G12 Dwi 1
G12 Dwi 1
DINIA WIHANSAH
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
Dinia Wihansah
NIM G14080033
RINGKASAN
DINIA WIHANSAH. Model Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang
Berpengaruh Terhadap Status Anemia pada Ibu Hamil (Studi Kasus : Wilayah Kerja Puskesmas
Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara). Dibimbing oleh BUNAWAN SUNARLIM
dan DIAN KUSUMANINGRUM.
Ibu hamil merupakan kelompok sasaran yang perlu mendapatkan perhatian khusus, karena ibu
hamil merupakan kelompok yang rentan menderita masalah gizi. Salah satu masalah gizi yang
banyak terjadi pada ibu hamil adalah anemia. Anemia pada ibu hamil meningkatkan risiko
terjadinya keguguran, lahir sebelum waktunya, melahirkan bayi dengan Berat Badan Lahir Rendah
(BBLR), lahir mati, dan kematian perinatal. Ibu hamil yang menderita anemia berat dapat
mengalami kegagalan jantung yang dapat menyebabkan kematian. Penelitian ini bertujuan untuk
mengidentifikasi faktor-faktor yang mempengaruhi status anemia pada ibu hamil dengan
menggunakan regresi logistik biner. Data yang digunakan dalam penelitian ini adalah data
sekunder dari Penelitian Any Fauzayani Basri untuk mengetahui faktor yang berhubungan
dengan anemia ibu hamil di wilayah kerja Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi
Tenggara pada tahun 2011. Perbedaan penelitian ini dengan penelitian Any Fauzayani Basri
terletak pada analisis yang digunakan. Penelitian sebelumnya digunakan analisis Uji Chi Square
dan analisis multivariate. Hasil yang diperoleh dari model regresi logistik biner menunjukkan
bahwa faktor-faktor yang berpengaruh terhadap status anemia ibu hamil di wilayah kerja
Puskesmas Wajo Kota Bau-Bau Propinsi Sulawesi Tenggara yaitu umur kehamilan, jarak
kelahiran, frekuensi pemeriksaan kehamilan, dan konsumsi tablet penambah darah. Model regresi
logistik biner yang diperoleh adalah g(x)= 1.662 + 0.437 x2 - 1.024 x3 - 5.276 x5 0.516 x6.
Evaluasi keakuratan model dilakukan dengan melihat nilai persentase CCR untuk data
keseluruhan yaitu sebesar 91.30% dan luas dibawah kurva ROC sebesar 1.00 pada nilai cutpoint
0.50. Selain itu dilihat pula nilai persentase CCR dan luas dibawah kurva ROC untuk data
validasi. Nilai persentase CCR minimum untuk data validasi yaitu sebesar 78.40% dan nilai
minimum untuk luas dibawah kurva ROC sebesar 0.884. Adapun nilai persentase CCR
maksimumnya sebesar 100% dengan nilai maksimum untuk luas dibawah kurva ROC yaitu 1.
Nilai ketepatan klasifikasi antara data keseluruhan dengan validasi data menunjukkan hasil yang
relatif sama sehingga model dapat dikatakan valid atau akurat.
Kata kunci : ibu hamil, anemia, regresi logistik biner , persentase CCR, kurva ROC
DINIA WIHANSAH
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
Judul Skripsi
Nama
Dinia Wihansah
NIM
G14080033
Menyetujui :
Pembimbing 1
Pembimbing 2
Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Tanggal Lulus :
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas limpahan rahmat dan karunia
Nya sehingga penulisan karya ilmiah ini dapat terselesaikan. Karya ilmiah ini berjudul Model
Regresi Logistik Biner untuk Mengidentifikasi Faktor-Faktor yang Berpengaruh Terhadap Status
Anemia pada Ibu Hamil (Studi Kasus : Wilayah Kerja Puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara). Karya ilmiah ini disusun sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor.
Terselesaikannya karya ilmiah ini tak lepas dari dorongan serta bantuan dari berbagai pihak.
Oleh karena itu pada kesempatan ini penulis ucapkan terima kasih kepada Bapak Ir. Bunawan
Sunarlim, MS dan Ibu Dian Kusumaningrum, S.Si, M.Si selaku pembimbing atas segala bantuan
dan kesediannya untuk membimbing, mengarahkan , memberikan saran dan kritik serta atas waktu
yang diluangkan selama proses penulisan karya ilmiah ini. Selain itu terima kasih penulis
sampaikan kepada :
1. Bapak Dr. Ir. Hari Wijayanto, M.Si selaku Ketua Depatremen Statistika, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor
2. Ibu Yenny Angraeni, S.Si, M.Si selaku dosen penguji luar atas saran dan masukannya
3. Seluruh dosen, staf pengajar, dan seluruh staf Departemen Statistika yang telah memberikan
bimbingan dan bantuannya
4. Ibu Any Fauzayani Basri, SKM, M.Si atas bimbingan, arahan serta izin penggunaan datanya
5. Kedua orang tua, adik serta seluruh keluarga atas doa, dukungan dan kasih sayangnya yang
diberikan selama ini
6. Teman-teman Statistika 45 khususnya Anna Fauziyah, Hanik Aulia, Mulya Sari, Hana
Maretha , Aisyah Fitasari, Widya Maricella, Eko Yudhi, Ummi Nur Chasanah, IDG Richard,
Iqbal Noviandi, Arima Puspitaningrum, Metha Naomi Sipayung, Anita Pratiwi, dan Hadi
Septian Guna Putra atas kebersamaan dan kekompakannya
7. Anton Susilo dan Penghuni Harmoni 1 khususnya Rohanah, Putri Nur Sakinah, Rathih
Wulansari, Ninggar Pramita Sari, Nur Elok, Ernawati, Citra Ayu, Rismawati, Liyona, Riska
Amalia, Novita atas kasih sayang dan dukungannya
Semoga Allah SWT memberikan imbalan yang setimpal atas segala bantuan yang telah
diberikan dan semoga karya ilmiah ini dapat bermanfaat bagi pihak yang membutuhkan. Penulis
memohon maaf atas segala kekurangan dan kesalahan yang terdapat di dalam penyusunan karya
ilmiah ini.
Bogor,
Oktober 2012
Dinia Wihansah
RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada tanggal 16 Januari 1990 dari pasangan Samsudin dan
Haliah. Penulis merupakan anak pertama dari dua bersaudara. Pada tahun 2002 penulis
menyelesaikan pendidikan dasar di SD Negeri 004 Tampan Pekanbaru, kemudian melanjutkan
pendidikan menengah pertama di SMP Negeri 3 Tasikmalaya hingga tahun 2005. Pada tahun 2008
penulis menyelesaikan pendidikannya di SMAN 1 Tasikmalaya dan pada tahun yang sama penulis
lulus seleksi masuk Institut Pertanian Bogor melalui jalur Undangan Seleksi Mahasiswa IPB
(USMI). Penulis memilih program studi mayor Statistika, Fakultas Matematika dan Ilmu
Pengetahuan Alam .
Selama mengikuti masa perkuliahan, penulis aktif dalam berbagai kegiatan Himpunan
Keprofesian Gamma Sigma Beta (GSB) 2011 sebagai staf di Divisi Kesekretariatan , serta aktif di
Organisasi Mahasiswa Dareah (OMDA) Tasikmalaya yaitu HIMALAYA (Himpunan Mahasiswa
Tasikmalaya). Selain itu, penulis aktif dalam kegiatan kepanitiaan seperti Statistika Ria keenam
tahun 2010, Welcome Ceremony Statistics 2011, dan Pesta Sains Nasional pada tahun 2011. Selain
itu penulis juga pernah mengikuti Survey Jaminan Kesehatan Daerah (Jamkesda) yang diadakan
oleh Dinas Kesehatan Kota Bogor pada tahun 2011. Pada Pebruari-April 2012, penulis
melaksanakan kegiatan praktek lapang di Balai Penelitian Tanaman Jeruk dan Buah Subtropika
(Balitjestro), Batu-Jawa Timur.
ix
DAFTAR ISI
Halaman
ix
1
1
1
1
1
2
2
2
3
3
3
4
METODOLOGI ............................................................................................................
Data .. ............................................................................................................................. ..
Metode ...................................................................................................................... .......
4
4
5
5
5
7
8
8
9
9
10
10
LAMPIRAN ..............................................................................................................................
11
DAFTAR TABEL
1
2
3
4
Halaman
Ketepatan Klasifikasi .....................................................................................................
4
Analisis Regresi Logistik Biner dengan model reduksi .................
7
8
Rasio odds model Regresi Logistik Biner ......................................................................
9
Ketepatan prediksi model pada cutpoint ....................................
DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
Halaman
Kurva ROC .........................................................................
4
Status anemia ibu hamil ..................................................................................................
5
Usia Ibu Hamil ....
5
Pekerjaan Ibu Hamil ...........................................................................................
6
Pendidikan Ibu Hamil .........................................................................
6
Status Malaria .........................................
6
Status Kecacingan .......................................
6
Kurva ROC keseluruhan model ..
9
Fluktuasi persentase CCR ...
9
Fluktuasi nilai ROC
9
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
Halaman
Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk ...
12
Deskripsi nilai peubah penjelas (peubah numerik) ..........................................................
13
Deskripsi hubungan antara status anemia dengan peubah penjeas (peubah kategorik)
14
Analisis Regresi Biner dengan 11 peubah penjelas .........................................................
16
Nilai spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint .....................
17
Plot spesifisitas dan sensitifitas dengan berbagai kemungkinan cutpoint ........................
18
Hasil validasi model menggunakan persentase CCR dan ROC dengan ulangan
sebanyak 50 kali..........................................................
19
PENDAHULUAN
Latar Belakang
Masa kehamilan merupakan masa dimana
tubuh sangat membutuhkan asupan makan
yang maksimal baik untuk jasmani maupun
rohani. Hal ini disebabkan karena pada masa
ini biasanya terjadi penurunan kemampuan
tubuh untuk bekerja secara maksimal. Ibu
hamil seringkali mengalami keletihan, kepala
pusing, sesak nafas, wajah pucat dan berbagai
macam keluhan lainnya. Semua keluhan
tersebut merupakan indikasi bahwa wanita
tersebut sedang menderita anemia (Arisman
2003, diacu dalam Basri 2011).
Anemia pada masa kehamilan merupakan
masalah kesehatan yang penting untuk
ditanggulangi dalam upaya meningkatkan
derajat kesehatan masyarakat. Anemia pada
ibu hamil adalah salah satu faktor yang
menjadi indikator pengukuran keberhasilan
pembangunan kesehatan suatu bangsa, yang
menggambarkan kemampuan sosial ekonomi
dalam memenuhi kebutuhan kuantitas dan
kualitas gizi masyarakat. Sampai saat ini
anemia masih merupakan masalah gizi utama
yang diderita oleh ibu hamil dan wanita pada
umumnya.
Anemia
pada ibu hamil
meningkatkan risiko terjadinya keguguran,
lahir sebelum waktunya, melahirkan bayi
dengan Berat Badan Lahir Rendah (BBLR),
lahir mati, dan kematian perinatal. Ibu hamil
yang menderita anemia berat dapat mengalami
kegagalan jantung yang dapat menyebabkan
kematian (Arisman 2003, diacu dalam Basri
2011).
Di Sulawesi Tenggara, prevalensi anemia
pada ibu hamil menurut data Survey
Kesehatan Rumah Tangga (SKRT) pada tahun
2001 dilaporkan sebesar 67.25%. Selain
prevalensi anemia yang masih cukup tinggi,
hasil Survei Sosial Ekonomi Nasional
(Susenas) tahun 2004 menunjukkan bahwa
cakupan pelayanan terhadap ibu hamil belum
maksimal, terlihat dari masih rendahnya
kesadaran ibu untuk mengkonsumsi tablet
penambah darah yaitu hanya sekitar 14.9%
dari rata-rata nasional sebesar 18.7%.
Demikian pula dengan persentase kunjungan
pemeriksaan ibu hamil yang masih 53.9% dari
Standar Pelayanan Minimal (SPM) sebesar
78% (Depkes 2008, diacu dalam Basri 2011).
Melihat masih tingginya prevalensi
anemia pada ibu hamil, maka perlu dilakukan
penelitian mengenai faktor-faktor yang
mempengaruhi status anemia pada ibu hamil.
Untuk menganalisis masalah tersebut maka
digunakan analisis regresi logistik. Dalam
1 exp( g ( x))
( x)
()
()
g ( x) 0 1 x1 ... ju D ju p x p
u
Pendugaan Parameter
Pendugaan parameter yang digunakan
dalam regresi logistik adalah metode
kemungkinan
maksimum
(maximum
likelihood). Metode ini dapat digunakan jika
antara amatan yang satu dengan amatan yang
lainnya diasumsikan saling bebas, maka fungsi
kemungkinan maksimumnya adalah :
n
l ( ) ( xi ) yi 1 ( xi )
i 1
1 yi
Dengan :
i
= 1,2,,p
yi
= pengamatan pada peubah penjelas ke-i
(xi) = peluang untuk peubah penjelas ke-i
Parameter
i
diduga
dengan
memaksimumkan persamaan diatas untuk
mempermudah perhitungan maka dilakukan
pendekatan logaritma sehingga fungsi loglikelihood sebagai berikut:
L()=
=1 {yi
ln[(xi)]+(1-yi) ln [1-(xi)]}
= [S ()]2
dimana merupakan penduga bagi ,dan
S () merupakan penduga galat baku dari .
Statistik akan mengikuti sebaran
2
dengan derajat bebas p. Kaidah keputusan
yang diambil yaitu , jika W > 2P() maka
hipotesis nol ditolak (Agresti 1990).
Backward Elimination
Backward Elimination merupakan salah
satu metode pereduksian peubah penjelas yang
digunakan dalam analisis regresi baik linier
maupun logistik. Analisis dimulai dengan
model penuh yaitu memasukkan seluruh
peubah penjelas ke dalam model kemudian
peubah-peubah
penjelas
yang
tidak
berpengaruh signifikan dikeluarkan satu per
satu dari model secara bertahap. Peubah
penjelas yang direduksi merupakan peubah
penjelas
yang memiliki nilai-p terbesar.
Setiap proses pereduksian selesai maka akan
dilakukan uji kebaikan model untuk menguji
bahwa model dapat menggambarkan data
dengan baik. Proses akan berhenti jika peubah
penjelas yang ada dalam model memiliki nilai
p< . Hal ini berarti tidak ada lagi peubah
penjelas yang direduksi dari model (Agresti,
2007; Draper NR, Smith H. 1992).
Interpretasi Koefisien
Interpretasi koefisien untuk model regresi
logistik biner dapat dilakukan dengan
menggunakan nilai rasio odds. Odds sendiri
dapat diartikan sebagai rasio peluang kejadian
sukses dengan kejadian tidak sukses dari
peubah respon. Rasio odds mengindikasikan
seberapa lebih mungkin munculnya kejadian
Prediksi
%
Ketepatan
Benar
(-)
Salah
(+)
Spesifisitas
Salah
(-)
Benar
(+)
Sensitifitas
% Ketepatan Keseluruhan
(CCR)
dengan:
Benar (-) : prediksi yang tepat dari kategori
pembanding dari peubah respon
(misal peubah yang berkategori 0
pada regresi logistik biner).
Benar (+) : prediksi yang tepat pada kategori
tandingan dari peubah respon
(misal peubah yang berkategori 1
pada regresi logistik biner).
Salah (+) : banyaknya
kesalahan
pada
peubah respon yang bernilai 0
dengan prediksi bernilai 1.
Salah (-) : banyaknya
kesalahan
pada
peubah respon yang bernilai 1
dengan prediksi bernilai 0.
Gambar 1 merupakan kurva ROC
(Receiver Operating Characteristic). Kurva
tersebut merupakan plot antara peluang salah
positif (1-spesifisitas) dengan benar positif
(sensitivitas). Luas daerah dibawah kurva
ROC berkisar antara 0 dan 1. Hal ini
menunjukkan kemampuan model dalam
mengelompokkan
data
serta
menilai
keakuratan dari suatu diagnosis.
S. E.
Wald
Nilaip
0.434
0.088
24.248
0.000
-1.024
0.386
7s.034
0.008
Frekuensi
Pemeriksaan
Kehamilan
-5.276
0.994
28.191
0.000
Konsumsi
Tablet
Penambah
Darah
-0.516
0.173
8.896
0.003
Constant
1.662
1.523
1.19
0.275
Peubah
Umur
Kehamilan
(4 minggu)
Jarak
Kelahiran
Log-Likelihood = -26.0165
Uji G= 121.744 ; Nilai-p= 0.000
Regresi Logistik
SK 95%
Lower
Upper
1.299
1.836
0.169
0.766
0.005
0.001
0.036
0.597
0.425
0.838
78.40%
0.884
Simpulan
yang berpengaruh terhadap
status anemia ibu hamil di wilayah kerja
Puskesmas Wajo Kota Bau-Bau Propinsi
Sulawesi Tenggara yaitu umur kehamilan,
jarak kelahiran, frekuensi pemeriksaan
kehamilan, dan konsumsi tablet penambah
darah. Model regresi logistik biner yang
diperoleh adalah ()= 1.662 + 0.434 x2 1.024 x3 - 5.276 x5 0.516 x6. Semakin
meningkatnya umur kehamilan maka akan
semakin besar pula peluang ibu hamil terkena
anemia. Semakin dekat jarak kelahiran
peluang ibu hamil terkena anemia besar.
Frekuensi pemeriksaan kehamilan yang terlalu
sedikit juga akan menyebabkan peluang ibu
hamil terkena anemia semakin besar.
Konsumsi tablet penambah darah yang
..Faktor-faktor
10
LAMPIRAN
12
x1
Status Anemia
Usia Ibu
Skala Pengukuran
Kategorik
Kategorik
x2
Umur Kehamilan
Numerik (minggu)
x3
Numerik (tahun)
x5
Jarak Kelahiran
Gravida (Frekuensi
Kehamilan)
Frekuensi Pemeriksaan
Kehamilan
x6
Numerik
(tablet/minggu)
x7
Status Malaria
Kategorik
x4
x8
x9
x10
x11
Status Kecacingan
Pekerjaan Ibu
Pendidikan Ibu
Penghasilan
D1
D2
Keterangan
Tidak Anemia
Anemia
Numerik (kali)
Numerik (kali)
Kategorik
Kategorik
Kategorik
Numerik (Rupiah)
Plasmodium (-)
Plasmodium (+)
Tidak Cacingan
Cacingan
Tidak Bekerja
Bekerja
Tidak Sekolah- SD
SMP-SMA
Diploma-Sarjana
13
Mean
Umur Kehamilan
Penghasilan
Minimum
13
21
26
32
36
850.000
1.800.000
2.700.000
9.500.000
35
27.6
38
29.9
37
29.1
14
11
2.4
127
100
Gravida
Frekuensi
Persen
38
29.9
43
33.9
25
19.7
6.3
6.3
2.4
0.8
0.8
127
100
Frek. Pemeriksaan
Frekuensi
Persen
36
28.3
57
44.9
26
20.5
6.3
127
100
Konsumsi Tablet
Tambah Darah
Frekuensi
Persen
3,9
4.7
38
29.9
22
17.3
5.5
3.9
44
34.6
127
100
Total
Maksimum
60.000
Persen
Total
Q3
25.89
Frekuensi
Total
Q2
1.971.307.09
Jarak
Kelahiran
Total
Q1
14
Lampiran 3 Deskripsi hubungan antara status anemia dengan peubah penjeas (peubah kategorik)
Tidak Anemia
Anemia
91,70%
65,50%
21,80%
12,70%
6,90%
1,40%
<20 tahun
Tidak Anemia
Anemia
100%
57,10%
42,90%
0%
Plasmodium (-)
Plasmodium (+)
Tidak Anemia
Anemia
96,40%
71,70%
28,30%
3,60%
Tidak Cacingan
Cacingan
15
Tidak Anemia
Anemia
67,40%
51,20%
48,80%
32,60%
Tidak Bekerja
Bekerja
Tidak Anemia
Anemia
71,80%
60%
50,60%49,40%
40%
28,20%
Tidak Sekolah
SMP-SMA
Diploma-Sarjana
16
S.E.
Usia Ibu
Wald
df
Sig.
0.825
0.662
-1.798
1.998
0.810
0.368
-0.504
1.343
0.141
0.708
Umur Kehamilan
0.407
0.100
16.627
0.000*
Jarak Kelahiran
-0.772
0.444
3.021
0.082
Gravida
-0.450
0.466
0.932
0.334
Frekuensi Pemeriksaan
Kehamilan
-4.964
1.143
18.866
0.000*
-0.539
0.201
7.231
0.007*
Status Malaria
-14.988
40192.994
0.000
1.000
Status Kecacingan
-2.941
1.631
3.253
0.071
Pekerjaan Ibu
-0.271
1.368
0.039
0.843
0.656
0.720
Pendidikan Ibu
Pendidikan Ibu(1)
0.797
2.102
0.144
0.705
Pendidikan Ibu(2)
-0.516
1.052
0.240
0.624
Penghasilan
0.000
0.000
0.306
0.580
Constant
21.496
40192.994
0.000
1.000
17
Spesifisitas
Sensitifitas
0.01
45.8
100
0.02
54.2
100
0.03
56.9
100
0.04
63.9
100
0.05
68.1
100
0.10
77.8
98.2
0.15
81.9
98.2
0.20
86.1
98.2
0.25
90.3
96.4
0.30
90.3
96.4
0.35
90.3
96.4
0.40
90.3
92.7
0.45
90.3
92.7
0.46
90.3
92.7
0.47
90.3
92.7
0.48
90.3
90.9
0.49
90.3
90.9
0.50
91.7
90.9
0.55
91.7
90.9
0.60
93.1
89.1
0.65
93.1
83.6
0.70
93.1
81.8
0.75
93.1
81.8
0.80
94.4
81.8
0.85
97.2
80
0.90
97.2
67.3
0.95
100
50.9
0.96
100
36.4
0.97
100
29.1
0.98
100
23.6
0.99
100
16.6
18
19
Lampiran 6 Hasil validasi model menggunakan persentase CCR dan ROC dengan ulangan sebanyak 50
kali
NO
%CCR
ROC
81.6%
0.908
38
100%
38
94.75%
0.977
38
100%
38
94.70%
0.994
38
94.70%
0.95
38
86.80%
0.961
38
81.60%
0.884
38
100%
38
10
97.40%
0.981
38
11
89.50%
0.983
38
12
84.20%
0.934
38
13
81.60%
0.895
38
14
86.80%
0.903
38
15
92.10%
0.983
38
16
81.60%
0.947
38
17
78.40%
0.919
38
18
88.20%
0.945
38
19
92.20%
0.974
38
20
92.20%
0.975
38
21
92.25%
0.974
38
22
94.10%
0.997
38
23
90.20%
0.973
38
24
94.10%
0.971
38
25
94.10%
0.969
38
26
90.20%
0.978
38
27
88.20%
0.931
38
28
94.10%
0.985
38
29
88.20%
0.943
38
30
88.20%
0.962
38
20
Lampiran 6 (Lanjutan)
NO
%CCR
ROC
31
32
84.30%
0.93
38
80.40%
0.903
38
33
92.20%
0.942
38
34
94.10%
0.945
38
35
94.10%
0.971
38
36
94.10%
0.951
38
37
86.30%
0.967
38
38
82.40%
0.94
38
39
88.20%
0.956
38
40
86.30%
0.962
38
41
84.30%
0.941
38
42
96.10%
0.995
38
43
84.30%
0.96
38
44
90.20%
0.966
38
45
94.10%
0.984
38
46
84.30%
0.944
38
47
90.20%
0.977
38
48
94.10%
0.985
38
49
90.20%
0.967
38
50
98%
0.984
38