 . 2 0 0 .23 0 . 2 9 0.31 0 . 2 4 0.23 0 . 2 6 0 . 2 5 0 . 4 3 0 . 2 5 0 . 2 7 0 . 2 2 0.14

A 4 0 . 4 8 0.29 0 . 3 6 0.65 0 . 2 6 0.68 1 0 . 5 0 0 . 3 4 0 . 4 3 0.41 0 . 3 8 0.41 0 . 3 4 0.33 0 . 3 1 0.20 0 . 3 4 0.34 0 . 3 1 0.34 0 . 2 3 0.18 0 . 3 4 0.38 0 . 3 5 0.41 0 . 2 8 0.39 0 . 3 4 0.30 0 . 3 2 0.35 0 . 3 3 0.29 0 . 4 2 0 . 4 8 0 . 4 5 0 . 2 4 0 .31 0 . 3 1 0.22

A 5 0 . 4 6 0.30 0 . 2 9 0.49 0 . 1 4 0.52 0 . 6 0 1 0 . 4 2 0 . 4 8 0.29 0 . 3 0 0.40 0 . 3 7 0.27 0 . 3 6 0.13 0 . 2 6 0.24 0 . 2 2 0.21 0 . 1 6 0.25 0 . 2 3 0.27 0 . 2 9 0.32 0 . 1 8 0.26 0 . 2 6 0.26 0 . 2 8 0.24 0 . 2 4 0.19 0 . 2 5 0 . 3 1 0 . 2 6 0 . 2 0 0 . 2 4 0 . 1 9 0.20

A 6 0 . 4 0 0.32 0 . 2 6 0.41 0 . 2 1 0 .32 0 . 4 8 0 . 5 4 1 0 . 4 2 0.26 0 . 2 6 0.26 0 . 2 4 0.20 0 . 3 4 0.07 0 . 1 2 0.21 0 . 1 9 0.13 0 . 0 4 0.10 0 . 1 4 0.25 0 . 1 2 0.25 0 . 1 0 0.24 0 . 2 4 0.21 0 . 2 1 0.19 0 . 1 6 0.24 0 . 1 9 0 . 1 8 0 . 2 3 0 . 1 5 0 . 1 9 0 . 1 6 0.20

A 7 0 . 5 8 0.28 0 . 2 9 0.57 0 . 2 5 0.55 0 . 5 6 0 . 5 7 0 . 5 3 1 0.42 0 . 3 9 0.36 0 . 3 0 0.40 0 . 4 2 0.21 0 . 2 6 0.27 0 . 2 3 0.31 0 . 2 7 0.17 0 . 3 1 0.26 0 . 3 1 0.24 0 . 2 7 0.30 0 . 2 2 0.33 0 . 2 9 0.27 0 . 2 6 0.25 0 . 2 5 0 . 2 6 0 . 4 5 0 . 3 0 0 . 3 2 0 . 2 8 0.11

B1 0 . 4 6 0.14 0 . 2 1 0.65 0 . 2 9 0.48 0 . 5 4 0 . 4 1 0 . 3 9 0 . 5 5 1 0 . 5 2 0.43 0 . 3 8 0.42 0 . 3 9 0.32 0 . 3 6 0.33 0 . 2 8 0.25 0 . 2 6 0.19 0 . 2 7 0.24 0 . 2 7 0.31 0 . 2 4 0.41 0 . 3 2 0.35 0 . 2 2 0.31 0 . 3 1 0.31 0 . 3 9 0 . 3 5 0 . 3 5 0 . 2 6 0 . 3 9 0 . 3 3 0.14

B2 0 . 4 2 0.22 0 . 2 1 0.47 0 . 2 3 0.42 0 . 5 2 0 . 4 0 0 . 3 7 0 . 5 0 0.70 1 0.73 0 . 5 9 0.44 0 . 4 0 0.14 0 . 3 4 0.33 0 . 3 2 0.40 0 . 2 4 0.23 0 . 2 7 0.27 0 . 3 2 0.25 0 . 1 9 0.33 0 . 3 0 0.31 0 . 2 3 0.28 0 . 2 7 0.27 0 . 3 1 0 . 2 2 0 . 2 9 0 . 1 7 0 . 2 2 0 . 2 6 0.21

B3 0 . 4 1 0.27 0 . 2 6 0.34 0 . 1 0 0.44 0 . 5 2 0 . 4 6 0 . 3 5 0 . 4 5 0.60 0 . 8 3 1 0 . 6 5 0.46 0 . 3 8 0.22 0 . 3 5 0.30 0 . 3 8 0.40 0 . 2 6 0.27 0 . 2 6 0.29 0 . 3 3 0.32 0 . 2 1 0.29 0 . 3 3 0.30 0 . 2 9 0.29 0 . 2 8 0.26 0 . 2 9 0 . 2 1 0 . 2 5 0 . 1 5 0 . 2 1 0 . 2 8 0.18

B4 0 . 3 6 0.23 0 . 2 1 0.34 0 . 1 5 0.47 0 . 4 5 0 . 4 4 0 . 3 4 0 . 4 2 0.53 0 . 7 1 0.75 1 0.54 0 . 4 3 0.26 0 . 3 6 0.37 0 . 3 5 0.41 0 . 1 9 0.25 0 . 2 6 0.26 0 . 3 0 0.18 0 . 2 5 0.36 0 . 2 3 0.23 0 . 2 6 0.27 0 . 2 8 0.24 0 . 2 1 0 . 1 9 0 . 2 5 0 . 1 6 0 . 2 0 0 . 2 4 0.17

B5 0 . 4 0 0.12 0 . 2 5 0.36 0 . 1 3 0.36 0 . 4 2 0 . 3 1 0 .31 0 . 5 1 0.60 0 . 5 8 0.60 0 . 6 8 1 0 . 6 6 0.35 0 . 4 3 0.31 0 . 2 4 0.38 0 . 2 7 0.26 0 . 2 3 0.30 0 . 2 9 0.25 0 . 2 2 0.32 0 . 1 9 0.29 0 . 2 4 0.26 0 . 2 2 0.27 0 . 2 5 0 . 2 5 0 . 3 6 0 . 1 9 0 . 2 0 0 . 2 3 0.18

B6 0 . 3 8 0.14 0 . 2 6 0.48 0 . 3 0 0.36 0 . 3 8 0 . 4 2 0 . 4 3 0 . 5 2 0.58 0 . 5 3 0.48 0 . 5 3 0.73 1 0.33 0 . 3 1 0.28 0 . 1 7 0.25 0 . 1 6 0.16 0 . 1 8 0.23 0 . 1 7 0.18 0 . 1 3 0.28 0 . 1 1 0.22 0 . 1 4 0.17 0 . 1 6 0.25 0 . 2 3 0 . 1 7 0 . 3 1 0 . 1 9 0 . 1 7 0 . 2 0 0.11

B7 0 . 3 2 0.21 0 . 2 8 0.37 0 . 1 5 0.37 0 . 2 5 0 . 2 1 0 . 1 1 0 . 3 1 0.39 0 . 1 8 0.32 0 . 3 0 0.42 0 . 3 6 1 0 . 4 4 0.26 0 . 2 1 0.28 0 . 2 7 0.33 0 . 2 3 0.27 0 . 2 9 0.21 0 . 3 6 0.39 0 . 2 0 0.28 0 . 2 6 0.30 0 . 2 7 0.23 0 . 1 9 0 . 2 3 0 . 3 9 0 . 3 5 0 . 3 1 0 . 3 0 0.17

C1 0 . 4 8 0.31 0 . 3 4 0.52 0 . 2 5 0.48 0 . 4 2 0 . 3 3 0 . 1 6 0 . 3 5 0.48 0 . 4 3 0.43 0 . 4 7 0.54 0 . 3 8 0.52 1 0.54 0 . 5 4 0.50 0 . 3 4 0.37 0 . 2 7 0.35 0 . 3 5 0.31 0 . 3 3 0.41 0 . 2 1 0.34 0 . 2 7 0.37 0 . 3 6 0.29 0 . 3 3 0 . 2 9 0 . 4 5 0 . 3 4 0 . 3 7 0 . 2 9 0.24

C2 0 . 5 1 0.32 0 . 2 6 0.56 0 . 2 0 0.44 0 . 4 1 0 . 2 7 0 . 2 7 0 . 3 6 0.43 0 . 3 8 0.34 0 . 4 5 0.41 0 . 3 1 0.31 0 . 6 4 1 0 . 8 2 0.59 0 . 3 3 0.33 0 . 3 8 0.30 0 . 3 5 0.33 0 . 3 0 0.44 0 . 2 2 0.36 0 . 2 5 0.37 0 . 3 5 0.19 0 . 2 2 0 . 2 5 0 . 3 2 0 . 2 3 0 . 2 7 0 . 2 8 0.29

C3 0 . 4 0 0.34 0 . 2 3 0.48 0 . 1 9 0.36 0 . 4 0 0 . 2 4 0 . 2 6 0 . 3 2 0.36 0 . 3 8 0.42 0 . 4 3 0.36 0 . 2 3 0.27 0 . 6 3 0.91 1 0.60 0 . 3 0 0.34 0 . 3 2 0.28 0 . 3 5 0.32 0 . 2 9 0.37 0 . 3 1 0.36 0 . 3 3 0.39 0 . 3 5 0.20 0 . 2 1 0 . 2 7 0 . 2 6 0 . 2 3 0 . 2 6 0 . 2 7 0.27

C4 0 . 4 8 0.38 0 . 2 2 0.44 0 . 2 0 0.39 0 . 4 3 0 . 2 6 0 . 1 7 0 . 4 1 0.37 0 . 5 0 0.48 0 . 5 2 0.51 0 . 3 5 0.32 0 . 6 1 0.67 0 . 7 1 1 0 . 4 1 0.36 0 . 4 3 0.36 0 . 4 2 0.35 0 . 3 7 0.48 0 . 2 2 0.41 0 . 3 7 0.44 0 . 4 0 0.30 0 . 2 6 0 . 3 1 0 . 3 8 0 . 3 6 0 . 3 4 0 . 3 8 0.22

C5 0 . 3 3 0.14 0 . 1 0 0.31 0 . 1 3 0.33 0 . 3 0 0 . 2 0 0 . 0 8 0 . 3 2 0.30 0 . 2 8 0.30 0 . 2 8 0.31 0 . 1 8 0.31 0 . 4 1 0.37 0 . 3 7 0.47 1 0.43 0 . 3 7 0.37 0 . 4 5 0.16 0 . 3 7 0.37 0 . 2 9 0.35 0 . 3 0 0.31 0 . 3 2 0.26 0 . 2 2 0 . 2 3 0 . 3 0 0 . 2 8 0 . 2 6 0 . 3 3 0.20

C6 0 . 3 9 0.40 0 . 1 6 0.22 0 . 1 5 0.32 0 . 2 7 0 . 3 0 0 . 1 7 0 . 2 2 0.23 0 . 2 9 0.34 0 . 3 9 0.32 0 . 2 0 0.36 0 . 4 3 0.36 0 . 3 9 0.43 0 . 4 8 1 0 . 3 0 0.39 0 . 2 8 0.33 0 . 3 4 0.24 0.3 1 0.38 0 . 2 5 0.33 0 . 2 7 0.24 0 . 2 2 0 . 2 0 0 . 2 5 0 . 2 5 0 . 2 5 0 . 2 8 0.21

D 1 0 . 6 1 0.40 0 . 3 4 0.41 0 . 2 5 0.41 0 . 3 7 0 . 3 0 0 . 1 9 0 . 3 7 0.33 0 . 3 6 0.34 0 . 3 7 0.27 0 . 2 1 0.27 0 . 3 5 0.41 0 . 3 8 0.46 0 . 4 2 0.38 1 0.77 0 . 7 0 0.49 0 . 4 8 0.44 0 . 3 5 0.67 0 . 5 0 0.64 0 . 5 8 0.53 0 . 4 4 0 . 3 8 0 . 4 6 0.5 2 0 . 4 5 0 . 6 4 0.25

D 2 0 . 6 6 0.49 0 . 4 4 0.38 0 . 1 5 0.48 0 . 4 7 0 . 3 6 0 . 3 2 0 . 3 7 0.36 0 . 3 7 0.41 0 . 3 7 0.36 0 . 2 4 0.35 0 . 4 6 0.36 0 . 3 6 0.43 0 . 4 5 0.52 0 . 8 5 1 0 . 6 6 0.48 0 . 4 7 0.39 0 . 3 9 0.64 0 . 5 0 0.64 0 . 5 8 0.50 0 . 4 4 0 . 4 4 0 . 4 9 0 . 4 6 0 . 4 2 0 . 5 7 0.29

D 3 0 . 5 2 0.39 0 . 3 0 0.46 0 . 1 2 0.46 0 . 4 6 0 . 3 8 0 . 2 1 0 . 4 0 0.39 0 . 4 1 0.41 0 . 3 8 0.35 0 . 2 0 0.35 0 . 4 4 0.39 0 . 4 0 0.48 0 . 5 1 0.38 0 . 7 5 0.75 1 0.46 0 . 4 9 0.50 0 . 4 1 0.63 0 . 5 1 0.63 0 . 5 3 0.44 0 . 3 9 0 . 4 1 0 . 3 8 0 . 4 5 0 . 4 1 0 . 5 8 0.21

D 4 0 . 4 9 0.35 0 . 3 8 0.44 0 . 2 3 0.35 0 . 4 7 0 . 3 9 0 . 2 9 0 . 3 4 0.38 0 . 3 2 0.38 0 . 2 8 0.30 0 . 2 3 0.28 0 . 3 7 0.36 0 . 3 5 0.37 0 . 2 1 0.38 0 . 5 8 0.60 0 . 5 5 1 0 . 3 6 0.37 0 . 4 3 0.58 0 . 4 4 0.58 0 . 4 9 0.44 0 . 4 3 0 . 4 9 0 . 4 2 0 . 3 1 0 . 3 7 0 . 4 5 0.24

D 5 0 . 4 2 0.30 0 . 3 0 0.41 0 . 2 3 0.35 0 . 3 4 0 . 2 4 0 . 1 3 0 . 3 5 0.30 0 . 2 5 0.26 0 . 3 0 0.28 0 . 1 4 0.40 0 . 4 0 0.33 0 . 3 3 0.42 0 . 4 2 0.42 0 . 5 6 0.59 0 . 5 7 0.45 1 0.56 0 . 3 3 0.50 0 . 4 2 0.49 0 . 4 6 0.39 0 . 3 4 0 . 3 7 0 . 4 4 0 . 4 0 0 . 4 1 0 . 4 3 0.23

D 6 0 . 5 2 0.31 0 . 2 6 0.58 0 . 2 7 0.52 0 . 4 7 0 . 3 2 0 . 3 0 0 . 4 2 0.51 0 . 4 2 0.32 0 . 4 1 0.40 0 . 3 4 0.44 0 . 5 1 0.53 0 . 4 6 0.55 0 . 4 3 0.31 0 . 4 9 0.49 0 . 5 4 0.42 0 . 6 3 1 0 . 3 7 0.44 0 . 3 8 0 .48 0 . 4 5 0.34 0 . 3 8 0 . 4 0 0 . 5 3 0 . 4 4 0 . 4 7 0 . 4 2 0.24

D 7 0 . 3 9 0.39 0 . 3 3 0.29 0 . 0 7 0.32 0 . 4 5 0 . 3 5 0 . 3 2 0 . 2 9 0.37 0 . 4 1 0.45 0 . 3 0 0.25 0 . 1 4 0.25 0 . 2 3 0.22 0 . 3 0 0.25 0 . 3 4 0.36 0 . 4 0 0.51 0 . 4 8 0.45 0 . 3 6 0.44 1 0.44 0 . 4 5 0.43 0 . 3 9 0.33 0 . 3 8 0 . 4 7 0 . 2 5 0 . 2 3 0 . 2 4 0 . 2 5 0.3 3

E1 0 . 6 1 0.39 0 . 3 3 0.42 0 . 2 6 0.35 0 . 3 8 0 . 3 5 0 . 2 7 0 . 4 2 0.42 0 . 4 0 0.37 0 . 3 2 0.33 0 . 2 8 0.33 0 . 4 2 0.40 0 . 3 9 0.43 0 . 3 8 0.42 0 . 7 7 0.74 0 . 7 1 0.64 0 . 5 7 0.49 0 . 4 6 1 0 . 6 9 0.75 0 . 6 8 0.50 0 . 4 9 0 . 4 6 0 . 4 3 0 . 4 5 0 . 4 5 0 . 6 6 0.32

E2 0 . 4 9 0.38 0 . 3 8 0.41 0 . 2 0 0.38 0 . 4 1 0.3 7 0 . 2 6 0 . 3 7 0.31 0 . 3 0 0.34 0 . 3 2 0.29 0 . 1 8 0.34 0 . 3 7 0.31 0 . 3 7 0.40 0 . 3 4 0.31 0 . 5 9 0.60 0 . 6 3 0.54 0 . 4 9 0.47 0 . 4 9 0.69 1 0.63 0 . 6 1 0.49 0 . 4 5 0 . 5 4 0 . 3 9 0 . 3 6 0 . 2 9 0 . 5 0 0.28

E3 0 . 5 5 0.37 0 . 3 1 0.46 0 . 2 7 0.44 0 . 4 4 0 . 3 3 0 . 2 4 0 . 3 7 0.40 0 . 3 4 0.34 0 . 3 4 0.32 0 . 2 5 0.3 9 0 . 5 1 0.41 0 . 4 2 0.48 0 . 3 5 0.40 0 . 6 7 0.72 0 . 7 0 0.64 0 . 5 5 0.55 0 . 4 3 0.82 0 . 6 8 1 0 . 7 8 0.59 0 . 5 0 0 . 5 3 0 . 5 0 0 . 5 4 0 . 5 2 0 . 6 8 0.29

E4 0 . 5 1 0.32 0 . 3 3 0.50 0 . 1 8 0.36 0 . 4 2 0 . 3 2 0 . 2 2 0 . 3 6 0.38 0 . 3 3 0.29 0 . 3 3 0.25 0 . 2 3 0.35 0 . 4 8 0.41 0 . 4 2 0.44 0 . 3 5 0.33 0 . 6 6 0.65 0.6 3 0.59 0 . 5 2 0.53 0 . 4 0 0.80 0 . 7 1 0.88 1 0.48 0 . 5 1 0 . 5 8 0 . 5 3 0 . 5 2 0 . 4 9 0 . 5 7 0.20

F 1 0 . 5 2 0.37 0 . 3 9 0.40 0 . 2 1 0.32 0 . 3 6 0 . 2 9 0 . 2 6 0 . 3 1 0.43 0 . 3 5 0.30 0 . 2 9 0.32 0 . 3 1 0.29 0 . 3 9 0.23 0 . 2 4 0.36 0 . 2 8 0.27 0 . 6 3 0.61 0 . 5 7 0.53 0 . 4 5 0.44 0 . 3 9 0.63 0 . 6 3 0.70 0 . 6 1 1 0 .64 0 . 5 3 0 . 4 9 0 . 5 7 0 . 4 9 0 . 6 1 0.22

F 2 0 . 5 0 0.39 0 . 3 3 0.45 0 . 2 9 0.36 0 . 5 2 0 . 3 3 0 . 2 6 0 . 2 9 0.50 0 . 4 0 0.35 0 . 2 7 0.28 0 . 2 9 0.22 0 . 3 9 0.26 0 . 2 7 0.34 0 . 2 4 0.28 0 . 5 4 0.55 0 . 5 2 0.53 0 . 4 0 0.46 0 . 4 6 0.60 0 . 5 7 0.64 0 . 6 1 0.79 1 0 . 6 6 0 . 5 5 0 . 5 0 0 . 5 1 0 . 4 9 0.21

F 3 0 . 4 3 0 .34 0 . 4 0 0.46 0 . 1 6 0.35 0 . 5 6 0 . 3 8 0 . 2 3 0 . 3 3 0.44 0 . 3 4 0.30 0 . 2 5 0.29 0 . 2 0 0.28 0 . 4 0 0.31 0 . 3 5 0.40 0 . 2 4 0.26 0 . 4 5 0.54 0 . 5 2 0.55 0 . 4 1 0.49 0 . 5 2 0.56 0 . 6 6 0.62 0 . 6 8 0.67 0 . 7 7 1 0 . 4 4 0 . 3 8 0 . 3 9 0 . 3 8 0.28

F 4 0 . 5 9 0.41 0 . 3 7 0.56 0 . 2 7 0.49 0 . 5 4 0 . 3 5 0 . 2 8 0 . 5 1 0.4 8 0 . 3 5 0.28 0 . 3 1 0.37 0 . 3 4 0.42 0 . 4 9 0.35 0 . 3 2 0.44 0 . 3 3 0.30 0 . 5 2 0.60 0 . 4 9 0.4