Membangun Kunci Identifikasi Asterinaceae Berhifopodia Menggunakan k-Nearest Neighbour KarakterMorfologi

(1)

NEIGHBOUR

_{KARAKTER MORFOLOGI}

LUFEBRINA DORMA ULI MANALU

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

MEMBANGUN KUNCI IDENTIFIKASI

ASTERINACEAE

BERHIFOPODIA MENGGUNAKAN

k-NEAREST

NEIGHBOUR

_{KARAKTER MORFOLOGI}

LUFEBRINA DORMA ULI MANALU

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer pada

Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(3)

LUFEBRINA DORMA ULI MANALU. Setting Up an Identification Key of Hyphopodiate Asterinaceae Using K-Nearest Neighbour of the Morphological Characters. Under supervision of SRI NURDIATI and GAYUH RAHAYU.

Each species of fungi is distinguished by a set of characters that are unique to that species. One of those are morphological characters. This study is aiming at setting up the interactive identification key of the Hyphopodiate Asterinaceae that consist of 37 species of Asterina, 1 species of Asterolibertia, and 4 species of Lembosia, using K-nearest neighbour method (KNN). KNN is one of classification methods that calculate similarity based on the distance between data training and data testing. A set of 116 morphological characters with two data types i.e 104 nominal data and 12 numeric data of 93 specimens were used to set up the models of the identification key. Euclidean distance was used for the numeric data type where as the Hamming distance was used for the nominal data type. The Euclidean distance and the Hamming distance will be combined by the aggregation function. The smallest value of aggregation indicated the degree of similarity between groups and the identity. Web-based interactive identification key of Hyphopodiate Asterinaceae was used as a primary source of information of the diversity of Hyphopodiate Asterinaceae in the world for mycologists and other users. Data from 42 species each were used as data testing. It was found that the accuracy of normalized data was higher than the unnormalized data, with values of 100% and 78.38% respectively. Therefore, this web-based identification was developed by using the normalized numeric data.

(4)

(5)

Judul Skripsi : Membangun Kunci Identifikasi Asterinaceae Berhifopodia Menggunakan k-Nearest Neighbour KarakterMorfologi

Nama : Lufebrina Dorma Uli Manalu

NRP : G64086055

Menyetujui: Pembimbing

Dr. Ir. Sri Nurdiati, M.Sc. NIP. 19601126 198601 2001

Dr. Ir. Gayuh Rahayu NIP. 19580105 198303 2002

Mengetahui:

Ketua Departemen Ilmu Komputer

Dr. Ir. Agus Buono, M.Si, M.Kom NIP. 19660702 199302 1 001

(6)

PRAKATA

Terima kasih yang sangat besar, penulis panjatkan ke Tuhan Yang Maha Kuasa, atas segala kuasaNya, sehingga penulis dapat menyelesaikan karya ilmiah ini. Pada kesempatan ini, penulis mengucapkan terima kasih kepada mereka yang telah memberikan bantuan dan dukungannya sehingga laporan ini dapat terselesaikan:

1 Kedua orang tua dan keluarga atas cinta kasihnya, dukungan, semangat, nasihat, perhatian, dan doa yang diberikan kepada penulis sehingga penulis dapat menyelesaikan studi di departemen Ilmu Komputer, IPB.

2 Ibu Dr. Ir. Sri Nurdiati, M.Sc dan Ibu Dr. Ir. Gayuh Rahayu selaku dosen pembimbing yang telah sabar memberikan bimbingan, waktu, petunjuk dan saran selama penelitian dan penyusunan skripsi ini.

3 Bapak Azis Kustiyo dan Bapak Toto Haryanto sebagai penguji

4 Panji selaku teman yang selalu membantu, Eva sebagai sahabat terbaik, dan ketiga teman bimbingan penulis lainnya, Fifi, Nurul dan Resti.

5 Teman-teman Alih Jenis Ilkom angkatan 3 atas kebersamaan, persahabatan, semangat dan bantuannya.

6 Semua pihak yang tidak dapat penulis sebutkan satu per satu yang telah membantu terselesaikannya karya ilmiah ini.

Semoga penelitian ini dapat bermanfaat bagi pihak yang membutuhkan. Penulis menyadari bahwa tulisan ini masih belum sempurna, karena itu penulis mohon maaf atas segala kesalahan.

Bogor, November 2012

(7)

(8)

v

DAFTAR ISI

Halaman

DAFTAR ISI ... v

DAFTAR GAMBAR ... vi

DAFTAR LAMPIRAN ... vi

PENDAHULUAN ... 1

Latar belakang ... 1

Tujuan ... 1

Manfaat ... 1

TINJAUAN PUSTAKA ... 1

Cendawan ... 1

Asterinaceae Berhifopodia ... 2

Klasifikasi ... 2

Normalisasi ... 2

K-Nearest Neighbour (KNN) ... 2

METODE PENELITIAN ... 3

1 Identifikasi Masalah ... 3

2 Pengumpulan Data ... 3

3 Praproses Data ... 3

4 Penentuan Data Latih dan Data Uji ... 4

5 Klasifikasi dengan KNN ... 4

6 Model Identifikasi Asterinaceae Berhi-fopodia ... 4

7 Hasil Prediksi ... 4

Spesifikasi Implementasi ... 4

HASIL DAN PEMBAHASAN... 4

Deskripsi Data ... 4

Praproses Data ... 5

Proses Klasifikasi ... 5

Kunci Identifikasi Asterinaceae Berhifopodia Interaktif Berbasis Web ... 5

Hasil Pengujian ... 6

Percobaan 1 (tanpa Normalisasi) ... 6

Pengujian dengan Normalisasi ... 7

KESIMPULAN DAN SARAN... 8

Kesimpulan ... 8

Saran... 8

DAFTAR PUSTAKA ... 8

(9)

vi

DAFTAR GAMBAR

Halaman

1 Metodologi sistem ... 3

2 Tingkat akurasi identifikasi Asterina tanpa normalisasi ... 6

3 Tingkat Akurasi Identifikasi dengan Normalisasi ... 7

4 Tingkat Akurasi Percobaan 1 dan 2 ... 7

DAFTAR LAMPIRAN Halaman 1 Tabel karakter ... 10

2 Kode karakter ... 12

3 Kode spesies ... 13

4 Data ciri dari Asterina ke-1-30 ... 14

5 Data ciri dari Asterina ke-31-60 ... 18

8 Antarmuka kunci identifikasi ... 30

9 Halaman classification ... 30

10 Hasil identifikasi ... 31

11 Confusion matrix percobaan pertama ... 32

12 Nilai agregasi untuk Asterina piperina tanpa normalisasi ... 33

(10)

PENDAHULUAN Latar belakang

Cendawan merupakan suatu kelompok mikroorganisme yang hidup pada berbagai sistem ekologi, misal permukaan daun. Menurut Gandjar et al.(2006), cendawan bisa dikelompokkan berdasarkan morfologinya, diantaranya adalah askomiset. Asterinaceae merupakan askomiset yang hidupdi permukaan daun. Asterinaceae dapat ditemukan pada beragam tanaman dari berbagai famili. Beberapa anggota Asterinaceae memiliki hifa yang berhifopodia seperti Asterina, Asterolibertia dan Lembosia

Dalam website Index Fungorum

(http://indexfungorum.org) tercatat sebanyak 1078 species Asterina, 38species Asterolibertia dan 241 spesies Lembosia. Rahayu (1992) telah mendeskripsikan 90 spesies Asterina, 4 spesies Lembosia dan 1 spesies Asterolibertia asal Australia. Spesies-spesies ini dibangun berdasarkan 116ciri morfologinya. Tersedianya data spesies ini, belum dilengkapi oleh kunci identifikasi yang interaktif dan berbasis web. Oleh sebab itu, membangun kunci interaktif yang berbasis web sangat diperlukan.

Asterinaceae memiliki ciri morfologi yang dapat dikelompokkan menjadi ciri koloni, hifa, hifopodia, askus dan ciri askospora. Asterinaceae adalah cendawan filosfer sehinggakarakter morfologi tertentu dipengaruhi oleh habitatnya, sedangkan karakter lain tidak dipengaruhi oleh habitatnya sehingga stabilitas tingkat karakter juga berbeda. Pada suatu spesies, beberapa cirri morfologi itu terkadang sama dengan spesies lain. Sebaliknya beberapa ciri berbeda dari ciri spesies lainnya. Berdasarkan tingkat kesamaannya, spesies-spesies itu sering dinyatakan berdekatan atau berkerabat.

Kekerabatan ini dapat menjadi dasar bagi pembentukan sistem identifikasi spesies dari Asterinaceae. Sistem identifikasi diharapkan mampu mengenali spesies Asterinaceae. Sistem identifikasi Asterinaceae yang akan dibangun dalam bentuk interaktif berbasis web. Web Asterinaceae ini juga diharapkan mampu menghimpun para peneliti yang ada di berbagai negara dan memudahkan berbagi informasi mengenai Asterinaceae.

Salah satu metode yang dapat digunakan untuk membangun model klasifikasi untuk mengidentifikasi Asterinaceae adalah perhitungan k-Nearest Neighbour (KNN) dari

ciri-cirinya. Metode KNN merupakan metode yang sangat sederhana karena metode dengan menghitung ukuran kesamaan (dalam hal ini adalah fungsi jarak) (Sayad 2010). Jarak antara dua spesies yang terkecil merupakan jarak yang menentukan simpul pertama kekerabatan. Kemudian, model diuji dengan menggunakan data uji. Jarak terkecil antara data latih dan data uji akan menjadi kesimpulan dari identifikasi.

Tujuan

Tujuan dari penelitian ini adalah untuk membangun sistem identifikasi Asterinaceae berhifopodia asal Australia berdasarkan perhitungan KNN dalam bentuk web interaktif.

Ruang lingkup

Ruang lingkup penelitian ini meliputi: 1 Data yang digunakan dalam penelitian ini

adalah data mentah dari hasil penelitian Dr. Gayuh Rahayu, Departemen Biologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.

2 Data terdiri atas 135 data spesimen dari 42 species Asterinaceae berhifopodia dan masing-masing spesies memiliki 116 ciri/karakter.

3 Perhitungan nilai KNN

Manfaat

Manfaat dari penelitian ini adalah menyediakan alat bantu identifikasi spesimen-spesimen cendawan yang termasuk kelompok Asterinaceae berhifopodia.

TINJAUAN PUSTAKA Cendawan

Menurut Alexopoulos et al.(1996), cendawan adalah suatu kelompok organisme yang memiliki hifa atau bersel tunggal dengan dinding sel yang mengandung khitin dan selulose, tidak mempunyai klorofil dan berkembang biak dengan spora. Cendawan tidak mempunyai batang, daun, akar dan sistem pembuluh seperti pada tumbuhan tingkat tinggi. Umumnya struktur somatik cendawan berbentuk benang, bersel banyak dan semua bagian cendawan tersebut memiliki potensi untuk tumbuh. Hifa memiliki lebar antara 0,5-100 mikron atau lebih.

(11)

yang digunakan dapat berupa bahan organik mati (saprotrof) atau bahan organik hidup (simbiosis). Cendawan yang menggunakan bahan organik hidup harus menumpang padainang. Inang untuk cendawan dapat

berupa tumbuhan, hewan, dan

mikroorganisme lainnya termasuk cendawan (Alexopoulos et al. 1996).

Asterinaceae Berhifopodia

Asterinaceae adalah salah satu famili dari Dothideomycetales, Dothideomycetes. Ascomycota (http://indexfungorum.org). Asterinaceae ditandai dengan hidup pada permukaan daun, dengan koloni yang dibangun dari jaring-jaring miselium berseptat dan kecoklatan. Miseliumnya ada yang memiliki hifopodia. Tireotesiumnya berbentuk orbicular sampai linear tersebar dalam koloni, dan terbuka dengan celah ke segala arah atau celah longitudinal. Askusnya berbentuk oval sampai menggada, ekstenditunika dan mengandung 4 askopora. Askosporanya satu atau dua sel dan berwarna coklat (Rahayu 1992).

Klasifikasi

Klasifikasi merupakan proses untuk menemukan model atau fungsi yang membedakan suatu kelompok benda dari kelompok benda lainnya berdasarkan ciri-cirinya pada kelompok itu. Kelompok ini dapat diberi label. Dari klasifikasi ini, suatu kelompok benda yang belum diketahui labelnya, dapat dikenali atau diberi label yang sesuai. Pelabelan benda tadi dilakukan berdasarkan kesamaan karakteristik antara sekumpulan benda dengan benda yang berlabel tersebut.

Secara umum, proses klasifikasi dapat dilakukan dalam dua tahap, yaitu proses belajar dari data pelatihan dan klasifikasi kasus baru. Pada proses belajar, algoritme klasifikasi mengolah data latih untuk menghasilkan sebuah model. Setelah model diuji dan dapat diterima, pada tahap klasifikasi, model tersebut digunakan untuk memprediksi label dari kasus baru untuk membantu proses pengambilan keputusan (Han dan Kamber 2001). Beberapa metode klasifikasi, di antaranya adalah pohon keputusan, Bayesian, KNN dan jaringan saraf.

Normalisasi

Pada perhitungan jarak Euclidean, atribut yang menyatakan skala panjang mempunyai pengaruh lebih besar daripada atribut berskala pendek. Contohnya ukuran data numerik mempunyai perbedaan antar atribut yang sangat besar, sehingga dilakukan normalisasi (Larose 2005). Salah satu metode normalisasi adalah min-max normalization yang diterapkan dalam jenis data numerik. Rumus untuk normalisasi X adalah:

Nilai X*adalah nilai setelah normalisasi, min (x) adalah nilai terkecil dalam suatu ciri (x), dan min (x) adalah nilai maksimum dalam suatu ciri (x).

K-Nearest Neighbour (KNN)

Algoritme k-Nearest Neighbour adalah sebuah metode klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Jarak paling dekat adalah ukuran jarak terkecil antara data latih dan data uji. KNN termasuk algoritme supervised learning. Hasil dari query instance yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada KNN, sehingga kelas yang terbanyak menjadi kelas hasil klasifikasi (Teknomo 2006a).

Tujuan dari KNN adalah mengklasifikasi-kan objek berdasarmengklasifikasi-kan ciri dan data latih. KNN tidak membentuk sebuah model untuk pengenalan terhadap kelompok baru, namun menentukan jarak titik query yang dekat dengan k tetangga (data latih). Penentuan jarak tersebut adalah dengan menghitung ukuran jarak kedekatan antara titik query (data uji) dan data latih.

KNN dapat mengolah beberapa jenis data, diantaranya data numerik dan nominal. Data numerik adalah data yang dinyatakan dalam besaran numerik (angka). Jarak pada data numerik dihitung dengan rumus fungsi Euclidean sebagai berikut (Nurjayanti 2011).

x = x1, x2, …., xn menyatakan data uji, y = y1, y2, .., yn menyatakan data latih. xi – yi

adalah selisih data uji dengan data latih.

(12)

direpresentasikan dalam angka tetapi tidak mempunyai urutan atau makna matematis. Fungsi jarak Euclidean tidak tepat untuk jenis data nominal. Fungsi jarak yang digunakan untuk data nominal adalah menggunakan fungsi Hamming. Fungsi jarak Hamming dihitung dengan menggunakan rumus berikut (Teknomo 2006b),

di =

jika data latih sama dengan data uji, maka jaraknya adalah nol, selainnya jaraknya adalah 1.

Kedua fungsi jarak tersebut digunakan untuk membandingkan kedekatan data uji dan data latih. Untuk menggabungkan jarak semua variabel (data nominal dan data numerik) dilakukan penggabungan kesamaan bobot rata-rata dari jarak masing-masing ciri dengan menggunakan rumus sebagai berikut:

dengan k: variabel ciri, ij: selisih data latih dan data uji, Sijk: kesamaan antara objek dan Wij:

pembobotan untuk jenis data (antara 0 dan 1) . Namun nilai Wij dapat berubah-ubah

bergantung pada kisaran nilai datanya. Salah satu contoh pembobotan adalah jika satu variabel memiliki satuan unit ‘ton/meter kubik’ dan variabel lainnya adalah ‘kg/meter kubik’, bobot 1/1000 diharapkan akan diberikan untuk memberikan satuan yang sama untuk kedua variabel/jenis data(Teknomo 2006b).

METODE PENELITIAN

Gambar 1 Metodologi sistem

Tahapan yang dilakukan dalam pengembangan sistem ditunjukkan pada Gambar 1.

1 Identifikasi Masalah

Tahapan yang pertama sekali dilakukan adalah identifikasi masalah. Tahapan ini mencakup permasalahan yang ada, penentuan tujuan sistem dan sumber pengetahuan. Permasalahan adalah sulitnya menentukan nama suatu spesimen dari Asterinaceae karena banyaknya kemiripan pada deskripsi spesies-spesiesnya. Untuk memudahkan pemberian nama, model identifikasi Asterinaceae perlu dibangun, sehingga tujuan membangun sistem identifikasi ini adalah menyediakan alat bantu identifikasi spesimen-spesimen yang tergolong Asterinaceae dan menghimpun para peneliti Asterinaceae di dunia berbagi informasi mengenai Asterinaceae. Sumber pengetahuan tentang Asterinaceae diperoleh langsung dari peneliti.

2 Pengumpulan Data

Data yang digunakan pada penelitian ini merupakan hasil penelitian Gayuh Rahayu dari Departemen Biologi, Fakultas Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Data ini merupakan sekumpulan data dari 42 spesimen Asterinaceae asal Australia. Spesimen ini ditemukan pada pohon hutan yang termasuk dalam ordo Magnoliales, Piperales, Proteales, Ranunculales, Rosales,

Rutales, Santales, Saxifragales,

Scophulariales, Theales, Thymeleales, Urticales dan Violales. Setiap spesies memiliki 116 ciri. Ciri ini dipergunakan untuk membangun kunci identifikasi Asterinaceae.

3 Praproses Data

(13)

4 Penentuan Data Latih dan Data Uji

Dari 135 data spesimen, sebanyak 93 data spesimen dijadikan data latih dan sisanya sejumlah 42 data spesimen dijadikan data uji.

5 Klasifikasi dengan KNN

Metode klasifikasi yang akan digunakan adalah metode KNN. Metode KNN adalah mencari jarak terdekat antara data latih dengan data uji (data yang akan dievaluasi) dengan data k tetangga (neighbour) dalam data latih.

6 Model Identifikasi Asterinaceae Berhi-fopodia

Tahapan ini merupakan penerapan metode klasifikasi (KNN) sehingga menghasilkan sebuah model identifikasi. Langkah-langkah untuk menghasilkan model identifikasi adalah:

1 Menghitung jarak Euclidean

Jenis data numerik yang sudah dinormalisasi dapat langsung dihitung jaraknya dengan menggunakan fungsi jarak Euclidean. Data latih dan data uji yang tergolong data numerik dihitung ukuran kesamaannya. Ukuran kesamaan antara data latih dan data uji dipakai untuk membuat model identifikasi Asterinaceae berhifopodia.

2 Mengitung jarak nominal

Data nominal yang sudah

direpresentasikan dalam angka dihitung ukuran kemiripan / kesamaan antara data latih dan data uji berdasarkan fungsi jarak Hamming. Dengan fungsi jarak Hamming akan diperoleh ukuran jarak nominal antara data latih dan data uji.

3 Menggabungkan dua jenis jarak data yang berbeda

Pada saat penggabungan, bobot diberikan pada masing-masing jarak nominal atau Euclidean. Bobot yang diberikan dikalikan dengan nilai kemiripannya dibagi pembobotan. Hasil jarak Euclidean dan jarak nominal yang sudah diberi bobot digabungkan untuk memperoleh total keseluruhan ukuran kemiripan antara data latih dan data uji. Penggabungan dilakukan dengan langsung menambahkan kedua nilai jarak nominal dan numerik yang sudah sebelumnya dikalikan dengan bobot yang sudah ditentukan. Nilai terkecil dipilih dari sebagai hasil penggabungan. Pemilihan nilai terkecil adalah

menunjukkan hubungan kedekatan jarak antara data latih dan data uji.

4 Penentuan nilai k tetangga

Nilai k pada metode k-Nearest Neighbour adalah banyaknya tetangga yang terpilih yang mempunyai nilai kesamaan terkecil setelah digabungkan, k yang dipilih adalah 1.

7 Hasil Prediksi

Hasil pencocokan data uji dengan model dilakukan untuk menampilkan hasil dari identifikasi. Selanjutnya hasil pencocokan juga dihitung tingkat akurasinya untuk proses dokumentasi. Tingkat akurasi dihitung dengan cara bantuan tabel confusion matriks:

Tingkat akurasi menunjukkan tingkat kebenaran identifikasi terhadap label yang sebenarnya. Semakin rendah nilai akurasi maka semakin tinggi kesalahan identifikasi.

Spesifikasi Implementasi

Aplikasi yang digunakan pada penelitian ini dibangun dengan menggunakan perangkat keras dan perangkat lunak dengan spesifikasi sebagai berikut:

Spesifikasi perangkat keras berupa:

1 Processor Intel Pentium Core 2 Duo2.2 GHz

2 RAM kapasitas 2 Gb 3 Harddisk kapasitas 320 GB

4 Monitor pada resolusi 1024×768pixels 5 Keyboard dan Mouse

Perangkat lunak berupa :

1 Sistem Operasi: Microsoft Windows XP 2 XAMPP 1.7.1 yang terdiri atas

WebServerApache 2.2.11 3 Bahasa Pemrograman: PHP 5.0 4 Browser: Mozilla Firefox 5.0 5 Adobe Dreamweaver CS 3 6 Code Igniter Versi 2.03

HASIL DAN PEMBAHASAN Deskripsi Data

(14)

keduanya. Sub-kategori ini dikodekan dengan 1 atau 0, artinya 1 merepresentasikan present (ada), dan 0 merepresentasikan absent (tidak ada). Apabila karakter/ciri tidak terdeteksi, maka karakter akan diberi nilai -1, namun dalam teknisnya nilai -1 diganti jadi 0, sehingga nilai terkecil bukan -1, tetapi 0. Kode -1 diubah menjadi 0 karena dalam perhitungan jarak sulit didasarkan pada bilangan yang bertanda negatif. Pengubahan

kode ‘not seen/tidak terdeteksi’ dari -1 menjadi 0 bukan data. Contoh pada data numerik, ukuran dari ciri lebar hifa yang tidak bisa dideteksi, nilainya ditetapkan menjadi 0.

Karakter (Lampiran 1) dengan data nominal, presentdikodekan ‘1’, namun dalam teknisnya dari present tersebut bukan dihitung

’1’ tetapi diubah menjadi 2. Pengubahan kode ini untuk menyesuaikan dengan perubahan -1 menjadi 0. Oleh karena itu, nilai tertinggi untuk ciri colonies adalah 2, present dikodekan oleh 2, absent adalah 1 dannot seen/tidak terdeteksi adalah 0. Karakter juga diberi kode agar menyingkat penulisan nama karakter (Lampiran 2). Sama halnya dengan kelas/spesies dibuat dalam bentuk kode kelas (Lampiran 3). Perubahan kode ini telah dilakukan pada semua ciri (Lampiran 4 - 7). Contohnya data dari A. Piperina yaitu epygenouspresent, hypogenous present, distributionsingular dan confluent present, outlinesorbicularabsent, irregulerpresent diameternya sebesar 2 mm, direpresentasikan dengan2,2,2,2,1,2,2.

Praproses Data

Tahapan praproses data adalah tahapan penyiapan data sebelum masuk ke dalam tahapan klasifikasi. Data dari 116 ciri, terdiri atas 104 data nominal dan 12 data numerik (Lampiran 1). Data numerik meliputi data yang menyatakan size/ukuran dan satuan nilainya adalah dalam milli meter (mm) dan mikro meter (µm). Data numerik dinyatakan dalam besaran nilai yang memiliki arti matematis. Jadi data numerik memiliki arti yang berbeda dari data nominal. Kisaran data nominal dari ini adalah (0 sampai 4 atau 0 sampai 2).

Dalam tahapan praposes juga dilakukan normalisasi data. Normalisasi dilakukan agar kisaran nilai antara ciri tidak timpang. Normalisasi yang dilakukan bergantung jenis datanya. Dalam penelitian ini, normalisasi hanya dilakukan untuk jenis data numerik untuk menyamakan kisaran ciri sebelum masuk ke tahapan klasifikasi. Normalisasi

dilakukan untuk mendapatkan kisaran antara 0-1 pada data numerik yaitu dengan menggunakan min-max normalization. Contoh cara menghitung normalisasi pada salah satu karakter size colonies adalah mencari nilai maksimum dari 1 karakter (subset) adalah 10 dan nilai minimum (terkecil) dari subset adalah 0, dan nilai di baris pertama 4, maka hasil normalisasinya adalah:

Proses Klasifikasi

Apabila pada tahapan praproses, data nominal sudah direpresentasikan dalam angka, dan data numerik sudah dinormalisasi maka selanjutnya masuk ke tahapan proses klasifikasi. Proses klasifikasi menggunakan k-Nearest Neighbour melalui tahapan sesuai dengan metode dengan formula yang telah ditulis dalam tinjauan pustaka.

Kunci Identifikasi Asterinaceae

Berhifopodia Interaktif Berbasis Web

Kunci identifikasi dibuat berdasarkan data morfologi dalam bentuk web dengan antar muka (Lampiran 8). Web identifikasi semacam ini telah dibuat untuk kelompok

cendawan yaitu mycokey

(www.mycokey.org) dan Trichoderma yang

berada dalam Trichokey

( ).Web lainnya

kebanyakan dibuat berdasarkan data molekuler.

Pada halaman ‘home’ ada 3 navigasi, yaitu what is Asterinaceae, method of classification dan how to use. Ketiga navigasi tersebut dibuat untuk memudahkan pengguna dalam penggunaan sistem identifikasi. Navigasi

‘what is Asterinaceae’ adalah halaman yang berisi gambaran umum yang berisi informasi Asterinaceae dan genus kerabatnya. Navigasi

‘method of classification’ adalah halaman yang menjelaskan metode pembuatan sistem identifikasi berdasarkan proses klasifikasi,

sedangkan navigasi ‘How to use’ adalah halaman yang berisi tata cara penggunaan kunci identifikasi Asterina.

Apabila pengguna ingin melakukan pencarian nama spesies yang diinginkan, maka pengguna bisa masuk ke halaman

(15)

116 pertanyaan/asupan pengguna tentang informasi mengenai karakter spesimen. Hasil pengujian akan menghasilkan 1 keluaran, karena k yang dipilih adalah 1. Hasil identifikasi oleh sistem (Lampiran 10) muncul setelah pengolahan data selesai.

Hasil Pengujian

Secara keseluruhan, penelitian ini didasarkan pada 135 data spesimen dari 42 spesies Asterinaceae (Lampiran 4– 7). Data latih yang dipakai adalah sebanyak 93 data spesimen, sedangkan data uji adalah sebanyak 42 spesimen. Satu data spesimen mewakili satu spesies. Data spesimen perwakilan spesies dipilih secara acak dan manual dari 135 data spesimen yang ada. Data uji diuji cobakan terhadap sistem dengan 2 cara, yaitu uji coba dengan normalisasi dan tanpa normalisasi data numerik.

Percobaan 1 (tanpa Normalisasi)

Pada percobaan ini data numerik tidak dinormalisasi terlebih dahulu. Data uji diterapkan dalam metode k-Nearest Neighbour melalui tahap berikut:

1 Menghitung jarak Eucledian dan jarak nominal data uji terhadap data latih pada setiap data spesimen sesuai dengan jenis datanya. Pada jarak nominal, apabila nilai data uji sama dengan data latih, maka jarak nominalnya adalah 0, dan sebaliknya apabila berbeda maka bernilai 1.

2 Penggabungan hasil jarak Euclidean dan jarak nominal dengan menggunakan rumus penggabungan dengan pembobotan. Besar

bobot tidak tetap bergantung kepentingan ciri pada spesies. Dalam penelitian ini, nilai bobot yang diberikan yaitu 1, karena nilai jarak nominal dan jarak Euclidean tidak ada yang dominan. Penggabungan kedua jarak adalah jarak pada data numerik ditambah dengan jarak data nominal.

3 Penentuan nilai k = 1. Nilai k langsung ditetapkan = 1.

Hasil pengujian pada percobaan pertama ini dirangkum dalam tabel confusion matrix (Lampiran 11). Dari hasil pengujian ini terdapat 9 data yang tidak tepat identifikasinya yaitu data spesimen A. correicola var.correicola diidentifikasi menjadi A. phaleriae, A.correicola var. queenslandica teridentifikasi menjadi A. eudiae, A.citriobati diidentifikasi sebagai A. orites, A. carbonaceae var. acanthopoda diidentifikasi sebagai A. randiae

benthamianae, A. carbonaceae var.

oppositipodia diidentifikasi sebagai A. styracina, A. australiensis dideterminasi menjadi A. drimidicola, spesimen A. drimidicola diidentifikasi sebagai A. decora, A. oppositipodia diidentifikasi sebagai A. drimidicola dan A. litseae dideterminasi sebagai A. clematidis oleh sistem. Kesalahan identifikasi ini disebabkan oleh adanya kisaran nilai yang cukup signifikan dari ciri X111 dan X112, berturut-turut adalah panjang dan lebar tiriotesia (thyriothecial length dan thyriothecial width). Kesalahan identifikasi ini juga didukung oleh tingkat akurasi yang rendah (Gambar 2).

(16)

Berdasarkan rumus confusion matrix, besarnya akurasi keseluruhan untuk data uji sebanyak 42 data spesimen dari 42 spesies, tanpa normalisasi pada data numerik adalah sebesar:

hal ini menunjukan bahwa normalisasi perlu dilakukan untuk nilai yang kisarannya sangat besar

Pengujian dengan Normalisasi

Normalisasi dilakukan terhadap data numerik sebelum jarak kesamaan/kedekatan antara data uji dengan data latih dihitung. Data uji diterapkan dalam metode k-Nearest Neighbour melalui tahapan berikut :

1 Normalisasi pada data numerik hingga data akhir berada pada kisaran antara 0 sampai 1. Setelah normalisasi, langkah selanjutnya sama seperti langkah satu pada pengujian tanpa normalisasi.

2 Penggabungan hasil jarak Euclidean dengan jarak nominal. Langkah ini juga sama seperti langkah kedua pada pengujian tanpa normalisasi, yaitu jarak Euclidean yang sudah dinormalisasi digabungkan dengan nilai jarak nominal.

3 Penentuan nilai k tetangga terdekat = 1. Hasil dari k tetangga terdekat ini adalah tetangga dengan nilai gabungan terkecil.

Hasil yang diperoleh adalah semua spesies tepat teridentifikasi. Hasil pengujian ini membuktikan bahwa normalisasi juga mempengaruhi hasil identifikasi, sehingga dalam uji ini diperoleh akurasi sebesar 100% (Gambar 6). Tingkat akurasi pada data yang dinormalisasi lebih tinggi daripada data tanpa normalisasi (Gambar 7). Namun demikian, jarak kesamaan data uji dengan data latih yang sudah diagregasi tetap bervariasi (Lampiran 9 dan 10).

Gambar 3 Tingkat akurasi identifikasi dengan normalisasi

(17)

KESIMPULAN DAN SARAN Kesimpulan

Dari uji k-Nearest Neighbour data Asterinaceae diperoleh kesimpulan sebagai berikut:

1 Metode k-Nearest Neighbour mampu menghasilkan sistem identifikasi pada Asterinaceae.

2 Sebanyak 42 data spesimen dari 42 spesies sebagai data uji menunjukkan akurasi identifikasi sebesar 100% melalui normalisasi pada data numerik, sedangkan tanpa normalisasi diperoleh akurasi sebesar 78%.

3 Jumlah dan pemilihan data mempengaruhi hasil klasifikasi.

Saran

Penelitian ini masih memiliki banyak kekurangan perlu diperbaiki pada penelitian selanjutnya, yaitu:

1 Masih ada 59 spesies lagi yang belum bisa diikut sertakan kedalam kelas klasifikasi karena masih proses pengumpulan data mentahnya, sehingga semakin banyak dan beragam data mentah, maka hasil identifikasi lebih bagus.

2 Jumlah masukan pengguna diperkecil pada sistem dengan cara mencari fitur terpenting dalam karakter Asterinaceae.

DAFTAR PUSTAKA

Alexopoulos JA, Mims CW, Blackwell M. 1996. Introductory Mycology. New York (US): John Wiley & Sons Inc

Gandjar I, Sjamsuridzal W, Oetari A. 2006. Mikologi: Dasar dan Terapan. Jakarta (ID): Yayasan Obor Indonesia.

Han J, Kamber M. 2001. Data Mining Concepts & Techniques. Urbana (US): Academic Press.

Larose DT. 2005. Discovering Knowledge in Data: An Introduction to Data Mining. New Jersey (US). John Wiley & Sons, Inc.

Nurjayanti B. 2011. Identifikasi Shorea menggunakan K-nearest neighbor berdasarkan karakteristik morfologi daun [Skripsi]. Bogor (ID): Ilmu Pengetahuan Alam, Institut Pertanian Bogor.

Rahayu G. 1992. Australian hyphopodiate Asterinaceae: a taxonomic revision

[disertasi]. Armidale: (AU) The University of New England.

Sayad S. 2010. K Nearest Neighbors–

Classification [Internet].

http://www.saedsayad.com/k_nearest_neig hbors.htm [12 Apr 2012]

Teknomo K. 2006a. Similarity Measurement [Internet].

http://people.revoledu.com/kardi/tutorial/S imilarity/index.html [9 Apr 2012]

Teknomo K. 2006b. Hamming Distance [Internet].

(18)

(19)

Lampiran 1 Tabel karakter

Occurance 1. epigenous : present(1), absent(0)

2. hypogenous : present(1), absent(0)

Distribution 3. singular : present(1), absent(0)

4. confluent : present(1), absent(0)

Outline 5. orbicular : present(1), absent(0)

6. irregular : present(1), absent(0)

Size 7.diameter : quantitative continuous (mm)

Colour 8. light brown: present(1), absent(0)

9. brown : present(1), absent(0)

10. dark brown : present(1), absent(0)

Distribution 11. straight: present(1), absent(0)

12. flexuous : present(1), absent(0)

Width 13. quantitative continuous : (µm)

Septation

Branching density 15. numerous (2), rare (1)

Arrangement 16. unilateral more(4), moderate (3), less(2), no(1)

17. alternate more(4), moderate (3), less(2), no(1) 18. opposite to another branch more(4), moderate (3), less(2), no(1) 19. opposite to hyphopodia more(4), moderate (3), less(2), no(1)

Angles 20. wide : present(1), absent(0)

21. acute : present(1), absent(0)

Network 22. loose present(1), absent(0)

23. close present(1), absent(0)

Density Distribution

Location 26. midle : present(1), absent(0)

27. distal : present(1), absent(0)

28. intercalary : present(1), absent(0) Colour

Arrangement 30.cluster: more(4), moderate (3), less(2), no(1)

31. unilateral more(4), moderate (3), less(2), no(1) 32. alternate more(4), moderate (3), less(2), no(1) 33. opposite more(4), moderate (3), less(2), no(1)

34. no septate more(4), moderate (3), less(2), no(1) 35. 1-septate more(4), moderate (3), less(2), no(1) 36. 2-septate more(4), moderate (3), less(2), no(1)

Shape

Size 38. length : quantitative continuous (µm)

39. width : quantitative continuous (µm)

Gross shape

41. hemispherical : more(4), moderate (3), less(2), no(1) 42. ovate : more(4), moderate (3), less(2), no(1) 43. cylindrical : more(4), moderate (3), less(2), no(1)

44. vermiform : more(4), moderate (3), less(2), no(1) 45. ampulliform : more(4), moderate (3), less(2), no(1) 46. conical : more(4), moderate (3), less(2), no(1) 47. bifid or tifid : more(4), moderate (3), less(2), no(1)

Outlines 48. entire : more(4), moderate (3), less(2), no(1)

49. sinuous : more(4), moderate (3), less(2), no(1)

50. lobate : more(4), moderate (3), less(2), no(1) 51. deeply lobate : more(4), moderate (3), less(2), no(1)

Size 52. length : quantitative continuous (mm)

53. width : quantitative continuous (mm)

Tabel Karakter / List Of Character, State and Coding Colonies

40. uniform(1), versiform(0) Stigmatocyst

Hyphae

14. distinct (2), indistinct (1)

Hyphopodia

29. darker than hyphae(1), similar to hyphae(0)

Stigmatopodia

(20)

Lampiran 1 Tabel karakter (Lanjutan)

Tip direction 54. straight more(4), moderate (3), less(2), no(1)

55. reflex more(4), moderate (3), less(2), no(1)

56. antrorse more(4), moderate (3), less(2), no(1)

57. subantrorse more(4), moderate (3), less(2), no(1)

58. curved more(4), moderate (3), less(2), no(1)

Initial 59.lateral on 1 side : present(1), absent(0)

60.lateral on 2 side : present(1), absent(0)

61.terminal on stalk : present(1), absent(0)

Thickness 62.flat : present(1), absent(0)

63.sligthly convex: present(1), absent(0)

64.moderately convex present(1), absent(0)

65. strongly convex present(1), absent(0)

Outlines 66. orbicular present(1), absent(0)

67. ellipsoid present(1), absent(0)

68. linear present(1), absent(0)

69. X or Y present(1), absent(0)

Margins 72. crenate present(1), absent(0)

73.fimbriate,short,loose present(1), absent(0)

74.fimbriate,short,close present(1), absent(0)

75.fimbriate,long,loose present(1), absent(0)

76.fimbriate,long,close present(1), absent(0)

Cover wall 77.straight present(1), absent(0)

78.flexuous present(1), absent(0)

Cell wall 79.isodiametric present(1), absent(0)

80. rectangular present(1), absent(0)

Opening 81. stellate cracks present(1), absent(0)

82. longitudinal slit present(1), absent(0)

83. cell disintegration present(1), absent(0)

Basal wall 84. radiate present(1), absent(0)

Number

Shape 86. ovate : present(1), absent(0)

87. clavate: present(1), absent(0)

Number of 90. ascopores 8-spored only(1), 8-spored and less(0)

91. hamathecia : present(1), absent(0)

Arrangement 92. conglobate : present(1), absent(0)

93. seriate : present(1), absent(0)

Colour 94. pale brown : present(1), absent(0)

95. brown : present(1), absent(0)

96. dark brown : present(1), absent(0)

Constriction 97. slightly : yes(1), no(0)

98. moderately : yes(1), no(0)

99. strongly : yes(1), no(0)

Cell apices 100. round : on both apices(3), one apex(2), no(1)

101. gradually attenuated on both apices(3), one apex(2), no(1)

102. bent : on both apices(3), one apex(2), no(1)

Cell collapsed Cell equality

Surface 107. smooth present(1), absent(0)

108. granulose present(1), absent(0)

109. verrucose present(1), absent(0)

110. spinulose present(1), absent(0)

Location of germination 111. close to the apices yes(1), no(0)

112. middle yes(1), no(0)

113. close to the septum yes(1), no(0)

Germform 114. stigmatocysts yes(1), no(0)

115. stigmatocysts with a supporting cell yes(1), no(0)

116. primary hyphae yes(1), no(0)

Tabel Karakter / List Of Character, State and Coding

(21)

Lampiran 2 Kode karakter

Kode

Karakter Nama Karakter X1 colonies_epigenous X2 colonies_hypogenous X3 colonies_singular X4 colonies_confluent X5 colonies_orbicular X6 colonies_irregular X7 hyphae_lightbrown

X8 hyphae_brown

X9 hyphae_darkbrown X10 hyphae_straight X11 hyphae_flexuous X12 hyphae_septation X13 hyphae_branchingdensity X14 hyphae_unilateral X15 hyphae_alternate X16 hyphae_oppositebranch X17 hyphae_oppositehyphopodia X18 hyphae_wide

X19 hyphae_acute X20 hyphae_loose X21 hyphae_close X22 hyphopodia_density X23 hyphopodia_distribution X24 hyphopodia_middle X25 hyphopodia_distal X26 hyphopodia_intercalary X27 hyphopodia_colour X28 hyphopodia_cluster X29 hyphopodia_unilateral X30 hyphopodia_alternate X31 hyphopodia_opposite X32 hyphopodia_noseptate X33 hyphopodia_1septate X34 hyphopodia_2septate X35 stigmatopodia_shape X36 stigmatocysts_grossshape X37 stigmatocysts_hemispherical X38 stigmatocysts_ovate X39 stigmatocysts_cylindrical X40 stigmatocysts_vermiform X41 stigmatocysts_ampulliform X42 stigmatocysts_conical X43 stigmatocysts_bifid X44 outlines_entire X45 outlines_sinuous X46 outlines_lobate X47 outlines_deeplylobate X48 tipdirection_straight X49 tipdirection_reflex X50 tipdirection_antrorse X51 tipdirection_subantrorse X52 tipdirection_curved X53 lateralon_1side X54 lateralon_2side X55 Terminalonstalk X56 thickness_flat

X57 thickness_slightlyconvex X58 thickness_moderatelyconvex X59 thickness_stronglyconvex X60 outlines_orbicular

Kode

Karakter Nama Karakter X61 outlines_ellipsoid X62 outlines_linear X63 outlines_XorY X64 margins_crenate X65 fimbriate_short_loose X66 fimbriate_short_close X67 fimbriate_long_loose X68 fimbriate_long_close X69 coverwall_straight X70 coverwall_flexuous X71 cellwall_isodiametric X72 cellwall_rectangular X73 opening_stellate X74 opening_longitudinal X75 opening_celldisintegration X76 basalwall_radiate X77 asci_number X78 shape_ovate X79 shape_clavate X80 numberof_ascospores X81 numberof_hamathecia X82 arrangement_conglobate X83 arrangement_seriate X84 colour_palebrown X85 colour_brown X86 colour_darkbrown X87 constriction_slightly X88 constriction_moderately X89 constriction_strongly X90 apices_round X91 apices_gradually X92 apices_bent X93 cell_collapsed X94 cell_equality X95 surface_smooth X96 surface_granulose X97 surface_verrucose X98 surface_spinulose X99 close_to_the_apices X100 germination_midle X101 close_to_the_septum X102 Stigmatocysts X103 with_supporting_cell X104 primary_hyphae X105 colonies_size X106 hyphae_width X107 hyphopodia_length X108 hyphopodia_width X109 stigmatopodia_length X110 stigmatopodia_width X111 thyriothecia_length X112 thyriothecia_width X113 size_length X114 size_width X115 ascospores_length X116 ascospores_width

(22)

Lampiran 3 Kode spesies

Kode

Kelas Nama Spesies

A A. piperina

B A. orites

C A. Clematidis

D A. correicola var.correicola

E A. correicola var.euodiae

F

A. correicola var. Queenslandica

G A. decora

H A. eudiae

I A. citriobati

J A. Recisa

K A. Randiae-benthamianae

L Asterina sp. aff. pusilla

M A. aemula var. endiandrae

N A. xanthogloea

O Asterolibertia diplosporae

P

A. carbonaceae var. Acanthopoda

Q

A. carbonaceae var. Oppositipodia

R A. styracina

S A. argophylli

T A. cuttsiae

U A. xumenensis

V A. diplopoda

W A. phaleriae

X A. celtidicola

Y A. sponiae

Z A. pouzolziae

Aa A. undulata

Ab A. australiensis

Ac A. drimidicola

Ad A. oppositipodia

Ae A. queenslandica

Af L. endriandrae

Ag A. decumana

Ah L. capnoides

Ai L. graphioides

Aj A. litseae

Ak Lembosia sp. A

Al A. palmeriae

Am A. pemphidioides

An A. syzygiicola

Ao A. pycnantini

(23)

Lampiran 4 Data ciri dari Asterina ke-1-30

Data X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30

1 2 2 2 2 1 2 2 1 1 1 2 1 1 4 4 2 1 2 1 2 1 4 2 2 2 1 1 1 4 4

2 2 2 2 2 1 2 2 1 1 1 2 1 2 4 4 3 1 2 1 1 2 4 2 2 2 1 1 1 3 3

3 2 2 2 2 1 2 2 1 1 1 2 1 1 4 3 2 1 2 1 1 2 4 2 2 2 1 1 1 4 4

4 1 2 2 2 1 2 2 1 1 1 2 1 1 3 3 2 1 2 1 1 2 4 2 2 2 1 1 1 4 4

5 2 2 2 2 1 2 1 2 1 2 1 1 1 2 2 2 2 2 1 2 1 4 2 1 2 1 1 1 4 4

6 2 2 2 2 1 2 1 2 1 2 1 1 1 3 3 3 3 2 1 2 1 4 2 1 2 1 1 1 3 3

7 2 2 2 2 1 2 1 2 1 2 1 1 1 2 3 2 2 2 1 2 1 4 2 1 2 1 1 1 4 4

8 2 2 2 2 1 2 1 1 2 1 2 1 1 4 4 1 1 2 1 2 1 4 2 1 2 1 1 1 4 3

9 2 2 2 2 1 2 1 1 2 1 2 1 1 4 4 4 4 0 0 2 1 4 2 1 2 1 1 1 3 3

10 2 2 2 2 1 2 1 1 2 1 2 1 1 3 3 3 3 0 0 2 1 4 2 0 0 0 1 1 2 2

11 2 2 1 2 1 2 1 1 2 1 2 1 1 2 2 2 2 0 0 2 1 4 2 0 0 0 1 1 3 4

12 2 1 2 2 2 1 1 2 1 2 1 2 1 3 3 4 2 2 1 2 1 4 2 2 2 1 1 1 3 3

13 2 1 2 1 2 1 1 2 1 2 1 2 1 3 3 4 2 2 1 2 1 4 2 2 2 1 1 1 3 3

14 2 1 2 1 2 1 1 2 1 2 1 2 1 4 4 4 3 2 1 2 1 4 2 2 2 1 1 1 3 3

15 2 2 2 2 1 2 1 2 1 1 2 1 1 2 2 3 3 2 1 2 1 4 2 2 1 1 1 1 2 2

16 1 2 2 2 1 2 1 2 1 1 2 1 1 3 3 4 4 2 1 2 1 4 2 2 1 1 1 1 2 2

17 1 2 2 2 1 2 1 2 1 1 2 1 1 3 3 4 4 2 1 2 1 4 2 2 1 1 1 1 2 2

18 2 2 2 2 1 2 1 1 2 1 2 1 1 2 2 4 4 2 1 2 1 4 2 2 1 1 1 1 3 3

19 2 2 2 2 1 2 1 1 2 1 2 1 1 2 2 3 3 2 1 2 1 4 2 2 1 1 1 1 2 2

20 2 2 2 2 1 2 1 1 2 1 2 1 1 2 2 4 4 2 1 2 1 4 2 2 1 1 1 1 2 2

21 2 2 2 2 1 2 1 1 2 1 2 2 0 3 3 3 3 2 1 1 2 4 2 2 1 1 1 1 4 4

22 2 2 2 2 1 2 1 1 2 1 2 2 0 2 2 2 2 2 1 1 2 4 2 2 1 1 1 1 3 3

23 2 2 2 2 1 2 1 1 2 1 2 2 0 3 3 3 3 2 1 1 2 4 2 2 1 1 1 1 4 4

24 2 2 2 2 1 2 1 1 2 1 2 1 0 3 3 4 1 2 1 2 1 4 2 2 1 1 1 1 4 4

25 2 2 2 2 1 2 1 1 2 1 2 1 0 2 2 3 1 2 1 2 1 4 2 2 1 1 1 1 3 3

26 2 2 2 2 1 2 1 1 2 1 2 1 0 2 2 4 1 2 1 2 1 4 2 2 1 1 1 1 4 3

27 1 2 1 2 1 2 1 2 1 1 2 1 1 4 3 1 1 2 1 2 1 2 1 2 1 1 1 1 4 4

28 1 2 1 2 1 2 1 2 1 1 2 1 0 0 0 0 0 2 1 2 1 2 1 1 2 1 1 1 3 3

29 2 2 1 2 0 0 1 2 1 1 2 2 1 3 3 0 0 2 1 2 1 2 1 2 2 1 1 1 4 3

30 1 2 2 2 0 0 1 2 1 1 2 1 1 3 4 1 1 2 1 2 1 2 1 2 2 1 1 1 3 4

31 2 1 1 2 1 2 1 1 2 1 2 1 1 2 2 1 1 2 1 2 1 2 2 2 2 1 1 1 4 4

32 1 2 0 0 0 0 0 0 0 1 2 1 0 4 4 4 1 2 1 1 2 4 2 0 0 0 1 1 3 3

33 1 2 2 2 2 2 1 1 2 1 2 1 2 3 3 3 1 2 1 1 2 4 2 2 2 1 1 1 4 3

34 1 2 2 2 2 1 1 1 2 1 2 1 2 2 2 2 1 2 1 1 2 4 2 2 2 1 1 1 3 4

35 1 2 2 2 2 1 1 1 2 1 2 1 2 4 4 4 1 2 1 1 2 4 2 2 2 1 1 1 4 4

36 1 2 2 2 1 2 1 1 2 2 1 1 2 4 4 2 1 2 1 2 1 4 2 1 2 1 1 1 4 4

37 2 1 0 0 1 2 1 1 2 2 1 2 2 1 1 4 4 2 1 2 1 4 2 1 2 1 1 1 2 2

38 2 1 1 2 1 2 1 1 2 0 0 0 1 0 0 0 0 2 1 0 1 4 2 1 2 1 1 1 4 4

39 2 1 2 2 1 2 1 1 2 0 0 2 2 4 4 1 4 2 1 2 1 4 2 1 2 1 1 1 3 3

(24)

Lampiran 4 Data ciri dari Asterina ke-1-30 (lanjutan)

41 2 2 2 2 1 2 1 1 2 2 2 2 2 4 4 4 4 2 1 2 1 4 2 1 2 1 1 1 4 4

42 2 2 2 1 2 1 1 1 2 2 1 2 0 3 3 4 4 1 2 1 2 4 2 1 2 1 1 1 4 4

43 2 2 2 1 2 1 1 1 2 2 1 2 0 2 2 3 3 1 2 1 2 4 2 1 2 1 1 1 3 3

44 2 2 2 1 2 1 1 1 2 2 1 2 0 2 2 4 4 1 2 1 2 4 2 1 2 1 1 1 3 3

45 2 1 2 2 1 2 2 1 1 2 1 2 1 2 2 4 1 2 1 2 1 4 2 1 2 1 1 1 3 3

46 2 1 1 2 1 2 2 1 1 2 1 2 1 2 2 3 1 2 1 2 1 4 2 1 2 1 1 1 2 2

47 2 1 2 1 1 2 2 1 1 2 1 2 1 3 3 4 1 2 1 2 1 4 2 1 2 1 1 1 2 2

48 2 1 1 2 1 2 2 1 1 1 2 1 0 2 2 2 1 2 1 2 1 4 2 2 1 1 1 1 4 4

49 2 1 1 2 1 2 2 1 1 1 2 1 0 2 2 2 1 2 1 2 1 4 2 2 1 1 1 1 3 3

50 2 1 1 2 1 2 2 1 1 1 2 1 0 3 3 3 1 2 1 2 1 4 2 2 1 1 1 1 4 4

51 2 2 0 0 1 2 1 1 2 2 2 2 0 2 2 4 1 2 1 1 2 3 2 2 2 1 1 1 1 1

52 2 2 0 0 1 2 1 1 2 2 2 2 0 2 2 3 1 2 1 1 2 3 2 2 2 1 1 1 1 1

53 2 2 0 0 1 2 1 1 2 2 2 2 0 2 2 4 1 2 1 1 2 3 2 2 2 1 1 1 1 1

54 2 2 2 2 1 2 1 1 2 2 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 4 4

55 2 2 2 2 1 2 1 1 2 2 2 2 2 1 1 1 3 2 1 2 1 4 2 1 2 1 1 1 3 3

56 2 1 2 2 1 2 1 1 2 2 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 4 3

57 2 1 2 2 1 2 1 1 2 1 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 1 1

58 2 1 2 2 1 2 1 1 2 1 2 2 2 1 1 1 3 2 1 2 1 4 2 1 2 1 1 1 1 1

59 2 1 2 2 1 2 1 1 2 1 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 1 1

60 2 1 2 2 1 2 1 1 2 2 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 4 4

61 2 1 2 2 1 2 1 1 2 2 2 2 2 1 1 1 3 2 1 2 1 4 2 1 2 1 1 1 3 3

62 2 1 2 2 1 2 1 1 2 2 2 2 2 1 1 1 4 2 1 2 1 4 2 1 2 1 1 1 4 3

63 2 1 0 0 1 2 1 1 2 2 1 2 0 2 2 4 4 2 2 2 1 4 2 1 2 1 1 1 2 2

64 2 1 0 0 1 2 1 1 2 2 1 2 2 2 2 3 3 1 2 2 1 4 2 1 2 1 1 1 2 2

65 2 1 0 0 1 2 1 1 2 2 1 2 2 2 2 4 4 1 2 2 1 4 2 1 2 1 1 1 2 2

66 2 2 2 2 1 2 1 2 1 2 2 2 0 2 2 4 4 2 2 1 2 4 2 1 2 1 1 1 4 4

67 2 2 2 2 1 2 1 2 1 2 2 2 0 2 2 3 3 2 2 1 2 3 2 1 2 1 1 1 3 3

68 2 2 2 2 1 2 1 2 1 2 2 2 0 3 3 4 4 2 2 1 2 3 2 1 2 1 1 1 4 4

69 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 4 4 2 2 2 1 4 2 2 1 1 1 1 4 4

70 2 2 2 2 1 2 1 2 1 2 2 1 1 2 2 3 3 2 2 2 1 3 2 2 1 1 1 1 3 3

71 2 2 0 0 1 2 2 1 1 1 2 2 0 4 4 1 2 2 1 1 2 4 2 2 1 1 1 1 4 4

72 2 2 0 0 1 2 2 1 1 1 2 2 0 3 3 1 2 2 1 1 2 4 2 2 1 1 1 1 4 4

73 2 2 0 0 1 2 2 1 1 1 2 2 0 4 3 1 2 2 1 1 2 4 2 2 1 1 1 1 3 3

74 1 2 2 2 1 2 1 1 2 1 2 1 1 2 2 4 1 2 1 1 2 3 2 2 2 1 1 1 4 4

75 1 2 2 2 1 2 1 1 2 1 2 1 1 2 2 3 1 2 1 1 2 3 2 2 2 1 1 1 3 4

76 1 2 2 2 1 2 1 1 2 1 2 1 1 2 2 4 1 2 1 1 2 3 2 2 2 1 1 1 4 3

77 2 2 2 2 0 0 2 1 1 2 1 1 1 4 4 2 2 2 1 2 1 1 1 2 1 1 1 1 4 4

78 2 2 2 2 0 0 2 1 1 2 1 1 1 3 3 2 2 2 1 2 1 1 1 2 1 1 1 1 3 3

79 2 2 2 2 0 0 2 1 1 2 1 1 1 4 4 2 2 2 1 2 1 1 1 2 1 1 1 1 4 3

(25)

Lampiran 4 Data Asterina ciri ke-1-30 (lanjutan)

81 2 1 2 1 1 2 1 2 1 2 2 1 2 2 2 4 4 2 1 1 2 4 2 1 2 1 1 1 3 3

82 2 1 2 1 1 2 1 2 1 2 2 1 2 4 4 2 2 2 1 1 2 4 2 1 2 1 1 1 4 3

83 2 1 2 2 1 2 1 2 1 2 2 1 2 3 3 3 3 2 1 1 2 4 2 1 2 1 1 1 3 4

84 2 1 2 1 1 2 1 2 1 2 2 1 2 2 2 2 2 2 1 1 2 4 2 1 2 1 1 1 2 2

85 2 1 2 1 1 2 1 2 1 2 1 1 2 3 3 2 1 2 1 2 1 4 2 0 0 0 1 1 4 4

86 2 2 2 2 1 2 1 1 2 2 1 2 2 4 4 3 1 2 1 1 2 4 2 2 2 1 1 1 3 3

87 2 2 2 2 1 2 1 1 2 2 1 2 2 4 3 2 1 2 1 1 2 4 2 2 2 1 1 1 3 3

88 2 2 2 2 2 1 1 1 2 2 1 2 2 4 4 2 2 2 1 1 2 4 2 2 2 1 1 1 4 4

89 2 2 2 2 2 1 1 1 2 2 1 2 2 4 4 2 2 2 1 1 2 4 2 2 2 1 1 1 3 3

90 2 1 2 2 2 1 1 1 2 2 1 2 2 3 3 2 2 2 1 1 2 4 2 2 2 1 1 1 3 3

91 1 2 2 2 1 2 1 1 2 2 2 1 2 4 4 3 3 2 1 2 2 4 2 2 2 1 1 1 4 4

92 1 2 1 2 1 2 1 1 2 2 2 1 0 4 4 2 2 2 1 2 1 4 2 2 1 1 1 1 4 4

93 1 2 1 2 1 2 1 1 2 2 2 1 2 3 3 2 2 2 1 2 1 4 2 2 1 1 1 1 3 3

94 1 2 2 2 1 2 1 1 2 1 2 1 1 2 2 2 2 2 1 2 1 2 1 2 2 1 1 1 4 4

95 1 2 1 2 1 2 1 1 2 1 2 1 1 2 2 2 1 2 1 2 1 2 1 2 2 1 1 1 4 4

96 1 2 2 2 2 2 1 1 2 1 2 1 1 3 3 3 3 2 1 2 1 2 1 2 2 1 1 1 4 4

97 2 1 2 2 1 2 1 1 2 2 2 2 0 2 2 4 1 2 1 1 2 4 2 2 2 1 1 1 2 2

98 2 1 2 2 1 2 1 1 2 2 2 2 0 3 3 4 1 2 1 1 2 4 2 2 2 1 1 1 2 2

99 2 1 2 2 1 2 1 1 2 2 1 2 0 2 2 3 1 2 1 1 2 4 2 2 2 1 1 1 2 2

100 2 1 1 2 1 2 1 2 1 1 2 2 1 2 2 4 4 2 1 2 1 4 2 2 2 1 1 1 4 4

101 2 1 1 2 1 2 1 2 1 1 2 2 1 2 2 4 4 2 1 2 1 4 2 2 2 1 1 1 3 3

102 2 1 1 2 1 2 1 2 1 1 2 2 1 2 2 4 4 2 1 2 1 4 2 2 2 1 1 1 3 3

103 2 2 2 2 1 2 1 1 2 2 2 1 0 2 2 4 4 2 1 1 2 3 2 2 1 1 1 1 4 4

104 2 2 2 2 1 2 1 1 2 2 2 1 0 2 2 3 3 2 1 1 2 3 2 2 1 1 1 1 3 3

105 2 2 2 2 1 2 1 1 2 2 2 1 0 3 3 4 4 2 1 1 2 3 2 2 1 1 1 1 4 4

106 2 1 2 1 1 2 1 1 2 2 1 1 1 3 3 4 1 2 1 2 1 4 2 1 2 1 1 1 4 4

107 2 1 2 1 1 2 1 1 2 2 1 1 1 2 2 4 4 2 1 2 1 4 2 2 2 1 1 1 3 3

108 2 2 2 2 1 2 1 1 2 2 1 1 1 2 2 4 1 2 1 1 2 4 2 1 2 1 1 1 4 4

109 2 2 2 2 1 2 2 1 1 2 2 1 0 1 1 4 1 2 1 1 2 3 2 2 1 1 1 1 4 4

110 1 2 2 1 1 2 2 1 1 2 2 1 0 1 1 3 1 2 1 1 2 3 2 2 1 1 1 1 4 3

111 2 1 1 2 1 2 2 1 1 2 2 1 0 1 1 4 1 2 1 1 2 3 2 2 1 1 1 1 3 4

112 2 2 2 2 1 2 1 1 2 2 1 1 1 2 2 1 1 2 1 2 1 3 2 2 2 1 2 1 3 3

113 2 2 2 1 1 2 1 1 2 2 1 1 1 2 3 1 1 2 1 2 1 3 2 2 2 1 2 1 2 2

114 2 1 1 2 1 2 1 1 2 2 1 1 1 3 3 1 1 2 1 2 1 3 2 2 2 1 2 1 2 2

115 2 2 0 0 0 0 1 1 2 1 2 1 1 3 3 1 1 2 1 2 1 1 1 0 0 0 2 2 3 3

116 1 2 0 0 0 0 1 1 2 1 2 1 1 2 2 1 1 2 1 2 1 1 1 0 0 0 2 2 2 2

117 2 1 0 0 0 0 1 1 2 1 2 1 1 2 2 1 1 2 1 2 1 1 1 0 0 0 2 3 3 3

118 2 2 0 0 1 2 0 0 0 0 0 1 1 3 3 3 1 2 1 2 1 1 1 0 0 0 2 1 2 2

119 2 1 0 0 1 2 0 0 0 0 0 1 1 2 2 2 1 2 1 2 1 1 1 0 0 0 2 1 3 3

(26)

121 2 2 2 2 1 2 2 1 1 1 2 2 1 4 4 2 2 2 1 2 1 3 2 2 1 1 1 1 4 4

122 2 2 2 2 1 2 2 1 1 2 2 1 1 3 3 1 2 2 1 2 1 3 2 2 1 1 1 1 4 4

123 2 2 2 2 1 2 2 1 1 1 2 1 1 3 3 2 2 2 1 2 1 3 2 2 1 1 1 1 4 4

124 2 1 2 2 1 2 1 1 2 2 2 2 1 2 2 1 1 2 1 2 1 2 1 1 2 1 1 1 2 2

125 2 2 2 2 1 2 1 1 2 2 1 2 1 2 2 1 1 2 1 2 1 2 1 1 2 1 1 1 2 2

126 2 1 2 1 1 2 1 1 2 2 1 2 1 2 2 1 1 2 1 2 1 2 1 1 2 1 1 1 2 2

127 2 2 2 2 1 2 1 1 2 2 2 2 1 4 4 1 2 2 1 2 1 4 2 2 2 1 1 1 4 3

128 2 1 2 1 1 2 1 1 2 2 2 2 1 4 4 1 2 2 1 2 1 4 2 2 1 1 1 1 4 3

129 2 1 1 2 1 2 1 1 2 1 2 2 1 4 4 1 2 2 1 1 2 4 2 2 1 1 1 1 4 3

130 2 2 2 2 1 2 1 2 1 2 2 1 0 2 2 2 1 2 1 2 1 3 1 1 2 1 1 1 3 3

131 2 2 2 1 1 2 1 2 1 2 2 1 0 2 2 2 1 2 1 2 1 3 1 1 2 1 1 1 4 4

132 2 2 1 2 1 2 1 2 1 2 2 1 0 2 2 2 1 2 1 2 1 3 1 1 2 1 1 1 3 3

133 2 2 2 2 2 2 2 1 1 2 2 2 0 2 2 4 4 2 1 1 2 4 2 2 1 1 1 1 4 4

134 1 2 2 2 2 2 2 1 1 2 2 2 0 2 2 4 4 2 1 1 2 4 2 2 1 1 1 1 4 4

(27)

DATA X31 X32 X33 X34 X35 X36 X37 X38 X39 X40 X41 X42 X43 X44 X45 X46 X47 X48 X49 X50 X51 X52 X53 X54 X55 X56 X57 X58 X59 X60

1 1 1 4 1 1 1 1 1 3 1 1 1 1 2 4 2 1 4 2 1 3 2 1 2 1 1 1 2 1 2

2 1 1 4 1 1 1 1 1 4 1 1 1 1 2 1 2 1 4 3 1 3 4 1 2 1 1 1 2 1 2

3 1 1 3 1 1 1 1 1 3 1 1 1 1 2 1 3 1 3 4 1 4 3 1 2 1 1 1 2 1 2

4 1 1 4 1 1 1 1 1 4 1 1 1 1 4 1 4 1 4 4 1 4 4 1 2 1 1 1 2 1 2

5 1 4 1 1 0 1 1 2 4 1 1 1 1 4 3 1 1 4 1 1 4 1 1 2 1 2 2 1 1 2

6 1 3 1 1 0 1 1 2 3 1 1 1 1 3 3 1 1 3 1 1 3 1 1 2 1 2 2 1 1 2

7 1 4 1 1 0 1 1 2 4 1 1 1 1 4 4 1 1 3 1 1 3 1 1 2 1 2 2 1 1 2

8 1 1 4 1 1 1 1 1 1 1 1 1 1 4 4 2 1 4 1 1 3 4 1 2 1 2 1 1 1 2

9 1 1 3 1 1 1 1 1 1 1 1 1 1 3 4 2 1 3 1 1 4 3 1 2 1 2 1 1 1 2

10 1 1 2 1 1 1 1 1 1 1 1 1 1 2 2 2 1 2 1 1 2 2 1 2 1 1 1 1 2 2

11 1 1 4 1 1 1 1 1 1 1 1 1 1 4 3 2 1 4 1 1 3 4 1 2 1 1 1 1 2 2

12 1 4 1 1 0 1 1 3 4 1 1 1 3 4 2 2 1 4 1 3 1 3 1 2 1 1 2 1 1 2

13 1 4 1 1 0 1 1 2 3 1 1 1 2 4 2 3 1 3 1 2 1 2 1 2 1 1 2 1 1 2

14 1 3 1 1 0 1 1 2 3 1 1 1 2 4 2 3 1 3 1 2 1 2 1 2 1 1 2 1 1 2

15 3 4 1 1 0 1 1 1 4 1 1 1 1 4 3 3 1 1 1 1 1 4 1 2 1 1 1 1 2 2

16 4 3 1 1 0 1 1 1 3 1 1 1 1 3 4 1 2 4 1 1 1 3 1 2 1 1 1 1 2 2

17 3 4 1 1 0 1 1 1 3 1 1 1 1 3 4 1 2 3 1 1 1 3 1 2 1 1 1 1 2 2

18 4 4 1 1 0 1 1 1 3 1 1 1 4 4 1 1 1 4 1 1 1 1 2 2 1 1 1 2 1 2

19 3 3 1 1 0 1 1 1 3 1 1 1 3 3 1 1 1 3 1 1 1 1 2 2 1 1 1 2 1 2

20 4 4 1 1 0 1 1 1 3 1 1 1 4 4 1 1 1 3 1 1 1 1 2 2 1 1 1 2 1 2

21 1 4 1 1 0 2 1 1 4 1 1 1 1 4 3 1 1 4 1 1 1 3 1 2 1 1 1 2 1 2

22 1 3 1 1 0 2 1 1 3 1 1 1 1 3 2 1 1 3 1 1 1 2 1 2 1 1 1 2 1 2

23 1 4 1 1 0 2 1 1 3 1 1 1 1 4 3 1 1 3 1 1 1 2 1 2 1 1 1 2 1 2

24 4 4 1 1 0 1 1 1 4 1 1 1 1 1 1 1 1 4 1 1 3 1 1 2 1 1 1 2 1 2

25 3 3 1 1 0 1 1 1 3 1 1 1 1 1 1 1 1 3 1 1 2 1 1 2 1 1 1 2 1 2

26 4 4 1 1 0 1 1 1 3 1 1 1 1 1 1 1 1 3 1 1 2 1 1 2 1 1 1 2 1 2

27 1 4 1 1 0 1 1 3 3 1 1 1 1 2 4 2 1 4 1 1 3 1 1 2 1 2 1 2 1 2

28 1 4 1 1 0 1 1 2 2 1 1 1 1 3 4 3 1 3 1 1 2 1 1 2 1 2 1 2 1 2

29 1 4 1 1 0 1 1 2 2 1 1 1 1 2 4 3 1 4 1 1 2 1 1 2 1 2 1 2 1 2

30 1 4 1 1 0 1 1 2 2 1 1 1 1 3 4 2 1 4 1 1 2 1 1 2 1 2 1 2 1 2

31 2 4 1 1 0 0 0 0 0 0 0 0 0 4 1 2 1 4 1 1 2 1 1 2 1 2 1 1 1 2

32 2 3 1 1 0 1 4 1 3 1 1 1 1 4 4 3 1 4 1 1 2 1 1 2 1 1 1 2 1 2

33 2 3 1 1 0 1 3 1 4 1 1 1 1 4 4 2 1 3 1 1 2 1 1 2 1 1 1 2 1 2

34 2 3 1 1 0 1 2 1 2 1 1 1 1 4 3 4 1 2 1 1 2 1 1 2 1 1 1 2 1 2

35 2 4 1 1 0 1 4 1 4 1 1 1 1 2 2 2 1 4 1 1 2 1 1 2 1 1 1 2 1 2

36 2 4 1 1 0 2 1 1 4 1 1 1 1 4 4 1 1 4 1 4 2 3 1 2 1 1 1 1 2 2

37 4 3 1 1 0 2 1 1 3 1 1 1 1 1 1 3 2 4 1 1 2 1 1 2 2 1 1 1 2 2

38 1 4 1 1 0 1 1 1 4 1 1 1 1 1 3 2 2 3 1 3 2 1 0 0 0 1 0 0 0 0

39 1 3 1 1 0 2 4 1 1 1 1 1 1 4 1 2 2 4 3 1 2 1 1 2 1 1 1 1 2 2

(28)

41 3 4 1 1 0 1 1 1 4 1 1 4 1 4 1 2 2 2 2 1 2 1 0 0 0 1 1 1 2 2

42 1 4 1 1 0 1 1 1 1 1 1 1 1 1 1 4 4 4 1 2 2 1 1 1 2 1 1 2 2 2

43 1 3 1 1 0 1 1 1 1 1 1 1 1 1 1 4 4 3 1 2 2 1 1 1 2 1 1 2 2 2

44 1 3 1 1 0 1 1 1 1 1 1 1 1 1 1 4 4 3 1 2 2 1 1 1 2 1 1 2 2 2

45 1 4 1 1 0 1 1 1 4 1 1 1 1 4 1 1 1 4 1 1 2 3 1 1 2 2 1 1 1 2

46 4 4 1 1 0 1 1 1 3 1 1 1 1 3 1 1 1 4 3 1 2 3 1 1 2 2 1 1 1 2

47 3 3 1 1 0 1 1 1 3 1 1 1 1 3 1 1 1 4 3 1 2 3 1 1 2 2 1 1 1 2

48 1 4 1 1 0 2 1 3 1 1 1 1 1 4 3 3 1 4 1 1 2 1 2 2 1 1 1 2 1 2

49 1 3 1 1 0 2 1 2 1 1 1 1 1 3 2 2 1 3 1 1 2 1 2 2 1 1 1 2 1 2

50 1 4 1 1 0 2 1 3 1 1 1 1 1 4 3 2 1 3 1 1 2 1 2 2 1 1 1 2 1 2

51 1 1 1 4 0 2 1 4 1 1 1 1 1 4 1 1 1 1 1 1 2 1 1 2 1 2 1 2 1 2

52 1 1 1 3 0 2 1 3 1 1 1 1 1 3 1 1 1 1 1 1 2 1 1 2 1 2 1 2 1 2

53 1 1 1 4 0 2 1 3 1 1 1 1 1 4 1 1 1 1 1 1 2 1 1 2 1 2 1 2 1 2

54 2 4 1 1 0 2 1 1 4 1 1 1 1 4 1 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

55 2 3 1 1 0 2 1 1 3 1 1 1 1 3 1 1 1 3 1 1 2 1 1 2 1 1 1 2 1 2

56 2 3 1 1 0 2 1 1 3 1 1 1 1 4 1 1 1 3 1 1 2 1 1 2 1 1 1 2 1 2

57 4 4 2 1 0 1 1 4 4 1 1 2 1 4 1 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

58 3 3 2 1 0 1 1 3 3 1 1 2 1 3 1 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

59 4 4 3 1 0 1 1 4 4 1 1 2 1 4 1 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

60 2 4 1 1 0 1 4 4 1 1 1 1 1 4 1 1 1 2 1 1 2 1 1 2 1 1 1 2 1 2

61 2 3 1 1 0 1 3 3 1 1 1 1 1 3 1 1 1 2 1 1 2 1 1 2 1 1 1 2 1 2

62 2 4 1 1 0 1 3 4 1 1 1 1 1 4 1 1 1 2 1 1 2 1 1 2 1 1 1 2 1 2

63 4 4 1 1 0 2 1 1 1 1 1 4 1 4 1 1 1 4 1 1 2 1 1 2 1 2 2 1 1 2

64 3 4 1 1 0 2 1 1 1 1 1 3 1 3 1 1 1 3 1 1 2 1 1 2 1 2 2 1 1 2

65 2 3 1 1 0 2 1 1 1 1 1 3 1 3 1 1 1 3 1 1 2 1 1 2 1 2 2 1 1 2

66 2 1 4 1 1 1 1 3 4 1 1 1 1 4 2 3 1 4 2 2 2 1 1 2 1 1 1 2 1 2

67 2 1 3 1 1 1 1 2 3 1 1 1 1 3 2 2 1 3 2 2 2 1 1 2 1 1 1 2 1 2

68 2 1 3 1 1 1 1 2 3 1 1 1 1 3 2 2 1 4 2 2 2 1 1 2 1 1 1 2 1 2

69 1 4 1 1 0 1 1 1 1 1 1 1 1 1 1 1 4 4 3 4 2 1 1 1 2 1 1 2 1 2

70 1 3 1 1 0 1 1 1 1 1 1 1 1 1 1 1 3 3 2 3 2 1 1 1 2 1 1 2 1 2

71 1 4 2 1 1 2 1 1 4 1 1 1 1 4 3 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

72 1 4 2 1 1 2 1 1 3 1 1 1 1 3 2 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

73 1 3 2 1 1 2 1 1 4 1 1 1 1 3 2 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

74 1 4 1 1 0 1 1 1 1 1 1 1 1 1 3 1 4 4 1 1 2 1 1 2 1 2 1 2 1 2

75 1 3 1 1 0 1 1 1 1 1 1 1 1 1 2 1 4 4 1 1 2 1 1 2 1 2 1 2 1 2

76 1 3 1 1 0 1 1 1 1 1 1 1 1 1 3 1 3 4 1 1 2 1 1 2 1 2 1 2 1 2

77 1 1 4 1 1 1 1 1 4 1 1 1 1 4 1 4 1 1 1 1 2 3 1 2 1 1 1 2 1 2

78 1 1 3 1 1 1 1 1 3 1 1 1 1 3 1 3 1 1 1 1 2 2 1 2 1 1 1 2 1 2

79 1 1 4 1 1 1 1 1 4 1 1 1 1 4 1 3 1 1 1 1 2 3 1 2 1 1 1 2 1 2

(29)

81 1 3 1 1 0 1 3 1 1 1 1 1 1 3 1 3 1 3 1 1 2 1 1 2 1 1 1 1 2 2

82 1 4 1 1 0 1 4 1 1 1 1 1 1 4 1 3 1 4 1 1 2 1 1 2 1 1 1 1 2 2

83 1 4 1 1 0 1 2 1 1 1 1 1 1 3 1 4 1 4 1 1 2 1 1 2 1 1 1 1 2 2

84 1 3 1 1 0 1 4 1 1 1 1 1 1 2 1 2 1 4 1 1 2 1 1 2 1 1 1 1 2 2

85 1 3 4 1 0 1 4 1 1 1 1 1 1 3 3 3 1 4 1 1 2 1 1 2 1 1 1 2 1 2

86 1 3 1 1 0 1 3 1 1 1 1 1 1 3 1 3 1 2 1 3 2 1 1 2 1 1 1 2 1 2

87 1 3 1 1 0 1 4 1 1 1 1 1 1 3 1 3 1 3 1 4 2 1 1 2 1 1 1 2 1 2

88 1 4 2 1 0 1 1 1 1 1 1 1 1 1 1 4 1 4 4 4 2 1 1 1 2 1 1 2 1 2

89 1 4 1 1 0 1 1 1 1 1 1 1 1 1 1 3 1 3 3 3 2 1 1 1 2 1 1 2 1 2

90 1 4 2 1 0 1 1 1 1 1 1 1 1 1 1 4 1 3 3 3 2 1 1 1 2 1 1 2 1 2

91 1 4 1 1 0 1 4 1 4 1 1 1 1 4 2 2 1 4 1 1 2 1 1 2 1 2 1 2 1 2

92 2 4 1 1 0 1 3 1 3 1 1 1 1 4 3 3 1 4 1 1 2 1 1 2 1 0 0 0 0 0

93 2 3 1 1 0 1 3 1 3 1 1 1 1 3 2 2 1 4 1 1 2 1 1 2 1 2 1 2 1 2

94 1 4 1 1 0 1 4 1 4 1 1 1 1 4 3 3 1 4 1 1 2 1 1 2 1 2 1 2 1 2

95 2 4 1 1 0 1 3 1 3 1 1 1 1 4 3 4 1 3 1 1 2 1 1 2 1 2 1 2 1 2

96 2 4 1 1 0 1 3 1 3 1 1 1 1 4 3 4 1 3 1 1 2 1 1 2 1 2 1 2 1 2

97 4 4 1 1 0 1 1 4 1 1 1 1 1 4 2 2 2 4 2 1 2 1 1 2 1 2 2 1 1 2

98 3 3 1 1 0 1 1 3 1 1 1 1 1 3 2 2 2 3 2 1 2 1 1 2 1 2 2 1 1 2

99 2 4 1 1 0 1 1 3 1 1 1 1 1 3 2 2 2 3 2 1 2 1 1 2 1 2 2 1 1 2

100 1 4 1 1 0 2 1 1 4 1 1 1 1 4 2 1 1 4 2 1 2 2 1 2 1 1 1 2 1 2

101 1 3 1 1 0 2 1 1 3 1 1 1 1 3 2 1 1 3 2 1 2 2 1 2 1 1 1 2 1 2

102 1 3 1 1 0 2 1 1 3 1 1 1 1 3 2 1 1 3 2 1 2 2 1 2 1 1 1 2 1 2

103 1 1 4 1 1 1 1 4 4 1 1 1 1 4 2 1 2 4 1 1 2 1 1 2 1 1 1 2 1 1

104 1 1 3 1 1 1 1 3 3 1 1 1 1 3 2 1 2 3 1 1 2 1 1 2 1 1 1 2 1 1

105 1 1 4 1 1 1 1 4 4 1 1 1 1 4 2 1 2 3 1 1 2 1 1 2 1 1 1 2 1 1

106 2 4 1 1 0 1 1 1 4 1 2 1 1 4 1 1 1 4 1 1 2 1 2 2 1 1 1 2 1 2

107 2 3 1 1 0 1 1 1 4 1 3 1 1 4 1 1 1 4 1 1 2 1 2 2 1 1 1 2 1 2

108 3 4 1 1 0 1 1 1 4 1 2 1 1 4 1 1 1 4 1 1 2 1 2 1 1 1 1 2 1 2

109 2 4 1 1 0 1 4 4 1 1 1 1 1 4 1 1 1 3 3 1 2 1 1 2 1 1 1 2 1 1

110 2 3 1 1 0 1 3 3 1 1 1 1 1 3 1 1 1 4 4 1 2 1 1 2 1 1 1 2 1 1

111 2 4 1 1 0 1 3 3 1 1 1 1 1 3 1 1 1 3 2 1 2 1 1 2 1 1 1 2 1 1

112 1 4 1 1 0 1 1 4 4 1 1 1 1 4 3 3 1 4 2 1 2 1 1 2 1 2 2 1 1 2

113 1 3 1 1 0 1 1 3 3 1 1 1 1 3 2 2 1 3 2 1 2 1 1 2 1 2 2 1 1 2

114 1 3 1 1 0 1 1 3 3 1 1 1 1 3 2 2 1 3 2 1 2 1 1 2 1 2 2 1 1 2

115 1 4 1 1 0 1 4 3 1 1 1 1 1 4 1 1 1 4 2 1 2 1 1 2 1 1 1 2 1 1

116 1 3 1 1 0 1 3 2 1 1 1 1 1 3 1 1 1 3 2 1 2 1 1 2 1 1 1 2 1 1

117 1 4 1 1 0 1 4 2 1 1 1 1 1 4 1 1 1 3 2 1 2 1 1 2 1 1 1 2 1 1

118 1 2 1 1 0 1 1 4 4 4 1 4 1 3 1 3 1 4 2 2 2 1 1 2 1 1 1 2 1 1

119 1 2 1 1 0 1 1 3 3 3 1 3 1 2 1 2 1 3 2 2 2 1 1 2 1 1 1 2 1 1

(30)

121 2 4 1 1 0 2 1 4 1 1 1 1 1 4 1 1 1 4 1 1 2 1 1 2 1 1 1 2 1 2

122 1 3 1 1 0 2 1 4 1 1 1 1 1 4 2 1 1 4 1 1 2 1 2 2 1 1 1 2 1 2

123 1 4 1 1 0 2 1 4 1 1 1 1 1 3 2 1 1 4 1 1 2 1 2 2 1 1 1 2 1 2

124 1 1 2 1 1 2 1 4 1 1 1 1 1 4 1 1 1 2 1 4 2 2 2 2 1 2 1 2 1 2

125 1 1 2 1 1 2 1 4 1 1 1 1 1 4 1 1 1 1 1 4 2 1 2 2 1 2 1 2 1 2

126 1 1 2 1 1 2 1 4 1 1 1 1 1 4 1 1 1 1 1 4 2 1 2 1 1 0 0 0 0 2

127 1 1 4 1 1 1 4 4 1 1 1 1 1 4 1 1 1 2 1 4 2 4 1 2 1 2 1 2 1 2

128 1 1 4 1 1 1 4 4 1 1 1 1 1 4 1 1 1 2 1 4 2 4 1 2 1 2 1 2 1 2

129 1 1 4 1 1 1 4 4 1 1 1 1 1 4 1 1 1 2 1 4 2 3 1 2 1 2 1 2 1 2

130 1 3 1 1 1 2 1 3 1 1 1 1 1 4 2 1 1 4 3 1 2 1 1 2 1 2 2 1 1 2

131 1 4 1 1 1 2 1 4 1 1 1 1 1 4 2 1 1 4 3 1 2 1 1 2 1 1 2 1 1 2

132 1 3 1 1 1 2 1 3 1 1 1 1 1 3 2 1 1 4 3 1 2 1 1 2 1 1 2 1 1 2

133 1 4 2 1 1 1 1 1 1 1 1 1 1 3 4 4 1 4 4 4 2 1 1 2 1 1 1 2 2 2

134 1 4 2 1 1 1 1 1 1 1 1 1 1 3 4 4 1 4 4 4 2 1 1 2 1 1 1 2 2 2

(31)

1 1 1 1 2 2 1 2 1 2 1 2 1 2 1 1 0 2 2 1 2 1 2 1 2 1 1 2 1 1 3

2 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 0 1 1 2 2 1 2 1 2 1 1 2 1 1 3

3 1 1 1 2 2 1 2 1 2 1 2 1 2 1 1 0 0 0 0 0 0 2 1 2 1 1 2 1 1 3

4 1 1 1 2 1 1 2 1 2 1 2 1 2 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0

5 1 1 1 1 1 1 1 2 1 2 0 0 2 1 1 0 2 2 1 2 2 2 1 1 2 1 2 1 1 3

6 1 1 1 1 1 1 1 2 1 2 0 0 2 1 1 0 2 2 1 2 2 2 1 1 2 1 2 1 1 3

7 1 1 1 1 1 1 1 2 1 2 0 0 2 1 1 0 2 2 1 2 2 2 1 1 2 1 2 1 1 3

8 1 1 1 1 2 1 2 1 2 1 2 1 2 1 1 1 0 0 0 0 0 2 1 2 1 1 2 1 1 3

9 1 1 1 1 1 1 2 1 2 1 2 2 2 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0

10 1 1 1 1 2 1 2 1 2 1 2 1 2 1 1 1 0 0 0 0 0 2 1 2 1 1 2 1 1 3

11 1 1 1 1 1 1 2 1 2 1 2 2 2 1 1 1 0 0 0 0 0 2 1 2 1 1 2 1 1 3

12 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 0 2 2 1 2 2 2 1 1 2 2 2 1 1 3

13 1 1 1 1 1 2 1 1 2 1 1 2 2 1 1 0 1 1 1 2 2 2 1 1 2 2 2 1 1 3

14 1 1 1 1 1 2 1 1 2 1 1 2 2 1 1 0 1 1 1 2 2 2 1 1 2 2 2 1 1 3

15 1 1 1 2 1 1 2 1 2 1 1 2 2 1 1 0 2 2 1 2 2 2 1 1 1 2 2 1 1 3

16 1 1 1 2 1 1 2 1 2 1 1 2 2 1 1 0 2 2 1 2 2 2 1 2 1 1 2 1 1 3

17 1 1 1 2 1 1 2 1 2 1 1 2 2 1 1 0 2 2 1 2 2 2 1 2 1 1 2 1 1 3

18 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 2 1 1 2 1 2 1 2 1 1 2 1 1 3

19 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 2 1 1 2 1 2 1 2 1 1 2 1 1 3

20 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 2 1 1 2 1 2 1 2 1 1 2 1 1 3

21 1 1 1 2 2 1 1 1 1 2 1 2 2 1 1 0 1 2 1 2 1 2 1 1 1 2 2 1 1 3

22 1 1 1 2 2 1 1 1 1 2 1 2 2 1 1 0 1 2 1 2 1 2 1 1 1 2 2 1 1 3

23 1 1 1 2 2 1 1 1 1 2 1 2 2 1 1 0 1 2 1 2 1 2 1 1 1 2 2 1 1 3

24 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 1 1 2 2 1 2 1 2 1 2 2 1 1 3

25 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 1 1 2 2 1 2 1 2 1 2 2 1 1 3

26 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1 1 1 1 2 2 1 2 1 2 1 2 2 1 1 3

27 1 1 1 2 2 1 2 1 2 1 1 2 2 1 1 1 0 2 1 1 2 2 1 1 1 2 1 1 2 3

28 1 1 1 2 2 1 2 1 2 1 1 2 2 1 1 1 0 0 0 0 0 2 1 1 1 2 1 1 2 3

29 1 1 1 2 2 1 2 1 2 1 1 2 2 1 1 1 0 0 0 0 0 2 1 1 1 2 0 0 0 3

30 1 1 1 2 2 1 2 1 2 1 1 2 2 1 1 1 0 2 1 2 1 2 1 1 1 2 1 1 2 3

31 1 1 1 1 1 1 1 2 1 2 2 1 2 1 1 0 0 1 2 0 0 0 0 1 2 1 1 1 2 3

32 1 1 1 1 1 2 1 1 1 2 2 1 2 1 1 0 0 0 0 0 0 0 0 1 1 2 1 1 2 3

33 1 1 1 1 1 1 1 2 1 2 2 1 2 1 1 0 0 2 1 0 0 0 0 1 1 2 1 1 2 3

34 1 1 1 1 1 1 1 2 1 2 2 1 2 1 1 0 0 2 1 2 1 2 1 1 1 2 1 1 2 3

35 1 1 1 1 1 1 1 2 1 2 2 1 2 1 1 1 0 2 1 0 0 0 0 1 1 2 1 1 2 3

36 1 1 1 1 1 1 2 1 0 0 0 0 2 1 1 1 0 1 2 2 2 2 1 1 2 1 1 1 2 3

37 1 1 1 1 1 1 2 1 0 0 0 0 2 1 1 1 0 0 0 0 2 2 1 1 1 2 1 1 2 3

38 1 1 1 1 1 1 0 1 0 0 0 0 2 1 1 1 0 0 0 0 0 2 1 1 1 0 1 1 2 0

39 1 1 1 1 1 1 2 1 0 0 0 0 2 1 1 1 0 0 0 0 2 2 1 1 1 2 1 1 2 3

(32)

41 1 1 2 1 1 1 2 1 0 0 0 0 2 1 1 1 0 0 0 0 2 2 1 1 1 0 1 1 0 0

42 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 2 3

43 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 2 3

44 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 2 3

45 1 1 1 1 1 1 1 2 1 2 1 2 2 1 1 0 0 0 0 0 0 0 0 1 1 2 2 1 1 2

46 1 1 1 1 1 1 1 2 1 2 1 2 0 0 0 0 0 0 0 0 0 0 0 1 1 2 2 1 1 2

47 1 1 1 1 1 1 1 2 1 2 1 2 0 0 0 0 0 0 0 0 0 0 0 1 1 2 2 1 1 2

48 1 1 1 0 0 0 0 0 1 2 2 1 2 1 1 0 0 2 2 2 1 2 1 1 2 1 1 2 1 3

49 1 1 1 0 0 0 0 0 1 2 2 1 2 1 1 0 0 2 2 2 1 2 1 1 2 1 1 2 1 3

50 1 1 1 0 0 0 0 0 1 2 2 1 2 1 1 0 0 2 2 2 1 2 1 1 2 1 1 2 1 3

51 1 1 1 1 1 1 1 2 2 1 2 1 2 1 2 0 0 0 0 0 0 0 0 2 1 1 2 1 1 3

52 1 1 1 1 1 1 1 2 2 1 2 1 2 1 2 0 0 0 0 0 0 0 0 2 1 1 2 1 1 3

53 1 1 1 1 1 1 1 2 2 1 2 1 2 1 2 0 0 0 0 0 0 0 0 2 1 1 2 1 1 3

54 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 1 2 2 1 2 1 1 1 2 1 1 2 3

55 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 1 2 2 1 2 1 1 1 2 1 1 2 3

56 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 1 2 2 1 2 1 1 1 2 1 1 2 3

57 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

58 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

59 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

60 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

61 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

62 1 1 1 1 1 2 1 2 2 1 1 2 2 1 1 0 2 2 1 2 1 2 1 1 1 2 1 1 2 3

63 1 1 1 2 1 2 1 1 2 1 2 1 2 1 1 0 0 0 0 0 0 0 0 1 1 2 1 1 2 3

64 1 1 1 2 1 2 1 1 2 1 0 0 2 1 1 1 0 0 0 0 0 0 0 1 1 2 1 1 2 3

65 1 1 1 2 1 2 1 1 2 1 0 0 2 1 1 1 0 0 0 0 0 0 0 1 1 2 1 1 2 3

66 1 1 1 1 1 1 2 1 1 2 2 1 2 1 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

67 1 1 1 1 1 1 2 1 1 2 2 1 2 1 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

68 1 1 1 1 1 1 2 1 1 2 2 1 2 1 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

69 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 1 2 2 1 2 2 2 1 2 1 2 2 1 1 3

70 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 1 2 2 1 2 2 2 1 2 1 2 2 1 1 3

71 1 1 1 2 2 1 1 1 2 1 1 2 2 1 1 1 2 2 1 2 2 2 1 2 1 1 2 1 1 3

72 1 1 1 2 2 1 1 1 2 1 1 2 2 1 1 1 2 2 1 2 2 2 1 2 1 1 2 1 1 3

73 1 1 1 2 2 1 1 1 2 1 1 2 2 1 1 1 2 2 1 2 2 2 1 2 1 1 2 1 1 3

74 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 2 2 1 1 1 2 1 1 2 3

75 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 2 2 1 1 1 2 1 1 2 3

76 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 2 2 1 1 1 2 1 1 2 3

77 1 1 1 2 1 1 2 1 0 0 0 0 2 1 2 0 2 2 1 1 1 2 1 1 2 1 2 1 1 3

78 1 1 1 2 1 1 2 1 0 0 0 0 2 1 2 0 2 2 1 1 1 2 1 1 2 1 2 1 1 3

79 1 1 1 2 1 1 2 1 0 0 0 0 2 1 2 0 2 2 1 1 1 2 1 1 2 1 2 1 1 3

(33)

81 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 0 1 2 1 2 1 2 1 1 2 1 2 1 1 3

82 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

83 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 0 0 0 0 0 0 2 1 1 2 1 2 1 1 3

84 1 1 1 2 1 1 1 1 1 2 2 1 2 1 1 0 0 0 0 0 0 2 1 1 2 1 2 1 1 3

85 1 1 1 2 2 2 1 1 2 1 2 1 2 1 1 1 2 2 1 2 2 2 1 2 1 1 1 1 2 3

86 1 1 1 2 2 1 1 1 2 1 2 1 2 1 1 0 2 2 1 2 2 2 1 1 2 1 1 1 2 3

87 1 1 1 2 2 1 1 1 2 1 2 1 2 1 1 0 2 2 1 2 2 2 1 1 2 1 1 1 2 3

88 1 1 1 2 1 2 1 1 1 2 2 1 2 1 1 0 2 2 1 2 1 2 1 1 1 2 2 1 1 3

89 1 1 1 1 1 1 1 2 1 2 2 1 2 1 1 0 1 2 1 2 1 2 1 1 1 2 2 1 1 3

90 1 1 1 2 1 2 1 2 1 2 2 1 2 1 1 0 1 2 1 2 1 2 1 1 1 2 2 1 1 3

91 1 1 1 2 1 2 1 1 1 2 1 2 2 1 1 1 2 1 2 2 0 2 1 1 1 2 1 1 2 3

92 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 2 1 2 2 0 2 1 1 1 2 1 1 2 3

93 1 1 1 2 1 1 1 1 1 2 1 2 2 1 1 1 2 1 2 2 1 2 1 1 1 2 1 1 2 3

94 1 1 1 2 1 1 1 1 1 2 1 2 2 1 1 1 2 1 2 1 0 2 1 1 1 2 1 1 2 3

95 1 1 1 2 1 1 1 1 1 2 1 2 2 1 1 1 2 1 2 1 0 2 1 1 1 2 1 1 2 3

96 1 1 1 2 1 1 1 1 1 2 1 2 2 1 1 1 2 1 2 1 1 2 1 1 1 2 1 1 2 3

97 1 1 1 2 2 2 2 2 2 1 1 2 2 2 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

98 1 1 1 2 2 2 2 2 2 1 1 2 2 2 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

99 1 1 1 2 2 2 2 2 2 1 1 2 2 2 1 1 2 2 1 2 2 2 1 1 1 2 1 1 2 3

100 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 1 2 1 1 1 2 1 1 2 3

101 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 1 2 1 1 1 2 1 1 2 3

102 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 2 1 2 1 1 1 2 1 1 2 3

103 2 1 2 1 1 1 1 2 2 1 1 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 2 1 2 3

104 2 1 2 1 1 1 1 2 2 1 1 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 2 1 2 3

105 2 1 2 1 1 1 1 2 2 1 1 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 2 1 2 3

106 1 1 1 2 1 2 1 2 2 1 1 2 2 1 1 1 2 2 2 2 1 2 1 1 1 2 2 1 1 3

107 1 1 1 2 1 2 1 2 2 2 1 2 2 1 1 0 0 2 2 2 1 2 1 1 2 1 2 1 1 1

108 1 1 1 2 1 2 1 1 2 1 1 2 2 1 1 0 2 2 2 0 0 2 1 1 2 1 2 1 1 3

109 2 1 1 1 1 2 1 2 2 1 2 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 1 1 2 3

110 2 1 1 1 1 2 1 2 2 1 2 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 1 1 2 3

111 2 1 1 1 1 2 1 2 2 1 2 2 1 2 1 0 0 0 0 0 0 0 0 1 1 2 1 1 2 3

112 1 1 1 2 1 1 1 2 0 0 0 0 2 1 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 3

113 1 1 1 2 1 1 1 2 0 0 0 0 2 1 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 3

114 1 1 1 2 1 1 1 2 0 0 0 0 2 1 2 1 2 1 2 2 2 2 1 1 1 2 1 1 2 3

115 1 2 1 2 1 1 1 1 0 0 1 2 1 2 1 0 2 2 1 2 2 2 1 1 1 2 2 1 1 3

116 1 2 1 2 1 1 1 1 0 0 1 2 1 2 1 0 2 2 1 2 2 2 1 1 1 2 2 1 1 3

117 1 2 1 2 1 1 1 1 0 0 1 2 1 2 1 0 2 2 1 2 2 2 1 1 1 2 2 1 1 3

118 1 2 1 2 1 1 1 1 0 0 0 0 1 2 1 2 2 2 2 0 2 2 1 2 1 1 2 1 1 3

119 1 2 1 2 1 1 1 1 0 0 0 0 1 2 1 2 2 2 2 0 2 2 1 2 1 1 2 1 1 3