SlideShare une entreprise Scribd logo
1  sur  10
Variables Entered/Removedb

                                    Variables
Model       Variables Entered       Removed           Method

1           fisika,
                                                 . Enter
            matematikaa

a. All requested variables entered.

b. Dependent Variable: lamabelajar




                                          Model Summaryb

                                            Adjusted R        Std. Error of the
Model             R           R Square       Square              Estimate         Durbin-Watson

1                     .101a        .010               -.063           28.29307             1.458

a. Predictors: (Constant), fisika, matematika

b. Dependent Variable: lamabelajar


Pada tabel Model Summary diperoleh R² = 0,340, artinya variable Nilai kimia,
nilai matematika dan ukuran sepatu dapat menerangkan variabilitas sebesar 34,0%
dari nilai kognitif siswa kelas 3. R² merupakan koefisien determinasi
                                                ANOVAb

                                 Sum of
    Model                        Squares         df           Mean Square         F          Sig.
    1          Regression         125.166              2           62.583         1.762         .191a
               Residual           959.001             27           35.519
               Total             1084.167             29
      a. Predictors: (Constant), logaritma, matematika
      b. Dependent Variable: kimia

Analisis Output :
      Hipotesis :

         H0 : b ≠ 0 (Tidak ada hubungan linier antara variable bebas dengan
         variable terikat)
         H1 : b = 0 (ada hubungan linier antara variable bebas dan variable terikat)

        Dalam pengujian ini digunakan tingkat signifikasi 0,05 (α = 5%) atau
        dengan kata lain tingkat kepercayaan sebesar 0,95 (95%).
        Penarikan kesimpulan :
        Fhitung > Ftabel  Tolak H0
Fhitung < Ftabel  Terima H0

                   Pengujian Hipotesis :

                      Dalam Output diperoleh nilai Fhit = 1,762 (dalam tabel anova atau dapat
                      diperoleh dari MS.Regresi/ MS.Residual) sedangkan untuk Ftabel = 5,61
                      (tabel distribusi F (df) dengan taraf signifikasi 5%) karena nilai Fhit >
                      Ftabel, maka disimpulkan dapat menolak H0. Artinya signifikasi sampai
                      taraf 1%.



                                                              Coefficientsa

                                                                Standardized                                           Collinearity Statistics
                            Unstandardized Coefficients          Coefficients
Model                           B             Std. Error              Beta              t             Sig.            Tolerance         VIF

1        (Constant)                  71.804         36.596                                  1.962         .060
         matematika                   -.174            .483                  -.070          -.361         .721               .978          1.023
         fisika                       -.130            .401                  -.063          -.323         .749               .978          1.023

a. Dependent Variable: lamabelajar




                   Pada taraf signifikasi 5%, nilai ttabel atau t0,05;28 = 2,048 dan thitung =
                    -5839 karena thitung < thitung , maka dapat disimpulkan tidak dapat
                    menolak H0 , artinya konstanta tidak berpengaruh secara statistika pada
                    tabel berat. Hal ini bisa dilihat dari sig =000.


                                                 Collinearity Diagnosticsa

                      Dimensi                                                    Variance Proportions
            Model     on        Eigenvalue       Condition Index       (Constant)      matematika            fisika

            1         1                  2.956                1.000              .00                .00               .00
                      2                   .032                9.675              .02                .31               .82
                      3                   .013             15.166                .98                .69               .18

            a. Dependent Variable: lamabelajar
Residuals Statisticsa

                                Minimum        Maximum      Mean          Std. Deviation    N

Predicted Value                      46.3978     57.4726        52.8333          2.75880        30

Std. Predicted Value                  -2.333       1.682           .000             1.000       30

Standard Error of Predicted
                                       5.366      15.501          8.515             2.794       30
Value

Adjusted Predicted Value             46.2326     65.4847        53.7579          3.99492        30

Residual                       -5.39042E1       68.35844         .00000         27.30002        30

Std. Residual                         -1.905       2.416           .000              .965       30

Stud. Residual                        -1.945       2.467          -.015             1.008       30

Deleted Residual               -5.61967E1       71.26405        -.92454         29.89525        30

Stud. Deleted Residual                -2.059       2.751           .000             1.064       30

Mahal. Distance                         .077       7.738          1.933             1.999       30

Cook's Distance                         .001        .157           .032              .041       30

Centered Leverage Value                 .003        .267           .067              .069       30

a. Dependent Variable: lamabelajar
Variables Entered/Removedb

                                       Variables
Model       Variables Entered          Removed           Method

1           fisika,
                             a
                                                    . Enter
            matematika

a. All requested variables entered.

b. Dependent Variable: lamabelajar




                                                              b
                                             Model Summary

                                               Adjusted R         Std. Error of the
Model             R              R Square       Square               Estimate         Durbin-Watson
                         a
1                     .101            .010               -.063            28.29307             1.458

a. Predictors: (Constant), fisika, matematika

b. Dependent Variable: lamabelajar


Pada tabel Model Summary diperoleh R² = 0,340, artinya variable Nilai kimia,
nilai matematika dan ukuran sepatu dapat menerangkan variabilitas sebesar 34,0%
dari nilai kognitif siswa kelas 3. R² merupakan koefisien determinasi
                                                   ANOVAb

                                     Sum of
    Model                           Squares         df           Mean Square          F          Sig.
    1          Regression            125.166              2           62.583          1.762         .191a
               Residual              959.001             27           35.519
               Total                1084.167             29
      a. Predictors: (Constant), logaritma, matematika
      b. Dependent Variable: kimia

Analisis Output :
     Hipotesis :

         H0 : b ≠ 0 (Tidak ada hubungan linier antara variable bebas dengan
         variable terikat)
         H1 : b = 0 (ada hubungan linier antara variable bebas dan variable terikat)

        Dalam pengujian ini digunakan tingkat signifikasi 0,05 (α = 5%) atau
        dengan kata lain tingkat kepercayaan sebesar 0,95 (95%).
        Penarikan kesimpulan :
        Fhitung > Ftabel  Tolak H0
Charts
Normal P-P Plot of Regression Standardized Residual



                         Dependent Variable: Uang Transport
                        1.0




                        0.8
    Expected Cum Prob




                        0.6




                        0.4




                        0.2




                        0.0
                              0.0   0.2       0.4    0.6      0.8   1.0

                                          Observed Cum Prob
Scatterplot



                                            Dependent Variable: Uang Transport

                                  2
Regression Studentized Residual




                                   1



                                  0



                                  -1



                                  -2



                                  -3

                                       -2     -1            0              1           2

                                             Regression Standardized Predicted Value
Data regresi mengenai Factor-faktor yang mempengaruhi
       nilai matematika,fiska dengan lama belajar di
UNIVERSITAS SULTAN AGENG TIRTAYASA pada kelas 3E
program studi pendidikan Biologi, adalah sebagai berikut :

       No. MATEMATIKA FISIKA       LAMA BELAJAR
        1     75.00    65.00           20.00
        2     45.00    60.00           30.00
        3     60.00    54.00           60.00
        4     60.00    55.00           60.00
        5     60.00    65.00           60.00
        6     60.00    65.00           45.00
        7     61.00    70.00           60.00
        8     64.00    55.00           60.00
        9     50.00    55.00           60.00
       10     55.00    50.00           60.00
       11     42.00    54.00           45.00
       12     75.00    30.00           30.00
       13     85.00    65.00           30.00
       14     80.00    75.00           60.00
       15     52.00    45.00           30.00
       16     66.00    50.00          120.00
       17     68.00    64.00          120.00
       18     63.00    65.00           90.00
       19     55.00    70.00           60.00
       20     43.00    60.00           90.00
       21     75.00    95.00           30.00
       22     72.00    70.00           60.00
       23     74.00    75.00           45.00
       24     60.00    90.00           30.00
       25     55.00    75.00           30.00
       26     58.00    60.00            .00
       27     70.00    60.00           80.00
       28     65.00    45.00           30.00
       29     65.00    50.00           60.00
       30     80.00    50.00           30.00

Contenu connexe

En vedette

Rising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureRising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureDecision and Policy Analysis Program
 
Wdc Overview
Wdc OverviewWdc Overview
Wdc OverviewSmrtAss
 
《新平台式思考》第五章:鐵則4至6導讀
《新平台式思考》第五章:鐵則4至6導讀《新平台式思考》第五章:鐵則4至6導讀
《新平台式思考》第五章:鐵則4至6導讀Yi Hsin Yeh
 
Mattj Presentation
Mattj PresentationMattj Presentation
Mattj Presentationmattomatto
 
從0到1:第七章 cathy 20141213
從0到1:第七章 cathy 20141213從0到1:第七章 cathy 20141213
從0到1:第七章 cathy 20141213Yi Hsin Yeh
 
Curriculum series 2010 posterous
Curriculum series 2010   posterousCurriculum series 2010   posterous
Curriculum series 2010 posterousFrank
 
GN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeGN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeBSBfan
 
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Yangki Sulaeman
 

En vedette (11)

Rising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureRising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agriculture
 
Wdc Overview
Wdc OverviewWdc Overview
Wdc Overview
 
《新平台式思考》第五章:鐵則4至6導讀
《新平台式思考》第五章:鐵則4至6導讀《新平台式思考》第五章:鐵則4至6導讀
《新平台式思考》第五章:鐵則4至6導讀
 
Artificial heart
Artificial heartArtificial heart
Artificial heart
 
Mattj Presentation
Mattj PresentationMattj Presentation
Mattj Presentation
 
從0到1:第七章 cathy 20141213
從0到1:第七章 cathy 20141213從0到1:第七章 cathy 20141213
從0到1:第七章 cathy 20141213
 
Get smart!short
Get smart!shortGet smart!short
Get smart!short
 
Curriculum series 2010 posterous
Curriculum series 2010   posterousCurriculum series 2010   posterous
Curriculum series 2010 posterous
 
GN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeGN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive Lodge
 
JRV – GBIF Science Symposium 2013
JRV – GBIF Science Symposium 2013JRV – GBIF Science Symposium 2013
JRV – GBIF Science Symposium 2013
 
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
 

Similaire à Regresi Asli

kelompok 6 REGRESI
kelompok 6 REGRESIkelompok 6 REGRESI
kelompok 6 REGRESIguest5c853b
 
KELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIKELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIguest6fb0862
 
KELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIKELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIguest6fb0862
 
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptx
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptxANALISIS REGRESI (Muh. Yusuf-P3400215401).pptx
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptxullaibanez1
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 

Similaire à Regresi Asli (20)

Regresi.
Regresi.Regresi.
Regresi.
 
R E G R E S I
R E G R E S IR E G R E S I
R E G R E S I
 
Regresi.
Regresi.Regresi.
Regresi.
 
Regresi.
Regresi.Regresi.
Regresi.
 
K12 arch garch
K12 arch garchK12 arch garch
K12 arch garch
 
kelompok 6 REGRESI
kelompok 6 REGRESIkelompok 6 REGRESI
kelompok 6 REGRESI
 
KELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIKELOMPOK 6 REGRESI
KELOMPOK 6 REGRESI
 
KELOMPOK 6 REGRESI
KELOMPOK 6 REGRESIKELOMPOK 6 REGRESI
KELOMPOK 6 REGRESI
 
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptx
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptxANALISIS REGRESI (Muh. Yusuf-P3400215401).pptx
ANALISIS REGRESI (Muh. Yusuf-P3400215401).pptx
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 

Regresi Asli

  • 1. Variables Entered/Removedb Variables Model Variables Entered Removed Method 1 fisika, . Enter matematikaa a. All requested variables entered. b. Dependent Variable: lamabelajar Model Summaryb Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson 1 .101a .010 -.063 28.29307 1.458 a. Predictors: (Constant), fisika, matematika b. Dependent Variable: lamabelajar Pada tabel Model Summary diperoleh R² = 0,340, artinya variable Nilai kimia, nilai matematika dan ukuran sepatu dapat menerangkan variabilitas sebesar 34,0% dari nilai kognitif siswa kelas 3. R² merupakan koefisien determinasi ANOVAb Sum of Model Squares df Mean Square F Sig. 1 Regression 125.166 2 62.583 1.762 .191a Residual 959.001 27 35.519 Total 1084.167 29 a. Predictors: (Constant), logaritma, matematika b. Dependent Variable: kimia Analisis Output :  Hipotesis : H0 : b ≠ 0 (Tidak ada hubungan linier antara variable bebas dengan variable terikat) H1 : b = 0 (ada hubungan linier antara variable bebas dan variable terikat) Dalam pengujian ini digunakan tingkat signifikasi 0,05 (α = 5%) atau dengan kata lain tingkat kepercayaan sebesar 0,95 (95%). Penarikan kesimpulan : Fhitung > Ftabel  Tolak H0
  • 2. Fhitung < Ftabel  Terima H0  Pengujian Hipotesis : Dalam Output diperoleh nilai Fhit = 1,762 (dalam tabel anova atau dapat diperoleh dari MS.Regresi/ MS.Residual) sedangkan untuk Ftabel = 5,61 (tabel distribusi F (df) dengan taraf signifikasi 5%) karena nilai Fhit > Ftabel, maka disimpulkan dapat menolak H0. Artinya signifikasi sampai taraf 1%. Coefficientsa Standardized Collinearity Statistics Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 71.804 36.596 1.962 .060 matematika -.174 .483 -.070 -.361 .721 .978 1.023 fisika -.130 .401 -.063 -.323 .749 .978 1.023 a. Dependent Variable: lamabelajar  Pada taraf signifikasi 5%, nilai ttabel atau t0,05;28 = 2,048 dan thitung = -5839 karena thitung < thitung , maka dapat disimpulkan tidak dapat menolak H0 , artinya konstanta tidak berpengaruh secara statistika pada tabel berat. Hal ini bisa dilihat dari sig =000. Collinearity Diagnosticsa Dimensi Variance Proportions Model on Eigenvalue Condition Index (Constant) matematika fisika 1 1 2.956 1.000 .00 .00 .00 2 .032 9.675 .02 .31 .82 3 .013 15.166 .98 .69 .18 a. Dependent Variable: lamabelajar
  • 3. Residuals Statisticsa Minimum Maximum Mean Std. Deviation N Predicted Value 46.3978 57.4726 52.8333 2.75880 30 Std. Predicted Value -2.333 1.682 .000 1.000 30 Standard Error of Predicted 5.366 15.501 8.515 2.794 30 Value Adjusted Predicted Value 46.2326 65.4847 53.7579 3.99492 30 Residual -5.39042E1 68.35844 .00000 27.30002 30 Std. Residual -1.905 2.416 .000 .965 30 Stud. Residual -1.945 2.467 -.015 1.008 30 Deleted Residual -5.61967E1 71.26405 -.92454 29.89525 30 Stud. Deleted Residual -2.059 2.751 .000 1.064 30 Mahal. Distance .077 7.738 1.933 1.999 30 Cook's Distance .001 .157 .032 .041 30 Centered Leverage Value .003 .267 .067 .069 30 a. Dependent Variable: lamabelajar
  • 4. Variables Entered/Removedb Variables Model Variables Entered Removed Method 1 fisika, a . Enter matematika a. All requested variables entered. b. Dependent Variable: lamabelajar b Model Summary Adjusted R Std. Error of the Model R R Square Square Estimate Durbin-Watson a 1 .101 .010 -.063 28.29307 1.458 a. Predictors: (Constant), fisika, matematika b. Dependent Variable: lamabelajar Pada tabel Model Summary diperoleh R² = 0,340, artinya variable Nilai kimia, nilai matematika dan ukuran sepatu dapat menerangkan variabilitas sebesar 34,0% dari nilai kognitif siswa kelas 3. R² merupakan koefisien determinasi ANOVAb Sum of Model Squares df Mean Square F Sig. 1 Regression 125.166 2 62.583 1.762 .191a Residual 959.001 27 35.519 Total 1084.167 29 a. Predictors: (Constant), logaritma, matematika b. Dependent Variable: kimia Analisis Output :  Hipotesis : H0 : b ≠ 0 (Tidak ada hubungan linier antara variable bebas dengan variable terikat) H1 : b = 0 (ada hubungan linier antara variable bebas dan variable terikat) Dalam pengujian ini digunakan tingkat signifikasi 0,05 (α = 5%) atau dengan kata lain tingkat kepercayaan sebesar 0,95 (95%). Penarikan kesimpulan : Fhitung > Ftabel  Tolak H0
  • 6.
  • 7.
  • 8. Normal P-P Plot of Regression Standardized Residual Dependent Variable: Uang Transport 1.0 0.8 Expected Cum Prob 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob
  • 9. Scatterplot Dependent Variable: Uang Transport 2 Regression Studentized Residual 1 0 -1 -2 -3 -2 -1 0 1 2 Regression Standardized Predicted Value
  • 10. Data regresi mengenai Factor-faktor yang mempengaruhi nilai matematika,fiska dengan lama belajar di UNIVERSITAS SULTAN AGENG TIRTAYASA pada kelas 3E program studi pendidikan Biologi, adalah sebagai berikut : No. MATEMATIKA FISIKA LAMA BELAJAR 1 75.00 65.00 20.00 2 45.00 60.00 30.00 3 60.00 54.00 60.00 4 60.00 55.00 60.00 5 60.00 65.00 60.00 6 60.00 65.00 45.00 7 61.00 70.00 60.00 8 64.00 55.00 60.00 9 50.00 55.00 60.00 10 55.00 50.00 60.00 11 42.00 54.00 45.00 12 75.00 30.00 30.00 13 85.00 65.00 30.00 14 80.00 75.00 60.00 15 52.00 45.00 30.00 16 66.00 50.00 120.00 17 68.00 64.00 120.00 18 63.00 65.00 90.00 19 55.00 70.00 60.00 20 43.00 60.00 90.00 21 75.00 95.00 30.00 22 72.00 70.00 60.00 23 74.00 75.00 45.00 24 60.00 90.00 30.00 25 55.00 75.00 30.00 26 58.00 60.00 .00 27 70.00 60.00 80.00 28 65.00 45.00 30.00 29 65.00 50.00 60.00 30 80.00 50.00 30.00