P. 1
Regresi Linear

Regresi Linear

|Views: 1,425|Likes:

More info:

Published by: RHenie Dwie G-dblyra on Dec 10, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

05/13/2014

pdf

text

original

Regresi Linear

Published by admin on June 11, 2011 , 0 Comment
Regresi Linear
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu
atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut
variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering
disebut dengan variabel terikat atau variabel dependen.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah
variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa
variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik
yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi.
Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service
Solutions.
Regresi Linear Sederhana
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah
variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah:
Y ÷ a ¹ b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. KoeIisien a adalah konstanta
(intercept yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat
kartesius.
Langkah penghitungan analisis regresi dengan menggunakan program SPSS adalah: Analyse ~
regression ~ linear. Pada jendela yang ada, klik variabel terikat lalu klik tanda panah pada kota
dependent. Maka variabel tersebut akan masuk ke kotak sebagai variabel dependen. Lakukan
dengan cara yang sama untuk variabel bebas (independent. Lalu klik OK dan akan muncul
output SPSS.
Interpretasi Output
1. KoeIisien determinasi
KoeIisien determinasi mencerminkan seberapa besar kemampuan variabel bebas dalam
menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 1 di mana nilai yang
mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam menjelaskan varians
variabel terikatnya.
2. Nilai t hitung dan signiIikansi
Nilai t hitung ~ t tabel berarti ada pengaruh yang signiIikan antara variabel bebas terhadap
variabel terikat, atau bisa juga dengan signiIikansi di bawah 0,05 untuk penelitian sosial, dan
untuk penelitian bursa kadang-kadang digunakan toleransi sampai dengan 0,10.
3. Persamaan regresi
Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat: ProIitabilitas (dalam juta
rupiah dan hasil analisisnya Y ÷ 1,2 ¹ 0,55 X. Berarti interpretasinya:
1. Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka proIitabilitas
meningkat sebesar 0,55 juta rupiah.
2. Jika biaya promosi bernilai nol, maka proIitabilitas akan bernilai 1,2 juta rupiah.
Interpretasi terhadap nilai intercept (dalam contoh ini 1,2 juta harus hati-hati dan sesuai dengan
rancangan penelitian. Jika penelitian menggunakan angket dengan skala likert antara 1 sampai 5,
maka interpretasi di atas tidak boleh dilakukan karena variabel X tidak mungkin bernilai nol.
Interpretasi dengan skala likert tersebut sebaiknya menggunakan nilai standardi:ed coefficient
sehingga tidak ada konstanta karena nilainya telah distandarkan.
Contoh: Pengaruh antara kepuasan (X terhadap kinerja (Y dengan skala likert antara 1 sampai
dengan 5. Hasil output yang digunakan adalah standardi:ed coefficients sehingga Y ÷ 0,21 X
dan diinterpretasikan bahwa peningkatan kepuasan kerja akan diikuti dengan peningkatan kinerja
atau penurunan kepuasan kerja juga akan diikuti dengan penurunan kinerja. Peningkatan
kepuasan kerja dalam satu satuan unit akan diikuti dengan peningkatan kinerja sebesar 0,21
(21°.
Regresi Linear Berganda
Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya
variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah:
Y ÷ a ¹ b
1
X
1
¹ b
2
X
2
¹ .. ¹ b
n
X
n
.
Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a adalah konstanta
(intersept dan b adalah koeIisien regresi pada masing-masing variabel bebas.
Interpretasi terhadap persamaan juga relatiI sama, sebagai ilustrasi, pengaruh antara motivasi
(X1, kompensasi (X2 dan kepemimpinan (X3 terhadap kepuasan kerja (Y menghasilkan
persamaan sebagai berikut:
Y ÷ 0,235 ¹ 0,21 X1 ¹ 0,32 X2 ¹ 0,12 X3
1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat
2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan
tetap, maka kepuasan kerja juga akan meningkat.
3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi
tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235 juga harus dilakukan secara hati-hati. Jika pengukuran
variabel dengan menggunakan skala Likert antara 1 sampai dengan 5 maka tidak boleh
diinterpretasikan bahwa jika variabel motivasi, kompensasi dan kepemimpinan bernilai nol,
sebagai ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert terendah yang
digunakan adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F
hitung. SigniIikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat
signiIikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan
(serempak beberapa variabel mempunyai pengaruh yang signiIikan, tetapi secara parsial tidak.
Sebagai ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol (diasumsikan
polisis dan pistol secara serempak membuat takut penjahat. Akan tetapi secara parsial, pistol
tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan
kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan kenikmatan.
Penggunaan metode analisis regresi linear berganda memerlukan asumsi klasik yang secara
statistik harus dipenuhi. Asumsi klasik tersebut meliputi asumsi normalitas, multikolinearitas,
autokorelasi, heteroskedastisitas dan asumsi linearitas (akan dibahas belakangan.
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1
koeIisien determinasi; 2 Uji F dan 3 uji t. Persamaan regresi sebaiknya dilakukan di akhir
analisis karena interpretasi terhadap persamaan regresi akan lebih akurat jika telah diketahui
signiIikansinya. KoeIisien determinasi sebaiknya menggunakan adfusted R Square dan jika
bernilai negatiI maka uji F dan uji t tidak dapat dilakukan.
!ertanyaan-pertanyaan yang sering muncul
1. Dalam uji regresi sederhana apakah perlu menginterpretasikan nilai F hitung?Uji F adalah
uji kelayakan model (goodness of fit yang harus dilakukan dalam analisis regresi linear. Untuk
analisis regresi linear sederhana Uji F boleh dipergunakan atau tidak, karena uji F akan sama
hasilnya dengan uji t.
2. Kapan menggunakan uji dua arah dan kapan menggunakan uji dua arah?Penentuan arah
adalah berdasarkan masalah penelitian, tujuan penelitian dan perumusan hipotesis. Jika hipotesis
sudah menentukan arahnya, maka sebaiknya digunakan uji satu arah, tetapi jika hipotesis belum
menentukan arah, maka sebaiknya menggunakan uji dua arah. Penentuan arah pada hipotesis
berdasarkan tinjauan literatur. Contoh hipotesis dua arah: Terdapat pengaruh antara kepuasan
terhadap kinerja. Contoh hipotesis satu arah: Terdapat pengaruh positiI antara kepuasan terhadap
kinerja. Nilai t tabel juga berbeda antara satu arah dan dua arah. Jika menggunakan signiIikansi,
maka signiIikansi hasil output dibagi dua terlebih dahulu, baru dibandingkan dengan 5°.
3. Apa bedanya korelasi dengan regresi?
Korelasi adalah hubungan dan regresi adalah pengaruh. Korelasi bisa berlaku bolak-balik,
sebagai contoh A berhubungan dengan B demikian juga B berhubungan dengan A. Untuk regresi
tidak bisa dibalik, artinya A berpengaruh terhadap B, tetapi tidak boleh dikatakan B berpengaruh
terhadap A. Dalam kehidupan sehari-hari kedua istilah itu (hubungan dan pengaruh sering
dipergunakan secara rancu, tetapi dalam ilmu statistik sangat berbeda. A berhubungan dengan B
belum tentu A berpengaruh terhadap B. Tetapi jika A berpengaruh terhadap B maka pasti A juga
berhubungan dengan B. (Dalam analisis lanjut sebenarnya juga ada pengaruh yang bolak-balik
yang disebut dengan recursive, yang tidak dapat dianalisis dengan analisis regresi tetapi
menggunakan structural equation modelling.
&i Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear
berganda yang berbasis ordinary least square (OLS. Jadi analisis regresi yang tidak berdasarkan
OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal.
Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear,
misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana
dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk
menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan
market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan
dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji
normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji
mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada.
Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak
memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi
persyaratan, dilakukan pengujian pada uji yang lain.
1. Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model
regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas
bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi
kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal
ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada
masing-masing variabel penelitian.
Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa
yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada
kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah
luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal
atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim
rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga
nilai rata-rata, modus dan median relatiI dekat.
Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square,
Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau
paling tepat. Tipsnya adalah bahwa pengujian dengan metode graIik sering menimbulkan
perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji
statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji
statistik lebih baik dari pada pengujian dengan metode graIik.
Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signiIikansi Kolmogorov
Smirnov sebesar 0,049 maka dapat dicoba dengan metode lain yang mungkin memberikan
justiIikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah
yaitu: melakukan transIormasi data, melakukan trimming data outliers atau menambah data
observasi. TransIormasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat,
inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri,
ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.
2. Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-
variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara
variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya
menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi,
kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika
sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi,
kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi
antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara
kepemimpinan dengan kepuasan kerja.
Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan
variance inIlation Iactor (VIF, korelasi pearson antara variabel-variabel bebas, atau dengan
melihat eigenvalues dan condition index (CI.
Beberapa alternatiI cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi.
3. MentransIormasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau
bentuk Iirst diIIerence delta.
4. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali
digunakan.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual
satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah
di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap
atau disebut homoskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai
ZPRED (nilai prediksi dengan SRESID (nilai residualnya. Model yang baik didapatkan jika
tidak terdapat pola tertentu pada graIik, seperti mengumpul di tengah, menyempit kemudian
melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan
adalah uji Glejser, uji Park atau uji White.
Beberapa alternatiI solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan
mentransIormasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data
bernilai positiI. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel
yang mengalami gangguan heteroskedastisitas.
4. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan
periode sebelumnya (t -1. Secara sederhana adalah bahwa analisis regresi adalah untuk melihat
pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara
observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat
inIlasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inIlasi pada bulan
tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inIlasi bulan Januari. Berarti
terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu
rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang
relatiI tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan
rendah.
Uji autokorelasi hanya dilakukan pada data time series (runtut waktu dan tidak perlu dilakukan
pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan
secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa EIek
Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.
Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test
dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier.
Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransIormasikan
data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum
(generalized diIIerence equation. Selain itu juga dapat dilakukan dengan memasukkan variabel
lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi
berkurang 1
5. Uji Linearitas
Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan
linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model
dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel
terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan
linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji
linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersiIat
linear atau tidak. Uji linearitas digunakan untuk mengkonIirmasikan apakah siIat linear antara
dua variabel yang diidentiIikasikan secara teori sesuai atau tidak dengan hasil observasi yang
ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange
Multiplier.
Regresi Linear dengan Variabel Moderating
Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu
variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan
hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan
moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh
antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja,
dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja
menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa
saja tidak.
Metode analisis regresi linear dengan variabel moderating:
1. Multiple Regression Analysis (MRA
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan
variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y ÷ a ¹ b1 X1 ¹
b2 X2 ¹ b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1
X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima
jika variabel X1 X2 mempunyai pengaruh signiIikan terhadap Y, tidak tergantung apakah X1
dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi
multikolinearitas atau adanya korelasi yang tinggi antara variabel bebas dalam model regresi,
sehingga menyalahi asumsi klasik. Hampir tidak ada model MRA yang terbebas dari masalah
multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk dipergunakan.
2. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut
residual antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama,
dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil
dari pada dengan metode MRA
3. Residual
Model ini menggunakan konsep lack oI Iit yaitu hipotesis moderating diterima terjadi jika
terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya
adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai
residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada
usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan
antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah
negatiI dan signiIikan. Model ini terbebas dari gangguan multikolinearitas karena hanya
menggunakan satu variabel bebas.
Pertanyaan-pertanyaan yang sering muncul:
1. Ada model regresi moderating dengan MRA tetapi output memenuhi uji multikolinearitas?
Hampir tidak ada model moderating dengan MRA yang terbebas dari gangguan
multikolinearitas. Banyak output pada skripsi yang dimanipulasi agar tampaknya memenuhi
asumsi multikolinearitas padahal sebenarnya tidak. Hal ini banyak terjadi di mana (maaI dosen
tidak terlalu menguasai statistik secara baik. Penulis sendiri belum pernah melihat tabulasi data
yang memenuhi model moderating dengan metode MRA.
2. Bagaimana model regresi moderating dengan dua buah variabel bebas?
Model dengan MRA menjadi Y ÷ a ¹ b1 X1 ¹ b2 X2 ¹ b3 X3 ¹ b4 X1 X2 ¹ b5 X1 X3 ¹ b6 X2
X3 ¹ bb X1 X2 X3 di mana X3 adalah variabel moderating (he he.jadi panjang banget kan.
Hipotesis diterima jika X1 X2 X3 signiIikan, tetapi hampir pasti model ini menyalahi asumsi
multikolinearitas. Sebaiknya digunakan model residual dengan lack oI Iit.
3. Bagaimana merancang model regresi dengan moderating pada penelitian?
Model moderating ditentukan dengan tinjauan teoretis, sehingga analisis dengan moderating
hanya mengkonIirmasi saja teori tersebut apakah cocok dengan model empiris. Tidak boleh
menggunakan alat statistik moderating untuk mengidentiIikasikan bahwa variabel itu merupakan
variabel moderating.
Regresi Linear dengan Variabel Intervening
Variabel intervening adalah variabel antara atau variabel mediating. Model regresi dengan
variabel intervening merupakan hubungan bertingkat sehingga jika dengan analisis regresi harus
menggunakan analisis jalur (path analysis atau disarankan menggunakan metode structural
equation modelling (SEM. Metode SEM akan dibahas belakangan dengan menggunakan
Program AMOS atau LISREL
Regresi dengan variabel intervening dipergunakan untuk melihat pengaruh tidak langsung antara
satu variabel terhadap variabel yang lain. Sebagai contoh: Gaya Evaluasi Atasan (GEA
mempunyai pengaruh terhadap Kinerja Manajerial (KM melalui Tekanan Kerja (TK. GEA
mempunyai pengaruh langsung terhadap KM tetapi juga bisa mempunyai pengaruh tidak
langsung terhadap KM melalui TK. GEA diinterpretasikan mempunyai pengaruh tidak langsung
terhadap KM melalui TK jika pengaruh GEA terhadap TK signiIikan dan pengaruh TK terhadap
KM juga signiIikan. Dalam suatu kasus bisa saja variabel mempunyai pengaruh langsung
terhadap suatu variabel dan pengaruh tidak langsung terhadap variabel tersebut melalui variabel
yang lain.
Koefisien Determinasi Berganda Dan !arsial
1. Koefisien Determinasi Berganda

Seandainya kita ingin menghitung nilai variansi pada himpunan variable tak bebas Y
1
,., Y
n

yang berkorespondensi dengan nilai X
1
,., X
n
. Perhitungan stastistik yang biasanya digunakan
untuk menghitung nilai tersebut adalah . Variasi nilai Y
i
didapat dari 2 Iaktor. Pertama karena
perbedaan nilai input X
i
dan yang kedua karena walaupun tidak ada nilai yang berbeda
dimasukkan dalam account, tetap saja variabel Y
i
mempunyai variansi sebesar o
2
mengakibatkan
persamaan tersebut tidak sama
.

Berapa banyak variasi pada variabel tidak bebas karena nilai input yang berbeda, dan berapa
yang dibutuhkan untuk variansi yang melekat pada variabel tidak bebas meskipun nilai input
dimasukkan dalam account. Note rumus ini untuk menghitung sisa variansi pada variable tidak
bebas karena input yang berbeda dimasukkan dalam account. Sehingga, merepresaentasikan
jumlah variasi pada variable tidak bebas yang didapat karena perbedaan nilai input, sehingga
R
2
dideIinisikan:
untuk merepresentasikan proporsi dari variansi yang dihasilkan dari nilai input yang berbeda. R
2
disebut koeIisien determinasi.
Nilai koeIisien determinasi akan berkisar dari 0 dan 1, nilai ini mengidikasikan besar tidaknya
pengaruh dari suatu nilai input.
Misal bentuk persamaan yang kita gunakan adalah Y ÷ b
0
¹ b
1
X
1
¹ b
2
X
2
. Untuk keperluan
ilustrasi ditulis sebagai berikut Y
i
÷ b
y.12
¹ b
y1.2
X
1i
¹ b
y2.1
X
2i
.
Dengan besar sehingga.
r
y1
÷ koeIisien korelasi sederhana antara Y dan X
1

r
y2
÷ koeIisien korelasi sederhana antara Y dan X
2

r
12
÷ koeIisien korelasi sederhana antara X
1
dan X
2

adalah koIisien korelasi berganda antara Y dengan X
2
dan X
1
, digunakan untuk mengukur
besarnya kontribusi variasi X
2
dan X
1
terhadap variasi Y pada persamaan tersebut. r
2
disebut
koeIisien determinasi sederhana, biasannya digunakan untuk menghitung besarnya kontribusi

variasi X terhadap variasi Y. Keduanya digunakan untuk menentukan apakah garis regresi linier
sederhana Y terhadap X dan garis regresi linier berganda Y terhadap X
2
dan X
1
sudah cocok atau
tepat untuk digunakan sebagai pendekatan atas suatu hubungan linier antarvariabel berdasarkan
hasil observasi. Makin besar nilai r
2
dan , berarti semakin tepat suatu garis linier digunakan
sebagai suatu pendekatan.
1. Koefisien Korelasi !arsial
r
y1.2
÷ koeIisien korelasi parsial antara Y dan X
1
, keduanya sudah bebas dari pengaruh X
2
(X
2
konstan
r
y2.1
÷ koeIisien korelasi parsial antara Y dan X
2
, keduanya sudah bebas dari pengaruh X
1
(X
1
konstan
Untuk menghitung keduannya, terlebih dahulu hitung pengaruh linier dari X
2
terhadap Y dan X
1
.
Regresi linier sederhana Y terhadap X
2 :

Y
i
÷ b
y2
¹ b
y2
X
2i
¹ e
i
atau y
i
÷ b
y2
x
2i
¹ e
i

,
Regresi linier sederhana X
i
terhadap X
2
: X
1i
÷ b
12
¹ b
12
X
2i
¹ f
i
atau.
x
1i
÷ b
12
x
2i
¹ f
i
a
KoeIisien korelasi parsial antara Y dan X
1,
apabila X
2
konstant, merupakan koeIisien korelasi
sederhana antara e
i
danf
i
yaitu sebagai berikut:
Ingat, untuk hubungan dua variable Y dan X,
Y
i
÷ bx
i
¹ e
i
a

Dan untuk penyebut (b:
Sehingga, rumus r
y1.2
menjadi sebagai berikut:


Incoming search terms:
O cara mengetahui multikolinieritas pada model regresi
O cara uji asumsi klasik dengan spss
O pengertian uji test run dan contoh kasus
O penelitian regresi
O regresi liniar
O cara mengatasi autokolerasi pada output SPSS
O nilai residual regresi adalah
O regresi dua variabel
O regresi linier
O rumus uji t dalam regresi linier berganda
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
O
Get Shareaholic Ior FireIox
iled in: Ilmu Pengetahuan Tags: ;langkah-langkah penelitian menggunakan regresi linier
berganda, 'pengertian linieritas dalam matematika', "apa artinya t dalam regresi", "interpretasi t
statistik eviews, "jenis regresi berganda untuk variabel intervening", "membuat graIik regresi
linier dengan 4 variabel", "regresi bertingkat" dgn spss, "regresi linear berganda adalah", 1. I tes
2.korelasi dan regresilinear berganda., 11 asumsi-asumsi regresi linear klasik, 2 variabel dan
model yang linear, 2. apa sajakah syarat melakukan analisis data dengan regresi linier, a
merupakan konstanta atau intercept maksunya, ada, adjusted r square ada interpretasi, adjusted r
squared cara membaca, akan, alasan regresi logistik uji asumsi tidak, alternatiI transIormasi nilai
negatiI junaidi, analisa Iungsi biaya menggunakan spss, analisa mendeteksi penyakit autokorelasi
dalam spss, analisa regresi ganda exel, analisa regresi linear berganda pelatihan perawat, analisa
regresi menghasilkan model logaritma dengan spss, analisa regresi variabel dummy dg exel,
analisis data dengan 2 variabel bebas dan satu variabel terikat, analisis dengan regresi linier cross
section, analisis jalur dengan dua variabel moderator, analisis jalur dengan regresi linear ganda,
analisis jalur tidak ada uji asumsi klasik, analisis korelasi spss, analisis linear berganda data
logaritma, analisis linier regresi berganda, signiIikansi, analisis regresi berganda, analisis regresi
berganda apabila konstanta negatiI, analisis regresi berganda dengan dua variabel independen di
spss, analisis regresi berganda pada penelitian menggunakan spss, analisis regresi dengan model
moderating., analisis regresi dengan variabel intervening, analisis regresi ganda ekonomi islam,
analisis regresi liner, analisis regresi linier berganda dengan sem, analisis regresi linier berganda
standardized coeIIicients, analisis regresi linier menggunakan spss, analisis regresi linier
sederhana spss, analisis regresi linier sederhana spss kuesioner, analisis regresi sederhana
Iakultas pertanian, analisis regresi sederhana skala likert, analisis-korelasi-Iaktor-regresi-sem,
analyze langkah spss kartesius, anava regresi linear berganda, antara, apa arti dari residual dalam
korelasi, apa arti konstanta negatiI, apa arti regresi dalam program spss, apa itu absolut residual
dalam statistik, apa itu nilai residual dalam regresi, apa itu regresi linear, ada linear berganda dan
linear sederhana, apa itu residual dalam statistik, apa perlu uji regresi sederhana untuk 3 variabel,
apa yang dimaksud dengan koeIisien determinasi dan analisis regresi, apa yang dimaksud
intercept pada regresi, apa yg dimaksud uji linearitas pada persamaan regresi, apakah ada
pengaruh regresi sederhana dengan autokorelasi, apakah analisis jalur dan linear berganda sama
?, apakah metode regresi linier sederhana memerlukan uji normalitas data dan uji asumsi klasik,
aplikasi penggunaan spss di bidang regresi, aplikasi perhitungan analisa regresi pada jurnal
penelitian, aplikasi regresi berganda pada spss, aplikasi regresi linier jurnal, aplikasi spps dalam
perhitungan linear sederhana, aplikasi transIormasi data tidak normal regresi ganda spss, aplikasi
uji I dan uji t dengan spss 12, arti a dan b pada persamaan y÷a bx dalam regresi linear, arti a
sebagai kostanta dalam rumus regresi, arti atau makna nilai konstanta negatiI, arti dari logaritma
natural dalam regresi, arti dari nilai r square pada spss, arti dari r dalam tabel spss, arti konstanta
negatiI dalam regresi linier berganda, arti konstanta negatiI pad regresi berganda, arti konstanta
pada uji analisis regresi, arti kostanta dalam rumus regresi, arti negatiI dalam analisis regresi, arti
nilai konstanta dalam regresi sederhana, arti nilai konstanta negative pada regresi, arti nilai
negatiI pada koeIisien konstanta, arti nilai t minus, arti nilai t-hitung yang bernilai negatiI, arti
regresi, arti residual pada tabel coeIIicient, arti rumus e pada analisis regresi berganda, arti uji
regresi tanpa uji asumsi dlm spss, arti variabel lag, artikel inIlasi dengan metode regresi statistik
type pdI, asas penggunaan spss Ior windows¸terakhir, asumsi klasik ekonometrik jelaskan,
asumsi klasik regresi sederhana, asumsi klasik statistik untuk analisis regresi sederhana, asumsi
regresi linier, asumsi-asumsi linear klasik, asumsi-asumsi yang digunakan dalam aplikasi alat
analisis multiple regresi, autokorelasi, autokorelasi regresi linier sederhana, bagai mana
caramelakukan interpretasi pada output hasil regresi berganda antara variabel harga, bagaimana
cara menggunakan regresi linier berganda dengan 2 variabel dependent, bagaimana caranya
menghilangkan multikolinearitas dalam regresi linear ganda dengan menggunakan Iirst diIIeren
dan data timeseries, bagaimana jika hasil logaritma natural negatiI menghilang, bagaimana jika
pada uji parsial terdapat variabel yang minus, bagaimana jika variabel bebas dan terikat memiliki
satuan berbeda, bagaimana kalau regresinya terdapat konstantanya minus, bagaimana mengatasi
masalah autokorelasi, bagaimana menghitung nilai variabel dependen pada analisis regresi,
bagaimana menginput data satuan rupiah ke dalam spss, Bebas, beberapa model persamaan
regresi dan jelaskan graIiknya (garis persamaan , beda koeIisien determinasi berganda dengan
parsial, beda ols dengan regresi berganda, beda regresi linier sederhana dan berganda, beda
variabel tunggal dengan variabel ganda dalam penelitian pendidikan, bedanya regresi linier,
bentuk rumus regresi linear sederhana uji t, berapa umum nilai konstanta pada rumus regresi
sederhana, bilamana hasil regresi uji tidak signiIikan tidak perlu dimasukkan ke persamaan
regresi, bisa ga penelitian menggunakan variabel bebas saja, blog,
cache:e3cgagpbwhcj:www.peutuah.com/ilmu-pengetahuan-2/regresi-linear.html "regresi 2
variabel", cache:wlot2xy1ajij:www.peutuah.com/uncategorized/makalah-manajemen-
perencanaan.html perencanaan strategik dan operasional,
cache:wqwp4hx9aioj:www.peutuah.com/regresi-linear/ metode analisis data regresi linear
menggunakan skala likert, car a menghitung pengaruh masing-masing variabel bebas terhadap
variabel terikat, cara agar regresi signiIikan, cara analisa regresi linier berganda tabel spss 17,
cara analisis data normalitas spss, cara analisis data regresi berganda dengan spss, cara analisis
korelasi berganda pada spss, cara analisis variabel intervening dengan spss, cara baca hasil
persamaan y÷ a bx, cara baca hasil run test spss, cara baca output spss regresi ordinal logistik,
cara cepat menghitung pengaruh variabel penelitian dengan rumus uji park, cara cepat
menghitung pengaruh variabel-variabel penelitian, cara dan contoh perhitungan variabel
moderasi dalam spss, cara input analisis linear spss, cara input data spss regresi skala likert, cara
input variabel dependen yang terdapat sub variabel pada analisis spss, cara interpretasi dari nilai-
nilai output analisis regresi spss, cara lagrange multiplier pada spss, cara log natural 3 variabel
beda, cara logaritma data negatiI spss, cara logaritma natural berganda spss, cara melakukan
analisis regresi linear, cara melakukan uji park dengan spss 17, cara melihat hasil regresi linear
sederhana dengan spss, cara memasukan data inIlasi dalam spss, cara memasukan data ke spss
time series, cara memasukan data spss 12 dg analisis regresi bidang kesehatan, cara memasukkan
nilai residual pada uji asumsi klasik di spss, cara membaca autokolerasi, cara membaca
autokorelasi pada data spss, cara membaca autokorelasi regresi, cara membaca graIik
autokorelasi, cara membaca graIik autokorelasi parsial, cara membaca graIik regresi, cara
membaca graIik regresi di spss, cara membaca hasil analisis regresi dari spss, cara membaca
hasil koeIisien determinasi (r square, cara membaca hasil output uji regresi linear sederhana
menggunakan spss, cara membaca hasil persamaan regresi sederhana eviews, cara membaca
hasil regresi berganda menggunakan spss16, cara membaca hasil regresi dengan asumsi variabel
lain tetap, cara membaca hasil regresi linear berganda pada hasil spss 17, cara membaca hasil
regresi linear dengan spss, cara membaca hasil regresi pada spss, cara membaca hasil regresi
skala likerts, cara membaca hasil spss regression, cara membaca hasil uji multikolinieritas
menggunakan spss, cara membaca intercept minus, cara membaca output hasil analisis regresi
linear berganda, cara membaca output multiple linier regression, cara membaca output spss 16
analisis path, cara membaca output spss penelitian pertanian, cara membaca output tabel analisis
regresi ganda dan menentukan persamaannya, cara membaca output uji heteroskedastisitas pada
spss 16, cara membaca perbandingan r kuadrat, cara membaca persamaan analisis regresi, cara
membaca persamaan pada regresi linier sederhana?, cara membaca persamaan regresi berganda
dengan konstanta (intercept negatiI, cara membaca persamaan regresi linear, cara membaca r
square uji regresi, cara membaca regresi linear tabel coeIIicients, cara membaca regresi linier
berganda pada spss, cara membaca regresi linier sederhana,dengan program spss, cara membaca
regresi pada spss, cara membaca t hitung, cara membaca tabel statistik residual, cara membaca
tingkat signiIikansi dalam spss, cara membaca uji t dengan 3 variabel bebas dan 1 variabel
terikat, cara membaca uji t pada regresi linier sederhana, cara membaca y÷ a b x pada regresi
linier, cara membedakan penyakit dalam regresi model, cara membetulkan data yang tidak valid
di spss, cara membuat diagram kartesius dengan spss, cara membuat garis normal p-p plot regresi
linier spss, cara membuat graIik analisis regresi berganda di spss, cara membuat graIik di spss
17, cara membuat graIik di spss 17 untuk uji asumsi klasik, cara membuat graIik regresi linier
dengan spss, cara membuat graIik scatter plot regresi berganda di program spss 17, cara
membuat graIik uji autokorelasi durbin watson dengan spss, cara membuat graIik uji
autokorelasi pada spss, cara membuat koeIisien determinasi spss 16, cara membuat kurva pada
spss, cara membuat persamaan menggunakan regresi linear pada spss, cara membuat persamaan
regresi linier berganda spss statistik, cara membuat regresi linier spss 16, cara memperbaiki nilai
adjusted r square negatiI, cara mencari a dan b dalam rumus linier, cara mencari koeIisien
determinasi persamaan garis, cara mencari nilai koeIisien, cara mencari normalitas, cara mencari
normalitas dalam regresi berganda spss, cara mencari regresi 2 variabel, cara mencari uji
determinan, cara mencari uji normalitas, cara mencari uji normalitas spss 16, cara mencari varian
variabel dependen melalui dua varian independen, cara mendeteksi mengatasi adanya linearitas,
cara menentukan intersep graIik, cara menentukan koeIisien determinasi parsial, cara
menentukan niai koeIisien korelasi untuk empat variabel bebas, cara menentukan normalitas
data, cara menentukan t tabel pada regresi linier, cara menentukan variabel bebas dan terikat,
cara menentukan variabel dalam regresi linear berganda, cara menganalisis hasil regresi dari
spss, cara menganalisis regresi dengan menggunakan spss 17, cara menganalisis regresi linear
berganda 2 variabel, cara menganalisis spss regresi linear 16, cara menganalisis tabel regresi spss
15.0, cara mengartikan multiple regresi linear spss, cara mengatasi adanya linieritas, cara
mengatasi autokolerasi pada output spss, cara mengatasi autokorelasi, cara mengatasi data non
linier pada analisis regresi ganda, cara mengatasi data statistik tidak normal data minus, cara
mengatasi data tidak signiIikan pada regresi dengan spss, cara mengatasi koeIisien determinasi
minus, cara mengatasi linearitas, cara mengatasi masalah uji multikolinearitas dengan spss, cara
mengatasi multikolinearitas dengan membagi dengan korelasi, cara mengatasi multikolinearitas
dengan spss, cara mengetahui linearitas persamaan regresi, cara mengetahui model linear dalam
variabel, cara mengetahui pengaruh yang ada di variabel bebas dalam statistik, cara mengganti
data yang tidak valid di spss, cara menggunakan regresi tunggal pada spss, cara menggunakan
spss 16 dengan variabel moderating, cara menggunakan spss 17 dalam mengolah uji persyaratan
data, cara menggunakan spss 17 graIik garis persamaan regresi berganda, cara menggunakan
spss untuk mencari uji multikolinearitas, cara menghitung analisis regresi dengan spss gratis,
cara menghitung lagrange multiplier dengan spss, cara menghitung median dari pengamatan
variabel x pada regresi linear sederhana, cara menghitung normalitas dan linier dengan spss, cara
menghitung partial adjusment model dengan spss, cara menghitung pengaruh dengan regresi
linier, cara menghitung pengaruh masing-masing variabel bebas terhadap variabel terikat dengan
spss, cara menghitung pengaruh statistik, cara menghitung persamaan regresi di spss 16, cara
menghitung regresi linier sederhana menggunakan spss, cara menghitung regresi linier spss 16,
cara menghitung regresi sederhana ordinal spss, cara menghitung regresi spss 17, cara
menghitung regrsi linear dengan spss#hl÷id, cara menghitung signiIikansi, cara menghitung titik
optimum dari kurva regresi, cara menginput data ke spss untuk variabel intervening, cara
menginterprestasikan regresi, cara menginterpretasi output spss multiple regresi, cara mengolah
data dengan path analisis, cara mengolah data regresi pada spss 16 dengan variabel bebas dan
variabel tidak bebas, cara mengolah data spss dengan regresi logit, cara mengolah data variabel
moderating dengan spss 17, cara mengolah intervening di spss, cara mengoperasikan regresi ols
menggunakan spss, cara mengoperasikan spss 16 untuk uji chi square dan regresi logistic, cara
mengoperasikan spss 17 dengan regresi, cara mengubah data ke logaritma pada eviews, cara
mengubah data spss supaya valid, cara mengubah model regresi ke dalam bentuk persamaan
beda umum, cara menguji apakah variabel bebas signiIikan terhadap variabel terikat, cara
menguji t dan determinasi, cara mentransIormasi residual yang tidak normal dalam spss, cara
menyembuhkan heteroskedastisitas dengan eviews, cara merancang berkaitan regresi linear, cara
merubah regresi biasa menjadi regresi logaritma, cara merubah variabel x pada spss, cara
merubah variable pada spss, cara metode trimming dalam spss, cara penentuan regresi linear
ganda, cara penggunaan rumus partial adjustment model, cara penggunaan spss17 untuk regresi
linear berganda, cara penghitungan analisis regresi linier, cara penyelesaian regresi logistik tanpa
alat statistik, cara perhitungan - analisis regresi linier sederhana - spss, cara perhitungan analisis
jalur (path dalam pengujian statistik, cara perhitungan partial adjustment model dengan spss,
cara perhitungan regresi linear satu variabel, cara perumusan model persamaan regresi berganda
dengan spss, cara regresi linear berganda spss, cara regresi linear dengan spss, cara regresi linier
dan korelasi menggunakan spss, cara regresi ordinary least square dengan spss, cara regresi
rumus, cara regresi sederhana spss, cara spss 17 pengaruh variabel, cara transIormasi data agar
signiIikan, cara transIormasi data negatiI tidak normal, cara uji asumsi klasik, cara uji asumsi
klasik dengan spss, cara uji asumsi klasik dengan spss 15, cara uji asumsi klasik ppt, cara uji
autokorelasi, cara uji autokorelasi dengan lagrange multiplier spss, cara uji I dengan spss 12, cara
uji koeIisien regresi pada penelitian, cara uji koeIisiensi korelasi, cara uji linearitas, cara uji linier
x1 terhadap y, cara uji normalitas jika ada variabel intervening, cara uji pengaruh secara parsial
dengan spss, cara uji regresi, cara uji regresi jika variabel y ada 2, cara uji spss regresi linier
sederhana, cara uji withe spss 16, cara-cara logaritma natural pada spss, cara-cara mengatasi
masalah autokorelasi dengan eviews, comtoh pengolahan data menggunakan rumus regresi linear
sederhana, constanta tidak boleh signiIikan terhadap variabel, contah penggunaan analisis regresi
dalam statistik kesehatan, contoh analisis korelasi parsial menggunakan eviews, contoh analisis
regresi dalam penelitian keperawatan, contoh analisis regresi pada penelitian kesehatan, contoh
analisis regresi sederhana uji I dan uji t dengan dua variabel, contoh cara mencari variabel bebas
dan variabel terikat, contoh data regresi linear dengan dua peubah bebas, contoh data skripsi 2
variabel bebas dan 1 variabel terikat, contoh data untuk membuat regresi dan korelasi, statistika,
contoh heteroskedastisitas dalam saham, contoh jurnal regresi linier sederhana dengan 2variabel,
contoh karya ilmiah tentang pendekatan regresi sederhana, contoh karya imiah pendekatan
regresi sederhana, contoh kasus cara mencari analisis regresi linear berganda dengan spss 15,
contoh kasus hipotesis pengaruh uji regresi linier, contoh laporan penelitian dengan
menggunakan metode regresi linear berganda, contoh makalah regresi linear mengolah data,
contoh mencari koeIisien korelasi dan koeIisien determinasi dalam regresi linear, contoh
menghitung dengan rumus regresi linear sederhana, contoh menghitung sederhana hasil skala
likert, contoh metode regresi sederhana dalam penelitian, contoh metodologi riset analisis regresi
dalam bidang kesehatan, contoh pemodelan matematika dalam bidang analisis regresi, contoh
penelitian model adjustment partial model, contoh penelitian sederhana menggunakan dua
hubungan variabel dalam analisis regresi, contoh penggunaan logaritma natural dalam penelitian,
contoh penggunaan regression linear spss, contoh perhitungan analisis jalur, contoh perhitungan
regresi linier berganda untuk empat variabel indevenden dan sati variabel dependen, contoh
perhitungan regresi linier tentang transportasi/pdI/pdI, contoh perhitungan rumus t hitung, contoh
perhitungan teori bayessian, contoh pertanyaan koesioner dummy regresi logistik, contoh regresi
dan korelasi analisis jalur, contoh regresi koeIisien negatiI, contoh regresi linear berganda,
contoh regresi linear berganda dengan spss, contoh regresi linear berganda empat prediktor,
contoh regresi variabel lag, contoh rumus penelitian model pengaruh, contoh skripsi dengan
regresi linear berganda, contoh skripsi dengan variabel intervening, contoh skripsi menggunakan
rumus regresi berganda, contoh skripsi yang berkaitan dengan uji regresi, contoh skripsi yang
menggunakan analisis regresi korelasi dan kuesioner, contoh skripsi yang menggunakan rumus
regresi linear, contoh skripsi yang punya data dua variabel bebas dan satu terikat, contoh soal
analisis regresi linier multipel, contoh soal ekonometrika dengan rumus regresi, contoh soal
ekonometrika regresi linear berganda, contoh soal heteroskedastisitas, contoh soal interpretasi
hasil spss ( ekonometrika , contoh soal linearitas pada penelitian analis kesehatan, contoh soal
masalah pertanian yang menyangkut regresi, contoh soal mengatasi autokorelasi dengan
menambah variabel independen, contoh soal menggunakan model regresi ordinal, contoh soal
model regresi linear sederhana, contoh soal pada makalah regresi linier, contoh soal persamaan
regresi berganda dengan data time series 10 tahun, contoh soal regresi antar variabel, contoh soal
regresi dengan skala likert, contoh soal regresi linear berganda 3 variabel, contoh soal regresi
linear berganda dengan 5 variabel, contoh soal regresi linier berganda dengan spss, contoh soal
regresi linier sederhana dengan dua variabel x, contoh soal regresi multiplier, contoh soal
statistik regresi multi linear, contoh soal statistik sosial 2 persamaan regresi, contoh soal uji
regresi linear, contoh soal yang memakai rumus regresi linear sederhana, contoh statistik sosial
variabel x2 bilangan kiri dan kanan, contoh tabel analisis regresi ssps.doc, contoh uji durbin
watson untuk mendeteksi autokorelasi menggunakan spss, contoh uji korelasi pearson di bidang
biologi, contoh uji linieritas dengan spss 16.0 uji durbin-watson, ramsey test atau uji lagrange
multiplier., contoh uji validitas regresi logistik, contoh variabel penelitian tentang kesehatan,
contoh variabel tunggal pada penelitian kesehatan, data angket regresi linier, data regresi
berganda jika variabel bebasnya x1,x2 terhadap y, deIinisi & rumusregresi linear sederhana,
deIinisi analisis korelasi dan regresi serta Iungsi yang berkaitan dengan statistik pendidikan,
deIinisi logaritma natural dalam pengujian statistik, deIinisi regresi linier menurut teori statistika,
deIinisi regresi parsial, deIinisi teori bayessian, deIinisi variabel lag, deIinisi variabel log dalam
regresi, deIinisi variabel residual, deIinisi variabel terikat, deIinisi-uji-regresi-logistik-berganda,
disain penelitian untuk uji regresi, doc.soal multikolinearitas, dua variabel bebas dan satu terikat
analisis stastistik, ekonometrika pengertian variabel lag, eviews cara uji autokorelasi uji b-g, I
regresi, Iirst diIIerence delta, Iorcasting regresi linier, Iungsi analisi korelasi dan regresi terhadap
aplikasi statistik pendidikan, Iungsi analisis korelasi dan regresi statistika pendidikan, Iungsi
garis regresi sederhana adalah, Iungsi nilai koeIisien determinasi, Iungsi nilai residual dari
penelitian, Iungsi nilai standardized amos, Iungsi residual statistik, Iungsi save as pada regresi
linier spss, Iungsi uji analisis regresi linier, Iungsi uji multikolinearitas, Iungsi uji regresi, Iungsi
uji t-hitung dan analisis regresi berganda, generalized diIIerence equation dengan metode
ordinary least squares (ols, gimana kalau regresi rendah, go, google, graIik linear dengan spss,
graIik nilai optimum regresi, graIik persamaan garis regresi dengan spss, graIik persamaan
regresi dengan spss, graIik regresi linier negatiI, hasil uji normalitas dari residual tetap tidak
normal, hasil variabel y pada uji regresi, heteroskedastisitas dan homoskedastisitas .ppt,
heteroskedastisitas, autokorelasi, multikolinearitas dengan spss, identiIikasi masalah kekurangan
air, Ilmu, incept regresi berganda, independen, input untuk regresi linear sederhana, intercept
adalah, regresi, intercept negatiI, intercept negatiI apakah masalah, interprestasi persamaan
regresi linier, interpretasi 7 skala likert, interpretasi atas koeIisien persamaan regresi bernilai
negatiI, interpretasi atas persamaan regresi berganda untuk 2 variabel bebas, interpretasi
determinasi, interpretasi diIIerent logaritma natural, interpretasi ekonomi dari y÷a-bx,
interpretasi hasil koeIisien determinasi (r square, interpretasi hasil regresi persepsi skala likert's,
interpretasi hasil uji regresi linear spss, interpretasi koeIisien regresi dan koeIisien determinasi,
interpretasi konstanta negatiI analisis regresi berganda, interpretasi log dalam ols, interpretasi
model regresi skala likert, interpretasi persamaan ekonometrik, interpretasi regresi berganda,
interpretasi rumus linear, interpretasi signiIikansi t hitung, interpretasi statistik dari y÷a-bx,
interpretasi uji heteroskedastisitas dengan spss, interpretasi uji t dengan nilai signiIikansi,
interpretasi variabel dummy regresi, intersep dalam regresi artinya, intersep negatiI, intersep
negatiI artinya, intersep pada metode Iirst diIIerence, jalur analisis regresi, jelaskan aplikasi
regresi bertingkat, jelaskan asumsi-asumsi klasik dalam ekonometrika, jelaskan model regresi
dengan intersep lebih disarankan daripada regresi tanpa intersep ?, jika ada dua regresi
sederahana dan berganda generalized diIIerence equation dengan metode ordinary least squares
(ols, jika ada variable intervening pake analisis data regresi atau path, jika koeIisien korelasi
antara variabel bebas dan variabel terikat tidak signiIikan maka, jika nilai t hitung adalah negatiI,
jika pada analisis regresi linier berganda bernilai positiI dan negatiI, jika uji linier data tidak
linear maka, judul skripsi 3 variabel, 2 bebas, 1 terikat, junaedi regresi logistik interpretasi, jurnal
analisis jalur dengan metode trimming pdI, jurnal antara dua variabel x dan y, jurnal dua variabel
hubungan antara x dan y, jurnal matematika statistik multikolinearitas, jurnal menggunakan 2
variabel dependen dan 1 variabel independen, jurnal motivasi pebedaan pengaruh perbedaan
hubungan uji t regresi linier logistik, jurnal penelitian menggunakan regresi berganda dan
dummy, jurnal prediksi dengan multiple regresi linier, jurnal regresi dengan eviews, jurnal
regresi dua Iase, jurnal regresi korelasi linier sederhana pengaruh jumlah, jurnal regresi linear,
jurnal regresi linear x dan y, jurnal regresi linier statistika, jurnal statistika uji white, kalau hasil
analisis linear regresi berganda dengan spss, konstanta bernilai negatiI, kapan garis regresi
digunakan dalam penelitian, kartesius spss, karya ilmiah menggunakan model regresi, karya
ilmiah pendekatan regresi sederhana, karya ilmiah yang menggunakan rumus persamaan regresi
linear berganda, kasus korelasi dan regresi linier berganda periode 6 tahun, kegunaan kurva
normalitas dalam kehidupan, kegunaan regresi pada penelitian, kegunaan rumus regresi linier
dan korelasi dalam penelitian, kelemahan koeIisien determinasi dibanding adjusted determinasi,
kelemahan uji normalitas pada angket, kenapa generalized least square tidak punya uji I?, kenapa
harus trimmig pada analisis jalur, kenapa koeIisien variabel bernilai negatiI dalam regresi,
kenapa regresi linear berganda regresi harus normal, ketentuan uji linieritas, koeIisien intercept
negatiI regresi, koeIisien konstanta negatiI, koeIisien regresi adalah, koeIisien regresinya, positiI
atau negatiI; signiIikan atau tidak signiIikan, konsep autokorelasi/independen, konsep hipotesis
korelasi, konstanta atau intersep adalah, konstanta dalam persamaan regresi bernilai negatiI,
konstanta dalam regresi, konstanta minus pada persamaan regresi artinya, konstanta minus pada
persamaan regresi interpretasinya, konstanta negatiI pada persamaan regresi berganda, konstanta
negatiI regresi linear berganda, konstanta regresi berganda negatiI, konstanta regresi linier
bernilai negatiI, konsultan regresi masa lalu, korelasi ganda dan regresi linier dalam statistika,
korelasi spss, kotak, kurva regresi linear sederhana, lalu, langkah - langkah uji analisis regresi
linear sederhana dalam pendidikan, langkah analisis log linear di spss, langkah langkah dalam
membuat regresi dan korelasi dalam komputer, langkah langkah koeIisien determinasi parsial di
spss, langkah langkah menentukan regresi linear sederhana, langkah langkah pengujian regresi
ganda, langkah memasukkan persamaan regresi berganda di spss, langkah mencari residual pake
spss, langkah pengujian linieritas regresi dengan spss 16, langkah pengujian statistika analisis
regresi linier melalui spss, langkah uji regresi linear berganda spss 16, langkah uji regresi linier
berganda spss, langkah uji viI variabel moderasi dengan spss, langkah- langkah analisis regresi
dengan menggunakan spss, langkah-langkah analisis jalur sederhana 3 variabel, langkah-langkah
apa yang sebaiknya dilakukan sebelum analisis regresi??, langkah-langkah koeIisien determinasi
berganda dalam spss, langkah-langkah memasukan uji multikolinieritas untuk regresi berganda
di spss, langkah-langkah memasukkan data time series ke dalam spss, langkah-langkah
menghitung heteroskedastisitas di eview, langkah-langkah mengumpul data untuk regresi linear,
langkah-langkah uji asumsi klasik dan analisis output, langkah-langkah uji asumsi klasik pada
penelitian pendidikan dengan spss 16, langkah-langkah uji lagrange, langkah-langkah uji regresi
logistik berganda spss 17, latihan soal untuk analisis autokorelasi,multikolinearitas dan
heteroskedastisitas dengan spss, linear adalah, linieritas garis regresi dengan spss 16, logaritma
natural regresi sederhana, maka, makalah analisis regresi dalam hubungan dengan tinggi,
makalah asumsi klasik analisis regresi, makalah IilsaIat : konsep variabel dan proporsi dalam
ilmu pengetahuan, makalah interpretasi pelaporan pengukuran evaluasi, makalah perbandingan
metode x dan y dalam statistik matematika, makalah persamaan regresi berganda.doc, makalah
regresi, makalah regresi dan soal.doc, makalah regresi linear sederhana dan berganda dengan
spss, makalah regresi linier sederhana menggunakan spss, makalah regresi linier sederhana
tujuan chi square pdI, makalah statistik regresi linear, makna konstanta negatiI pada regresi
linier, makna nilai negatiI pada uji regresi linier berganda, makna nilai residual hasil uji statistik,
makna tanda negatiI pada b dalam regresi polinomial, maksud nilai konstanta bernilai positiI dan
negatiI pada skripsi, maksud nilai t pada regresi linear spss, manIaat uji linearitas, masalah dalam
regresi linier, masalah program linear dalam metode (m besar dan dua Iase, matode analisis
regresi spss mana yang cocok untuk menguji variabel moderated, melakukan justiIikasi regresi,
melihat I tabel pada program spss, melihat pengaruh dari tabel coeIisien pada spss, memakai
model regresi cross sectional dalam spss, membaca analisa regresi spss, membaca arti hasil
perhitungan regresi, membaca garis regresi korelasi, membaca hasil analisa regresi menggunakan
spss, membaca hasil output uji linearitas, membaca hasil perhitungan regresi linier berganda
dengan spss, membaca hasil regresi sederhana eviews, membaca hasil spss regresi, membaca
hasil uji prasyarat menggunakan spss 16, membaca interpretasi multiple regresi, membaca kurva
pplot spss, membaca output crosstab spss 12, membaca output koeIisien determinasi pada lisrel,
membaca output regresi linier sederhana di spss, membaca persamaan regresi, membuat graIik
regresi dengan spss, membuat graIik titik potong antara garis regresi y dan x, membuat hasil
regresi signiIikan, membuat hasil signiIikan regresi, membuat regresi linier pada spss,
memperbaiki heteroskedastisitas, memperbaiki model regresi linier spss r adjusted r square
tinggi, memperbaiki variabel yang tidak linearitas dalam uji linearitas, mencari kontribusi x
terhadap y dengan spss, mencari nilai kritis pada regresi logit dengan spss, mencari nilai t hitung
pada spss, mencari persamaan regresi linear sederhana denga spss, mencari regresi, mencari t
hitung variabel intervening, mencari uji regresi statistik y÷bx a, menentukan graIik linear
berdasarkan perhitungan y ÷ a bx, menentukan residual pada regresi ganda dengan spss,
mengaloah spss degan regresi moderate, mengapa hasil regresi tidak signiIikan, mengapa
koeIisien determinasi bisa bernilai kecil?, mengatasi adanya masalah linieritas, mengatasi
heteroskedastisitas log spss, mengatasi korelasi antar variabel dengan spss, mengatasi masalah
multikolinearitas dengan spss, mengatasi multikolinearitas dengan spss, mengatasi
multikolinearitas eviews, mengatasi multikolinearitas, heteroskedastisitas dan data tidak normal,
mengatasi multikolinieritas dengan spss, mengatasi nilai I hitunmg yang ga kelar dalam regresi,
mengatasi penyakit di uji heteroskedastisitas, mengetahui koeIisien korelasi parsial,
menghilangkan negatiI spss, menghitung besarnya korelasi antar variabel dengan spss,
menghitung moderasi dengan spss, menghitung nilai r pada regresi linier, menghitung penelitian
dgn cara regresi linier sederhana, menghitung penelitian dgn cara rekresi sederhana, menghitung
score total skala likert, menginterprestasikn mana variabel yg paling besar dlm spss,
menginterpretasi persamaan regresi, mengobati autokorelasi dengan spss, menjelaskan kurva
regresi dari spss, merubah regresi menjadi persamaan beda umum, metoda cara cepat
menghitung pengaruh variabel bebas dan variabel terikat penelitian, metoda cepat menghitung
eIek pada penelitian, metode analisis untuk penelitian variabel intervening, metode analisis untuk
penelitian yang ada variabel intervening, metode dalam regresi yang digunakan untuk
menghitung nilai variabel dalam satu langkah disebut, metode moderated regression analysis
(mra adalah, metode penelitian analisa regresi logistik, metode penelitian peningkatan kinerja
menggunakan rumus y÷b x, metode penelitian regresi linear sederhana, metode penelitian untuk
mengukur perbandingan nilai dengan spss, metode regresi sederhana, metode sisa pada analisis
regresi?, metode sisa pada regresi, metode statistik menghitung analisis dampak, model amos
dengan variabel intervening, model analisis ekonomi dengan regresi sederhana, model ekonomi
dengan analisis regresi sederhana, model hubungan linier (y ÷ a bx dua buah variabel x dan y
lengkap dengan uji hipotesisnya berdasarkan contoh data, model persamaan matematika untuk
variabel moderating, model persamaan regresi dengan graIik, model persamaan regresi dengan
variabel intervening, model regresi linier berganda cara bacanya bagaimana apabila salah satu
ada yang memakai variabel dummy, moderasi spss cara, moderating regression analysis
konstanta negatiI?, modul analisis regresi berganda untuk psikologi, modul cara eviews 3.0
tentang asumsi klasik, modul eviews cara input data, modul metode statistik regresi linear
berganda, modul metode statistika ii, modul persamaan regresi berganda moderasi, modul
statistik analisis jalur 3 variabel, multikolinearitas spss output, multiple linier regresi dalam
statistik, nilai, nilai a pada regresi nilai sederhana bernilai negatiI, nilai koeIisien regresi minus,
nilai konstanta pada persamaan regresi linier sederhana negativ artinya, nilai konstanta pada
tabel coeIIicients untuk regresi linear berganda, nilai minus pada uji t, nilai prediksi regresi y
skala likert, nilai residual, nilai residual regresi adalah, normalitas data dengan spss,
normalitas,linieritas,autokorelasi,heteroskedastisitas,multi, ols dengan data skala likert, ols
regresi statistik, outlier pada residual regresi logistik, output model regresi dalam kuesioner,
panah, pandai membuat graIik di spss 17, panduan penggunaan spss 16.pdI, panduan scatter spss
16, panduan spss 16, path analysis dengan regresi, pdI program spss input data angket regresi
berganda, pdI uji keberartian regresi, pedoman interpretasi terhadap adjusted r square dalam uji
regresi menggunakan spss, pedoman uji regresi linear glejser, pemakaian standardized pada
program spss, pemrograman linear metode graIik doc, penelitian, penelitian menggunakan
regresi linier sederhana, penelitian menggunakan regresi sederhana, penelitian parsial dengan
dua variabel x, penelitian satu variabel bebas dengan satu variabel terikat, penelitian yang
menggunakan regresi logistik kenapa tidak bisa menggunakan uji asumsi klasik, penentuan
intersep dan koeIisian dalam regresi linear, penerapan regresi linear sederhana dalam ekonomi,
penerapan regresi linier sederhana dalam ekonomi, penerapan rumus regresi linear berganda,
pengaruh motivasi dan kepuasan kerja terhadap kinerja berdasarkan skala tertentu, pengaruh
regresi sederhana dengan autokorelasi, pengaruh variabel bebas terhadap variabel terikat likert,
pengaruh x dan y pada regresi linier sederhana, pengaruh x terhadap y pada jurnal regresi linear
sederhana, pengaruh, regresi, pengertian ekonometrika, regresi linier, berganda, uji asumsi,
pengertian intercept dalam regresi logistik, pengertian intersep dan koeIisien arah dalam
interpretasi data, pengertian kostanta (a pada rumus regresi, pengertian lag pada time series,
pengertian nilai residual variabel penelitian, pengertian normalitas, pengertian partial pada
coeIicient corelasi output spss, pengertian partial, part pada coeIIicient pada out put spss,
pengertian pengaruh, pengertian regresi konstanta negatiI, pengertian regresi linear berganda,
pengertian regresi linear dalam statistik, pengertian regresi logistik dan cara penghitungannya,
pengertian standardized coeIIicients, pengertian standardized coeIIicients negatiI, pengertian
teori bayessian, pengertian uji heteroskedastisitas, pengertian uji linieritas regresi linier
sederhana, pengertian variabel "lag" dan contohnya, pengertian variabel lag, pengertian variabel
residual, pengertian variabel tetap,bebas, terikat, penggunaan spss, penggunaan variabel bebas
dan variabel tidak bebas dalam analisa regresi pada spps 16, penghitungan 3 - 4 variabel
hubungan dengan y pakai spss, penghitungan asumsi klasik - excell - regresi berganda,
penghitungan dengan satu variabel independen dan satu variabel dependen, penghitungan skala
likert pada skripsi, pengolahan data x1 x2 x3 variabel spss 16, pengujian yang harus dilakukan
dalam regressi, pengujian yg harus dilakukan pada analisa regressi, pengunaan uji normalitas
untuk regresi linier sederhana, penjelasan regrsi sederhana spss17, penyakit dalam regresi linier
berganda yaitu autokorelasi, peranan regresi linier sederhana dalam menentukan hipotesis,
perbaikan jika analisis regresi berganda terdapat autokolerasi, perbedaan analisis jalur dan
regresi, perbedaan analisis korelasi-Iaktor-regresi-sem, perbedaan analisis path dengan multiple
regresi, perbedaan analisis regresi dengan analisis jalur, perbedaan analisis regresi linier
sederhana dengan berganda, perbedaan analisis regresi linier sederhana dengan regresi linier
berganda, perbedaan analisis regresi, korelasi, jalur dan sem, perbedaan antara analisis regresi,
korelasi, jalur dan sem, perbedaan dan persamaan analisis jalur, sem, regresi, perbedaan dan
persamaan antara regresi variabel dummy dengan analisis regresi linear, perbedaan korelasi dan
regresi, perbedaan korelasi dengan regresi, perbedaan ols dan regresi berganda, perbedaan
regresi berganda dengan part analisis model, perbedaan regresi linear dan time series, perbedaan
regresi linear ganda dengan regresi logistik ganda, perbedaan regresi linear sederhana dan regresi
berganda, perbedaan regresi liner sederhana dengan regresi berganda, perbedaan regresi linier
berganda dan analisis jalur, perbedaan regresi linier berganda dan regresi logistik, perbedaan
regresi linier berganda sem, perbedaan regresi logistik dan regresi sederhana, perbedaan regresi
sederhana dengan pearson, perbedaan regresi sederhana dengan regresi parsial, perhitungan nilai
return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi
klasik., perhitungan regresi dalam penelitian, perhitungan regresi linier sederhana, perhitungan
statistik regresi dengan spss, perhitungan statistik untuk variabel moderator, perhitungan statistik
yang sering dipakai dalam penelitian ekonomi, perhitungan uji linearitas spss 16, perhitungan
variabel intervening, perlu analisis jalur untuk logit, persamaan analisis korelasi, regresi, jalur
dan sem, persamaan beda umum pada autokorelasi dengan spss, persamaan linear dua variabel,
persamaan regresi berganda, persamaan regresi berganda dengan data time series 10 tahun,
persamaan regresi dengan variabel moderasi dan intervening, persamaan regresi linier pengantar
statistik sosial, persamaan regresi linier uji normalitas, persamaan regresi x2 terhadap x1 dan x3
dengan notasi subskrip adalah, persamaan struktural dengan variabel moderasi, persamaan
struktural sem amos dengan variabel moderasi, persamaan y dari amos, persamaan yang
menggunakan moderating variabel, persamaan-analisis-korelasi-Iaktor-regresi-sem, persyaratan
analisis data regresi sederhana, perumusan masalah penanaman padi, petunjuk pemakaian eviews
6, prediksi pada data cross section statistika, r bernilai negatiI maka t hitung, r square regresi
adalah, r tabel regresi pengaruh, reIerensi regresi moderating, reIerensi tentang regresi dan
korelasi dalam bidang komputer, regresi 2 dependen, regresi 2 variabel, regresi adalah, regresi
berganda dummy cross section dengan eviews, regresi berganda spss, regresi berganda spss
simultan dengan moderasi, regresi berganda. variabel negatiI, regresi contoh soal linear
berganda, uji multikolinearitas dan uji autokorelasi, regresi cross section dalam spss, regresi
dalam statistika, regresi dan korelasi bertingkat, regresi data dengan rupiah, regresi dengan
moderating spss 16, regresi dengan variabel intervening, regresi dengan variabel lag, regresi dua
variabel, regresi ganda skala likert, regresi generalized diIIerence equation, regresi intersep
signiIikan, regresi jalur, regresi konstanta minus artinya, regresi linear, regresi linear 2 variabel,
regresi linear berganda, regresi linear berganda dalam statistik, regresi linear berganda
menggunakan angket, regresi linear dengan dua peubah, regresi linear dipakai untuk penelitian
apa?, regresi linear sederhana analisis regresi oleh : wijaya Iakultas pertanian universitas
swadaya gunung jati cirebon 2010
i, regresi linear sederhana jika nilai konstanta positiI, regresi linear sederhana variabel
intervening, regresi linear-peutuah, regresi linier, regresi linier 2 variabel, regresi linier adalah,
regresi linier adalah digunakan untuk skala, regresi linier berganda 3 variabel bebas, regresi
linier berganda dengan data cross section, regresi linier berganda dengan variabel moderating,
regresi linier berganda menggunakan spss pengertian adjusted r square, regresi linier berganda
spss 16, regresi linier koeIisien determinan, regresi linier peutuah, regresi linier sederhana,
regresi linier sederhana dengan uji I, regresi linier uji validitas, regresi linier universitas swadaya
gunung jati, regresi linier y atas x, regresi linier y atas x adalah, regresi logistik ganda spss cara,
regresi non linear, regresi ols kurang akurat, regresi perkalian dalam bentuk logaritma, regresi
residual maksudnya apa, regresi sederhana dengan 2 variabel dependen, regresi sederhana
spss.17, regresi sederhana y÷ a bx e, regresi spss, regresi statistik sosial, regresi transIormasi
dalam logaritma, regression, regression linier menggunakan spss 16, residual dalam regresi
statistika, residual regresi, residual regresi linear berganda, rumus analisa determinasi koeIisien
berganda, rumus analisis jalur, rumus analisis regresi linier sederhana, rumus analisis regresi
parsial, rumus b regresi berganda exel, rumus logaritma dalam regresi linier, rumus logaritma
natural regresi sederhana, rumus matematika yang digunakan untuk analisis sem, rumus
membuat urutan number berdasarkan nilai pada exel, rumus mencari analisis regresi, rumus
mencari besarnya pengaruh x terhadap y, rumus menentukan konstanta pada regresi linear
berganda dua variabel, rumus menghitung garis linier, rumus metode analisis determinan
berganda, rumus model regresi, rumus model regresi linear berganda 3 variabel bebas, rumus
model uji statistik regresi logistik ganda, rumus penelitian regresi linier sederhana, rumus
pengantar statistika interprestasi dan persamaan regresi, rumus perbandingan dua variabel bebas
(uji t, rumus persamaan regresi linear uji I, rumus persamaan regresi linier, rumus regresi ganda
4 variabel, rumus regresi linear berganda, rumus regresi linier berganda terdiri dari variabel
dependent,variabel independen dan variabel moderator, rumus regresi logistik, rumus regresi
statistik untuk pendidikan, rumus regresi untuk mengukur pengaruh?, rumus rekresi, rumus
statistik linear, rumus statistik logistik, rumus statistik mengetahui pengaruh dalam satu variable,
rumus statistik pendidikan mengetahui pengaruh satu variable, rumus statistik variabel tunggal
dalam penelitian skripsi, rumus statistika regresi, rumus t hitung regresi sederhana, rumus uji I,
rumus uji I dan uji t, rumus uji I linear berganda, rumus uji I pada regresi, rumus uji glejser spss
regresi sederhana, rumus uji linier, rumus uji linieritas durbin waston, rumus uji parsial regresi
ganda, rumus uji t dan uji I, rumus uji t persamaan garis regresi, rumus uji t regresi ganda, rumus
uji t regresi linear, rumus untuk mengetahui titik potong dengan sumbu y pada regresi, sama,
satu, satuan logaritma natural,regresi, sebutkan dan jelaskan cara mengatasi multikolinieritas,
sebutkan persaratan menggunakan analisis regresi, sering, service solutions, signiIikan
heteroskedastisitas spss, signiIikansi regresi berganda, skala likert pada uji regresi, skripsi
dengan menggunakan rumus linear, skripsi menggunakan asumsi klasik regresi linear, skripsi
statistik dengan metode penelitian regresi berganda, skripsi statistik dengan metode uji
multikolinieritas, skripsi tekanan panas dengan uji regresi berganda, skripsi yang memiliki 2
variabel bebas dan satu variabel terikat, slide tentang kompensasi dan isentiI, soal & solusi
model persamaan regresi, model korelasi, soal analisis regresi linear sederhana yang memenuhi
syarat, soal interpretasi hasil spss, soal regresi linier berganda dengan spss, soal regresi linier
berganda spss, soal regresi linier sederhana dengan spss, soal regresi, korelasi, determinasi, soal
uji regresi tanpa uji asumsinya dengan spss, solusi agar data regresi berpengaruh signiIikan, spss
kartesius, spss linear regresi liner, spss logaritma natural, spss tahap pengobatan autokorelasi,
spss uji normalitas multikolinearitas heteroskedastisitas linearitas, spss utuk analisis regresi linier
berganda variabel dengan sub, spss16 langkah mentransIormasikan variabel ke dalam kategori,
statistical package, statistik kesehatan regresi, statistik regresi linear kesehatan, statistik rumus
regresi linear berganda, statistik sederhana heteroskedastisitas, statistik sosial persamaan regresi,
statistik untuk melihat atu atau lebih variabel independen dan satu variabel dependen, statistika
analisis regresi linear y atas x, syarat melakukan analisis data dengan regresi linier, syarat
menggunakan uji regresi berganda simultan, syarat regresi linear sederhana, syarat regresi linier,
syarat regresi logistik spss, syarat regresi ordinal, t hitung bernilai negatiI, tabel anava untuk
2variabel bebas, tabel hasil spss yang digunakan untuk membaca koeIisien determinasi parsial,
tahap log natural, tahapan mencari kolmogoroI dengan spss 16untuk uji normalitas, tahapan
menghitung uji normalitas regresi berganda, tahapan regresi logaritma natural dengan spss,
tahapan uji regresi, teknik analisis regresi jamak (multiple regression, teknik-teknik
ekonometrika "korelasi" "regresi" "analisis jalur" "sem", teori langkah langkah dalam
menganalisis jalur path, teori masalah mengurangi autokorelasi dengan variabel lag, teori regresi
berganda, teori turnover intentions, terdapat heteroskedastisitas autokorelasi solusi, tingkat
signiIikan 10 ° penelitian sosial, tingkat signiIikansi kolmogorov, tips agar data bisa signiIikan
dalam regresi berganda, titik, totorial spss-cara-normalitas, transIormasi bila data mengalami
heteroskedastisitas spss, transIormasi data natural, transIormasi spss data negatiI, tujuan
penelitian regresi, tujuan uji homogenitas pada analisis regresi ganda, tujuan uji linieritas garis
regresi, tutor menghitung kepuasan dalam spss, tutorial eviews regresi berganda, tutorial
penggunaan spss 17, tutorial penggunaan spss untuk penelitian yang menggunakan moderator,
tutorial regresi berganda spss, tutorial regresi dalam spss, tutorial regresi dengan spss type:pdI,
tutorial spss uji regresi variabel dummy, uji analisis likert, uji anthelmintik, uji asumsi klasik, uji
asumsi klasik analisis jalur, uji asumsi klasik menggunakan spss, uji asumsi klasik regresi
berganda, uji asumsi klasik regresi linier sederhana pdI, uji asumsi klasik regresi logit, uji asumsi
klasik regresi sederhana eviews, uji asumsi klasik tidak perlu dilakukan pada variabel y dummy,
uji asumsi klasik untuk mra, uji autokorelasi regresi linear sederhana, uji I dalam regresi, uji I
dan uji t statistik pada regresi liniear, uji heteroskedastisitas dengan melihat signiIikansinya, uji
heteroskedastisitas park glejser dengan spss 17, uji kelayakan model spss, uji linearitas dgn spss
17, uji linearitas durbin watson spss, uji linearitas durbin-watson, uji linieritas garis regresi 2
variabel bebas, uji linieritas ramsey dengan spss, uji model regresi linier, uji normalitas, uji
normalitas data, uji normalitas dengan spss 17, korelasi dan regresi linear sederhana, uji
normalitas ekonometrika ppt, uji normalitas regresi berganda, uji normalitas regresi sederhana
pdI, uji normalitas untuk regresi sederhana, uji normalitas untuk x hitung yang bernilai negatiI,
uji normalitas, heteroskedastisitas multikolinearitas linearitas spss, uji park dengan eviews, uji
pengaruh tidak langsug lebih dari satu independent variable dengan satu variabel intervening, uji
prasyarat analisis regresi linier sederhana, uji regeresi linier sederhana spss 17, uji regresi
berganda apakah variabel bebasnya x1,x2 signiIikan terhadap variabel terikat y, uji regresi
berganda spss, uji regresi dengan variabel intervening, uji regresi linier berganda dengan spss, uji
regresi linier tanpa ujiasumsinya, uji regresi tunggal, uji runs test, nilai residual spss, uji
signiIikansi pengaruh variabel moderator, uji signiIikansi regresi arah b pada persamaan regresi,
uji statistik t hasil dari regresi yang menggunakan mra dilakukan untuk, uji t dan uji I dengan
sem, uji t dan uji I regresi linear berganda spss 16, uji t koeIisien regresi, uji t model, uji t mutlak
dua arah digunakan untuk, uji t pada regresi linear, uji white dengan spss, uji yang harus
dilakukan sebelum regresi dengan spss, uji-t dalam regresi linear ganda, uji-t untuk koeIisien
regresi, untuk melihat pengaruh dari variabel x dan variabel y maka digunakan, urutan
penggunaan analisis regresi linier berganda, usi, variabel, variabel bebas (y, terikat (x, variabel
dependen lag, variabel intervening, variabel intervening variabel moderating, variabel moderasi
dan variabel mediasi, variabel moderating dan variabel intervening dalam path analisis, variabel
motivasi, yang dimaksud dengan t hitung, yang dimaksud konstanta pada uji I, yang harus
dipenuhi dalam regresi linier, metode analisis regresi linier sederhana spss

, 9 9:3  9 9,-0 -07,79 ,/, 503,7: ,3 831,3 ,39,7, ;,7,-0 -0-,8 907,/,5 ;,7,-0 907,9  ,9,: -8, :, /03,3 831,38 / -,,  :39: 50309,3 848,  /,3 :39:50309,3-:78,,/,3 
,/,3/:3,,39407,388,25,/03,3    !078,2,,370708 $0-,, :897,8 ;,7,-0 -0-,8 ,, 574248 /,3 ;,7,-0 907,9 !7419,-9,8 /,,2 :9, 7:5, /,3,8,3,883,    07,7939075709,83,  , -08,73, -,, 574248 2033,9 80-08,7  :9, 7:5,  2,, 57419,-9,8 2033,980-08,7 :9,7:5,   ,-,,574248-073,34 2,,57419,-9,8,,3-073, :9,7:5,  39075709,8907,/,53,3907.059 /,,2.43943 :9, ,7:8,9 
,9/,3808:,/03,3 7,3.,3,350309,3 ,50309,3203:3,,3,309/03,38,,079,39,7,8,25,  2,, 39075709,8 / ,9,8 9/, -40 /,:,3 ,703, ;,7,-0  9/, 2:33 -073, 34  39075709,8 /03,3 8,, 079 90780-:9 80-,3, 203:3,,3 3,89,3/,7/0/ .4011.039 803,9/,,/,4389,39,,703,3,3,90,/89,3/,7,3  4394!03,7:,39,7,05:,8,3  907,/,5307,  /03,38,,079,39,7,8,25, /03,3   ,8 4:95:9 ,3 /:3,,3 ,/,,89,3/,7/0/ .4011.0398 803,     /,3/39075709,8,3-,,5033,9,305:,8,307,,,3/:9/03,35033,9,3307, ,9,: 503:7:3,3 05:,8,3 07, :, ,,3 /:9 /03,3 503:7:3,3 307,  !033,9,3 05:,8,3 07, /,,2 8,9: 8,9:,3 :39 ,,3 /:9 /03,3 5033,9,3 307, 80-08,7    #070830,707,3/, 3,887070830,7-07,3/,80-03,73,8,2,/03,3,3,887070830,780/07,3, ,3, ;,7,-0-0-,83,0-/,78,9:-:, !078,2,,3:2:23,,/,, , - -   -33  03,3  ,/,, ;,7,-0 -0-,8  /,3  ,/,, ;,7,-0
;,7,-0 -0-,8  , ,/,, 4389,39, 39078059 /,3-,/,,401803707085,/,2,83
2,83;,7,-0-0-,8  39075709,8 907,/,5 5078,2,,3 :, 70,91 8,2,  80-,, :897,8  503,7: ,39,7, 249;,8   425038,8   /,3 0502253,3   907,/,5 05:,8,3 07,   203,8,3 5078,2,,380-,,-07:9          , ;,7,-0 249;,8 2033,9 /03,3 ,8:28 ;,7,-0 425038,8 /,3 0502253,3 909,5 2,,05:,8,307,:,,,32033,9

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

3 .. 907. 9047098 -./.3. .2 -039: 4.3 -0/.9:9. 5.9.5.5 .39.3 -078./..8 803..5..7.9  .909/..:.3 .33.8..8 80-0:23.79 907/.8. 24/0 70708 0 /.  & 3 .3 9079039: .3 /03.3.3 202-.2 -039: 5078.3 -0./. :-:3.3 4/070708.908. 54891  9. /./.. .3 5.3 .8 & .3 2.7: /.5.3..-0 -0-. /.78.7./.39.9 /:3.8:28 0907480/.3 /-.  &./..39::.0-/.943 805079 5.8989.3 20397. 10 3/4308.9.8 & 30. 9079039: 5.7..7.9/. :39: 203.7  ..2.-:.3/03.7.9.  . -073.3.3 : .: 80-. /03.7.&0907480/./..2 .9. .8/.9. 24/0 .3 / :78.3.-0 .3 907.3.381472.8 . /03./.3.7 7:5.2.3 0-7:.3 ../. ./.3. 7.:94470.5 .32094/08. 470.38/.:94470. 708/:.7.8989.3 /.:3-./..8 .9 ..5.92080708 7:39:9.7.7.7708/:.3 802:.:94470. 9.3 0907480/. -40 .9:. ./.3./ 9/./.3 90.3 5030:./.7: .907/.2. 8./ -07:7.91 84:8 .9.703.3/503.3202549.9: 0:.  2030259 02:/.:.3 /.. /.3 200-.8 -:.507:/. 8./.5. 2030:.4-807. 93.::90  0-07.85.-0 907.8 .:.8..:. -:./.381472.-0 ..7 ..7.39.3.3 203.: 9/.9.3. //.7:4093. .. /..-0 -0-..9 .. 503::7.:. :084307 / 2. 50309.37:93/.9: 5074/0 9 /03.9 31.5.7 07.8 / .2.3. 4-807.3 .3 30..5. 80-. /03.9 31.. 570/8  /03./.8.9.:39:20.-0 . -.9.30503.4394 .  4/0 .8.7.989 . 802:.8 /507:3./ 470..9907549/03...7.9.  09.5./.792.7.3:./.7./.3.7 .3.3  4/0 70708 5.:94470.3 80..5 /4.5 3.989.8  0-07. 4-807..8 -:.3202./. :-:3.3 . /.3 5.3. 24/0 203. 9.3.7.7.006:.8 .907/.3   &30.5.-0 /03.3#:3%089 /.39.9: /.9. -07-.5074/03../.5:3  5030:. :.3 203:-.7.3./.7708/:.35. 4-807. .7. -:.9.8870708.8 ..9073.  $0-. 503.7. 200-..9843 :/03.8 5.3.9 /.9./.9. ../.8989.3 20397. .9.:89..0//110703.-0907.79..3..9.320203:5078..5.8:..5.8./ 8.93.3:.9.3 /:3.24/090780-:9 4394.9:503.1  805079 203:25: / 903.7.2.2.9.3 0 /.:.. -:.30503.3.20207:.3.5. /2.-0 -0-. -:. 802:.35. 503.9/. !# 3.3  .9..9.3/03.9 :.3 :39: 20.7.3 -.9 54.38/.9 31.3 5.9.. 807025.7 .7 ..7488 80.9.5./.3:.3.3 . :39: 20.30 :9507  0-07./2.-0 /.:39:20.:/80-:942480/.7../.9.8.3 .8 203.5...3.3 703/./.8   /.3.9: 7:2.80/07.7.5.7 8:. :2:2 0307. 9/./.8  09080907480/.3909. 907.3 5074/080-0:23.7..7.9. 9  $0.3 0-7:.8.2. 24/0 /-039: -07/.3.3 .3.9 503..8   &:94470.9:0503.7 .3 70. 50309.3 $#$ 3. .7.. 8:.5.8.3.8989.5.2.-. 203..7: . 8.943 $0.7.7./.9 ..3:.:..39/./.7 02:/.91 93  2..8 /03.:0807 :!.3:3 2025:3.8.3:.: /. 93. .::7-3 .3.8 907.8989.3 /. 9:...3:.7.39.28:.. 907/..7 .3 .: -8.3 2030259  & 89.. 5.. .38073/507:3.:94470.79... 203:3.8 /03.

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

 .  20705708.  //.2.-0 9. . -0-.-0 9/.3. 41803 470.7.58:.39.8 2085:3 3.8.  /03.7.8 .9.-0 9/.3.7ƒ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

8  .3   401803470.88:.8/03.79 802.9:39:/:3.::9:3503.7.9.3 .-07:9   3.0/.9.8:.8:28.3  #070830780/07.38588 503079.3   ..8:8 50309.39. 8:/.42380.7:307/.-0/..33.-0-07/..78.9:503/0.-07:9 3.5 - - 0.7:   4389.3   0/:.3 905.  /..3  &39:2039:30/:.7 503.8!.90728 O O O O .85.24/070708 .39.:.78.8 80/07.5..9.31.907.9 :39::-:3.8 5.905.3. -0-.7 503.3 -08.39  207:5. 7 /.5- - 1.3.7.3 401803 470. 7   401803 470.-.8 5. 9070-/.3.7.78 307 /:3...78.9:80-./.9.3  7   401803 470.9: .7.  /.4394.8 4-807.78.7.3307.7./.39.907./.380-. ..370708 .7907.7 3.7.:- 0  #070830780/07..39.8 /.  4389.20309. 7:2:87 203./.:  - 1 401803 470. ..3/:.39.3:39:5030-:9 .3  - 0  .3.3.3:90897:3/.7.. -0-.:2:943079.3.  /.3.7.8 5.9::-:3.9 8:..503/0.8 /.7. 8:/.9. ..8.3 80-. $03.3  -07.7..7:   4389./80-.3   0/:.5/.

./.                                     09$.:94407.O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O 707083. 70708/:.70708.4:95:9$!$$ 3...203.270708307-07.85.7..1477014 ..4.7 .70.708/:.7.3/./.8.-0 70708307 7:2:8:9/.9.

.7  .3 .39.792.88 30.3.-0 .8:28 70708 30.:7 9/.77/.8588. 70708  .28588 .29.. 1.79/.8:/ : 30.5.91 .39.794389..7-07.88 470.3./.8 /. .88.5.:2. .9.2 70708 30.3472. 70708  .88 70708 -07. . .8588 .79/.792..:39:.91 .88. 70708 .88 70708 80/07.  /2.5.3.3 /2./70708-07.-0  .033 .8 /.8870708-07. .3:3472.35.8/.:7/03.3.88.8 503:3. - /../..3/.4018034389.7-07.9/.3 30.  .27:2:870708 .7 .5.9.30.3 70708 307 -07./03.-0-0-.3.:7/03.  1908  470.:3907./ .8:28 ..00 .8:28.8.8.9:.7.-0 /. .  ./03.3.2  .8830770708-07.8  .8 70708 307 80/07.8  .947 .8870708 . .3/.9:3.88 70708 307 80/07.:. 8588 :084307  .30. ././. .9 .5.5.3/.9...3/.39.9197./. 3.3..7.08  038 70708 -07.989 950 5/1  .-0.74.91:3.-0 /:22 / 00  .780/07.7930.3.9:7070830.8/.8870708/03./. 50309...5.8 : 1 /.3.79/..-0907.3.202-..3 .:94470.4389.7:7070880/07.32094/07070889.3.3. ./.8/03./03.3.79 .5.270708307-07..79 70708  .2 2.8:28 .989 .3. .3.28588 .8  .3 /.9.3:.8.897..3802 .2.5.39.  -.3.79031.25747.9 9:3 ..39.-0 70708-0793.39. .0/ 3 2: !0309. .93 .3.4389.3. 8.5..70708.3. .3 .3. 079  .3 70708 307  ..059 5.79 7:2:8 0 5.3/:. 5.289.9/.8./.3.9 7.3/. . : ..8 8588  .270708 .7070830.7 -07.88 70708  ..7070830./.3 24/0 4.7.3.3/.3/.3.5.3.793.3/..5.38588 ..3.989 0.79 3.3..3.88 2:950 70708  ..3/..8.:94470.3.2.50309.3/.5..79 3.7-07...5.39..9.3 /:3.3. .708/:.8 503:3. 30. :73.-03907.3.3 8588 147 3/48*907./:890/786:.:.794389.9:7.3 401803 /090723..9..27:2:870708 .8..88/./.-.7. 8.3.3/.:7/.370708489:. 4389./.:9.3 8588   .3/.3.-024/07.3 .989:39:. /.  .79/.7.3 -073. 8588  .3.3.88 70708 307 80/07.5.5.8..3 8588 / -/..3.8588 .3. 4.043428.3.:.37070830.-84:9708/:.3/.8 .-03/0503/03/ 8588 .88 /.3/.5.8870708307-07.489.3.8:28 ..3 203:3.9073..7-07.8:3.3/.7908:8 .9. 30.3 - 5. 831..8 5079:3.87070880/07.88 470.3507.3.3.507::7070880/07.7.0398  .3/.3 30..8870708 -07.7708/:.039  .3.3.70708. 9..3/.83.88 70708 307 203:3.794389./.9:.8. 70708 5..270708 . 70708 203..3 %.889.5.8/.50..3/.34389..8:289/..3.8:/ /03.39.20207:.3 .7.8:/ 3907.330.39.8:28 30..705.381472.39. .  503079.2094/07070830780/07. 5078.7 -07.9.88 70708 80/07.324/0 24/07.8   .3/.3/.79489..8 5079.3/.9 23:8 .7-07.  .91 .8 .3 ..2 470.8:28 .9.3..39.3.3.79.3.79 3.4011.30.38 ././.7    .3 7070830.88/03. 5078. .8870708-07..3./..794389.2 5079:3.203:3.8:28 .7.8.3.70.79 : 707089.3/.79.8870708 .3/.8  .88 . 80-.3  .8870708.3.3.3.9..8.73.79 ./:890/7 86:.9 ./.3 24/0 .7488 80. 5./.1 70708 307/03..3  .3 3079.0592.8..9 20.3.7 .2 70708 80/07.30.203/0908503. ./.792. 207:5.8/. 30.3..8.3203:3. 50309.70/.3 70708  . /03.8 /./.8870708/03.3/:.5.8 5./03..5./.9 .370708307. 2.3/. /.7.:.7/0/ .3.5. .0 5.915.5.943 ...3 : 9 /03. .88558/. /.7.870708-07. .79 3.8588 .79 708/:. 30..8:28.3 8588  .2.3.3.91 .3 8588  ../.5.3/.38. 503.-08588 .7970708/./..8:28/28588 ..8 .8.3.5.3 /2.902.91/. /03.915./.7. /.780/07.8870708307 .8:28.3.270708  39075709.7. ./.7.9.989 .-0 3907.3. 4389.7  .9:708/:.8870708307-07..39075709.91/..8 04342097 0.:94470. :39: ./.   ./..0.8870708-07.39..5.30.8:28 70708 307  .330.786:. 89. 8.3 70708  .38588 .7.4011.8 1.5.2.79 3.3.2 .39.9.947 70708 802  .9/38588 7070830.:94470.3.7.3.79.033  202-:.289. 30.3..5.381472.870708307:73.3..1:38-.7 . .8 .89 89. .887070880/07.8:28 .

.3 0 5078.3  .3 ..39.7. .9:7...  -4  . 7:2:8 70708 80/07. /03.5. -. 5.-0. 5.3 -07. 20335:9 /. /..9.7.203./.3 5.88 70708  -.907/..8 8.3. 24/0 5078.3..94389.7.3 503//. -.20.../. . 70708 307  -039: 7:2:8 70708 30.00.3.3/..5. 2039:3 3.9..3 70708/..3/..7.3 203:3.3. 4389.2.3907.7.3. /03.-0 9:3. :2:2 3. : 9  -07.2.2. 203:3..3  -0/. 50:9:.2.39. .78.23:8 -.85.7.3.2.7.  -0/... 70708 307 80/07.. 203.:707083.3./03.3.3 70708 307 -07.-0 -0-.. .3.2./03.-0-0-.3. 3. .3/.401803/090723.5-.3/.7. 8.3 9/.3 -0/..:5..:94470. .339075709.3203:3.2.8:..9:.42. . .870708-07.3. .9.  -0/.-0 /0503/039  -.:.39..4:95:9. 0 /.91 203. /.7.8../. ...9202 8.. ..92080708 -.5.7.3.2. . 50309..3/.9:.78.8.2. 507: /2.3 70708  -8.7.13..31789/110703 /. .8/.3 0.8 2...9. 831.907/..3.  -0/.8  -0-07.3 .2.2 50309.8 70708 : 9/.8/.2 8588  0-.7..3..-0./.3/.79.2. 48 /03.-0 /0503/03 5.323:8 -.7...2.3-07-0/..785078.7 80/07.8 4.30.32:9430.3 70708 -07.3.2..3 7:5.37.27070830..3 -.  -.3.5.8 -07.3..3/..8  -.-0 .3/.7.792.3.

3 .:.2: 50309.

42.7 92 70708  .049....-0  .70708 30.7. . 50:9:.

.:3.90470/.

843...90 /.065.4 50:9:. .0203 50703.3 92 50703.2. 2..3.  ....3 4507..3..3.42.3 897.

70708 30.7.

.2 8588 .7. .3907/....83 2.7.87070830.././. 4:95:9 2:950 307 70708843  .3 . 2094/0 . . 3.. 202-.1 .8 5...7. 31.8 203:3.85..-0 -0-. 43.70  ...7.8 8588   .9.8/.7.7...7 /03.39075709../..8588 . 8588  .-0 907..:94470.8 : 2:943079.7: ..7./.8:.....7. .3080.3/. 489  . 202-..3 3.3 . .8 70708 30.-0 24/07.-0/0503/03.885.202..9 2039:3 503.7.-0 50309.8870708 8588 .7.079 ...  . /.3 .3 . . .9..98:-.7 70708 831.8 70708 30. 202-.5  ./03.9:7.3/.7...9 . - ... -...9 2039:3 503. 202-..3. .8  ..:. 7. 202-.1 .7...3. .7... 202-. 4:95:9 . .7.3..059 23:8  . 202-...3/.. 4..7. ...3:5. 202-..7 80/07.5 .8830.3.7.8 -07..033 /03. 202....7.870708-07.3.8 4:95:9 : 70708 30.88588 .7..9  .202-. 7. 0.8 .8:.-0 . 202-. -07......7. .3 909..0 8588 92080708 . 202-.8 70708  .  .4394 5079:3.7.3/.2.. 079  . 8588  .3 8588  .88 70708 30.9.7....8:28 .7  .203:3.4:95:9:0907480/..3 70708 80/07.8 70708 5.3/.73.3.:94470.9. 0798  .-.8  .1 70708 / 8588  . 9..202-.38588 .35:9...7..05.....4:95:9.:.. 202-. 8588  .88 470.7.7 8588  . .7.. .8588707088.7..3  .9...7.1 70708  .3/.7.7...7..3 8588  .202-.7..3..3203039:..8 7 86:. 4:95:9 8588  ./.7.-0 .8 / 8588  .:94470.. /..7. 3.78.7.. . .9. 7.. ..3 8588  .88 /. .2.:94407. 5.7.202...8 5078. 202-.7..7 ./. 202-./.. 202-.88/.3  .30 2:95075...:94470. .3/.9..7. 30.7.-0 3907./. 2039:3 503....3. .8:. 35:9.3. .7.  .20.35:9/. .7.88 ..7..7.38588 .9..3472. 202-.20.....-05.7.2..792. .3 ... . 202-.7.83 .35079.8989.8:28...3.9.8870708-/.202-.. 5.8 5078.7.-0 8588   .7.3.887070830.3.8..7..3.3.3/.3. 8588  ..7. 202-.7.3.88 70708 /.7.5...3 . 203:3.7..28588 .8 70708 8.33.8 401803 /090723.7..-0. .05.4:95:99.3/.7: .7/03..87:390898588 .7.7.. 70708 307 -07.08  .9. 202-.7.38588 .7.7 -07..7: 2.7.88 70708. .7 -07. 70708 30.4:95:985887070847/3..3..7..-.7 80/07. /.8588/.8 8588 70708843  .3.3.3 8.7 203:3.35078.7 ..-0 -0/.38588 . 5..3 /03.8/.. ..7./. 202-.70708 -07. 4. 7.3 7:2:8 : 5.8 5.91 8588  ...-0 50309. 3907.4:95:9858850309..888588 ..3.... 202-.78588 .7..870708/03.9:7. 202.8/. 708/:.3/./.3 8588  .. 202-.7...9.8 .7.7. : . 20.../03.7.8 907.792.7.7. 202-..9.3/..8:.88/.

7 8588  ......8.95078.3470.3 8588  .3 70708307-07..98  ...7./.8588 .7. 203.4011.9.9:7.  .7 401803 /090723.3.7. 202-:./.7. 203:3.7..7 -07.79.8  .-0 907.3.-0707088588   ...  .3 8588  ..7.88 70708 /03.9. 2039:3 5.3...../.783472.8 .  ..85078.7.91  .:503..8 2:9430.78 5078.8 23:8 . 70708 307 80/07.889.9.2./7. . .7.7.. 4:95:9 8588  . 70708 307 ..7.-0 -0-.-0907./.3 .3  .8/..858889.7.3 8588  7..83 2.3  ..7.....38588 .7 70708  . 8588  ../.37:. 202-.70708/03.5.8870708 -07.7./. 202-:. /03.33/0503/03 . 203..3/.9.75.5078.7.. 203039:. 202-..3 70708 307 . 202-../.2.88 70708 . 203039:.9401803/090723.2.. .3 70708 -07.....7.2.../:890/ 7 86:.3 4389.3. 23:8  . 2039:3 503..  .7.9.-0 ./.401803 .2 7:2:8 307  ....8588 ..059  30.20309.-05.3 ..203/0908203.8 5..9.7:3472..9. 203..9/03.7.7. 20309.7.. 2039:3 20/..7.-0 -0-.7: 89./.7.27070824/0 . 202-.9.8 . 203.7: .8 /03.7..9.79.7..3 70708 9:3.8 /:7-3 ..3.7.7. : 9 /03.8907.3/..7.3..97.7.-024/07.:5078.2.7.. 203.7:2.38588/.  . 203039:.3.202-:.7..9.7 3472...79.7.. 5..-089.9...2..203.7...3.8  . 203039:.70708 30780/07.7.7 : /090723.20309.5078..30..7...7.3/.. 202-... .3 ......7.3 401803 /090723.8 .9 7..2.78. 202-:...  .3/.7.9. 203..3 9 9. 203.:30..88588 .202-0/. ..73472.7. 202-:.8/..7 .7.370708 -07.9.7.7. 203.3 8588/03.5.9..7.8 /.7.7.8/03.8 /..7.7.30 2:9507 /03... 70708 30.88 70708 30..5078.:24/030.88 70708 /03.3.9707083078588 .9.. 203:3../.7..8 . 343 307 5./03...7 .7.7..3. -  5..7./.1 .3/..7..8 /.9.7./..7..  .7.7 -07..203:3.7.8 /.....7.-0 5. 202-.7. 3907...:/:. 203:3.203.3 3472.7.8401803/090723.9.9.7: /03.203.97.7. /.2. 203.3 8588 :39: 203./ 8588  .202-.38588 ..7.3. .203./ / 8588  .83.3/./.3 3907805 7. 2039:3 5078..3....3.989708/:.7.202-:.8 .2.37070830. 202-... 203.3/.3 70708 / 8588   .7.7.3 8588   .7 503.3 .7.9  .85.-0 -0-. 202-.8885887070830.8 /. 2039:3 .-0 .370708 . 203039:.3.1  .3..170708 307 /03. 202-.78 .7.780/07...7..202-:...7.82.8  .8/03.7.8 .. 202-.. .989 9/.35.7. 3079.7.7.38588 . 8588 ..8 70708 /.203./:82039 24/0 /03./ .2 8588   .39 /.-0-0-..3 8588  . 203.5 554970708 3078588  .3 8588 7..7.3 203:3./..3307/03.0398  .1 .:2:9430.7..39.202-...3 - /. 7 86:.. .7.9.7  .3.830.7.. 3472.97.. 203. 202-.9.:94407.9 831.9843 /03.. 203..3 8588  .9/.3/..8 /.79.8.7.202-09:..202-:.2039:3503.-0  . 8588  .99:3 .989 .8:28.7.8  .2 ./. 2039:370708 3078588  .38 /..3 ..1 : .2 70708 30.79.2039:33472. 5078.-0 . 203. 93.9.3 2:950 70708 30..3 3. / 5747.8  .1/8588  .3 70708 30.38588 .7.9..8/.9 ...7./.93 .7.. 203:3..7.507-..-0 -0-.5.3/.7.7..9907 549 70708 -07.7..35.203. 70708 307  .3.3 202-.831.7.7.7.7.7 9..79.  .70 : 70708  ..8 8588 .7070830.3 907.202507-.7.7. 202-.9/.2 8588  . 401803 470.7.8 5..203.1/ 8588:39::.203. 2039:3 .3.7.7.3203:3.70 30.3/.9.7.:94470.9.79.7.9.2.22034. 202-. 203:3.79.203...:94470.88 . 203039:..3 9/.3 /.7.9  .8588 . 8588 .8  .9 .7... : 9 5..38588 .9...9.7.989  .7908:8/03.203.-0 /.7.7 8588  .202-:..3. 202-:./ /8588 .-0/0503/0320... 2039:3 503.2.1 : .9/.3/..3 8588  .. 89..8870708  . 70708 307 -07.3.2.. 202-:.7.9..7..3/3.:94470..7/.3.9..2 89.1 8. 202-:.35747.95078.38588 .9 7.. /.3 /....7. 203.39/..7.3503./.8 2:9430..73.7:3472.9 7..7./. 203.7.8 :39: 025.7. 202-:.8 .7.79. 707085..85078. 2039:370708 30780/07.91  ..7 : 2:9430.7. 202-.2 70708 -07.. 203.9.7.97..7070830780/07. 203039:. 202-:.989 . 203.28588 .. 8588 . /03..

38588/ .-0 5.7 . /03.9.2034.7. 8588  ...7. 24/0 70708 0 /.30907480/...3 .3.9.2 503:.3 8588  /03..:3472.7.033/8588 .3 8588  ./.3.7..5..7.3 . . .7070830.3... -0-.70708307 /.9.8:28 ./. 0 8588 :39: .8 /. 70708 30. : .9.5079:3..-0-0-.50309.-03907.38588 ...989  .4389.7.7070830. :2:2  . /03.970708/.3.289.37070830.78. 3472.902.7./.3 5.8 .9. 207:-.033 .7..3 70708 80/07.7.7.30.:1/03.3907.7.3...4394.9..7.7 -07..37:2:87070830.9.7 :7.7.8 /.7.503008.85.88707085.3080. .439...7. 20302-:.88 ..9.7.7  .7.7.3.8588 503.8 .7. .93/03.792.8:28 .7.2 -/.7.7.3 907. 503039:.78. /.39..3 -0/.9  /.9.7 831.381472. 207:-.43942094/447809.8..2 8588  .4394 2039:3 /03.8/..89 86:.8/03..381472..3907..3  .3.. 8588 8:5..97. 207:-. 70708 -. 20397.78.70708 80/07.8588/03. 97.88470.. 5...7. /.-0 -0-.8  ... 30..  .8989.:94470.7.9.9.7. 2039:3 70708 8588   ..30. /.. : . 203.9.207.70708 30.3.-0 .3 .4394 2039:3 80/07.  ..7. 2039:3707830.7.8/03.7.84:95:985882:95070708 ...503:3.7:80.3 /03....9.9. 203:3.8 203:3.7 401803 470.3 8588  .3.37070830.989...4394.7..7.3.-0 24/07...37070848 203:3..8:28 .3/.7..7 -07./.5.7...7.5079:3.9. 203.3 .7..9..3/.42945034.9:7.7.  .7.250309.7.-0 . 20335:9 /.:30.7.08  .7.7..9 .3.7.2034. 5079:3.7....989.-0907.7..3 ..3.7.3.38588 .70/.-0 ./. : 8588 70708 307 80/07.989 .:39:202-:..3/:. /.   .37:2:85..3 7:2:8 70708 30.. ./ 70708 4. .2039:399 4592:2 /.8588 . 70708 47/3.3..4394 .79.28.3 8588   ..79.3 50309..3.35./03.3-07..7. 3.4394 2.-09/.:503. 2.50:-..7.9.7/03.7.8870708307 . : .989080...8.7.3707084899.8 8.3 8588   .:94470.3 401803 /090723..79.37070849 .-40831.43942094/07070880/07..38588 :39:: . /.:94470.033  ...3 8588  .. 2..3 70708 30. .-0 907.. 203: .3.. 8588  .7. 4.8 559  ..8:8 .-0-.3 .-0 3907.381472../. 203./  ./.50309.8  .:1/.7.8 . : .7.4394 .9.7.3 2.8870708 /.7.9.3.7. : 70708  ...38 .8 .7.. 8588  .  .8870708 /.-0 .08 .302:95078588 .7070830780/07.38588:39:70708 30.3.3./.7.7: ..08 .547.3.7.7..7.7.2 -/...3 203:3.370708 .8 708/:.7. ..7. 203: 9 /.7./.3 8588  .3 89.3 .. 203390757089.3 470.5039:3..3:9/03.88  .:4018038470. /03.8989.3470. 203:-.3 70708 80/07.-0  .7.7.887070830780/07.43940907480/./.203:3. 3472. .3 8588  .7.4394/.7.:7 5./.5 .507:2:8.8588 . /03.7.7..3 5./.7.3 70708  .3.3 /090723.-0  .7.2034..9 .7.. 0.. /.. 2034507.8 2.7.. : 90 8588   .9..4394/.-0907.8/..7.7: : 70708 307  ..3.503:3.3.7 .7 0. /. 2034.. .9.7.3.7 80/07.  .7...8.887070880/07.7. 2039:3 70708 80/07.3.88 70708 30.7..  .91 9/...8/03.. 203:-.2 -039: 5078.3 .8.70 /03.8 /03.3 2094/0 70708 30.3. 203:-.3 080....9  .7 2034. .7.7.324/05078.7. 079 .. : ..4394 ..38588 .7.7 80/07. 8588 .8 /.4394 203.-0 -0-./.5.08 .8/.7.3  .7/03.9. 2034507..203.7.250309.7-07. 0 4.4394 . 70708  .8 89.9.7.7.3.9...7/03...792.8 /./.7..4394 .88 70708  .:.8. .7.3 503/0.  .4394:73.3.-0  5..792..5 . : 70708 ..3/.5079:3. 70708 7:2:8 ..503:3./:89203924/0 ..7-07.8.2034.9:../:892039 24/0 /03..  .9 .3 8588 .:307 907.4394 .  ..3..8:8 549088 503. ...7 .8.8 ..8 831. :401803707085.38588 .30.8:28 .7.4394.9/.4394.. 2094/0 97223 /.8 /.3/.3 .2..7.3/:. 503/0.3 9/. 8588  .7. 47/3.7.3 . 9039.2034507.2. 70708 5.370708-07...7.-0-0-.3/.2 . 5.30507.4394/.2039:3831.370708 489.20339075709.3.3/.88 70708/.. .. 8588  /03.3/..2 8588  .7.8758 .2 70708 30.8 /03. 86:.3.4394 5024/0.4394 .. ./.

3.34.4394 5079:3.7.8.37070884330.8870708 . :-:3.385479.43945079:3.4394503:3.7.:7 ..9 ./.2.3 8..3 80/07./:892039 5.9 .3.78588 .03/03 /.-0 /0503/03  ..3.3..3. 24/0  .50309.3 /:. 203:3.3707083079039.3 24/0 .397.-0 3/0.3. :39: 025.79.792.4394503:3..3  .88.4394 50309.9:7...7.-0/.3/..43945079:3.3 70708 307 -07.250309.

5/1.

-0907.780/07. /03.3...8  ..3.3 8588  . 04342097.3 -44  .3/..3.70708307 .7. 30. /:.3 7 /.78.989 848.3/.8 .2503:.9:7.3/. 025.4394 84.9.3 7070830.4394 84.-04/./03.7..3 8588   : /:7-3 .3.9. 70708 30.  .78 70708 80/07.1 70708 307 30.  1:38 3..3 .  /0138707085.3202.792.7 80/07.3/.439484.4394 8758 .70.130. 5079.-0   .989 503//...9843:39:203/0908.8986:.: : .-0 .-0 9:3.7:  . 89.5 .8 /.5 9/. /0138 .43948758203:3. 503//.0 06:.439484. ./.7.3/.3 70708 89.39..  .  /8.3 24/0 503.3.3.3/.4394 5079:3.7  .3.. . 1:38 . 70708 30.3.3 080.4394 : 3079..79.8 /03.3 .9 /0138 : 70708 489 -07.9.439484.7 -07.439484. /03.:70708703/.7. 70708 3078588 1:38:.50309.3  /. 39075709.-0-0-.8 /. /.370708907. 70708 307 80/07.  0.4394 70708 30.780/07.7 708/:.3/.3.3 .3.  ..989848.350309./..3 203.38588  7.91  ..4394 84./.8 70708 489  .8 /03.7.-0  ..3 203.8/.2:9430. : .-0 . . 70708 -07.83. 203:3..3:39::70708 /4.8/.78 70708 /03..8 5.0/09.8 /. ..7.4394 84.989.7. 909.88 89.8/.3 470.4394 84.4394 70708 .3 . .4394 8758 /03.. 401803 /090723.4394 84.3/.280 9089 .989 /013870708307203:7:9904789.3 70708-07.-0 -0-.3 70708 /03.-0 3/0503/03  .3 24/0 70708 47/3. 70708 2:9507  .3/.9.2.2.8470.9.37:2:8 70708 30.88 70708 8858 /4.43945079:3. .7.30 2:9507  .4394 84.3 -07.  /0138 . /03. .79.3 /03.3.4394 70708 30..8 89.708 48 2.3 ..7-07.3.9:907.0/ /110703.3 8.3 : 70708  .989 70708 2:9 30.439484.43945079.8 8588 04342097.3  .38588 ../.9.38588 .3:9 70708  .3/.033 .08 .3.248  1:38 708/:.3.7 . . 203.4394 84.3  1:38 3.-0 .3.7/03.5. .0 .9.7.7.4394 84.439484.3.8989  04342097. .1 5078.439484../.  5078.5078.2.1 5078. /0138.4394:470.3 9039.8  1:38 3.-0  -.  .3 8.:94470. 4592:2 70708  7.7-07.3 /0138.8 : -   1 70708 1789/110703..8 /.439484..943 /03.3..-03907./03.-0 .7/0/ .2-.3 080.3.7 -07.8080.3 70708 8079...9843  7.39047-.3/./. /./9.4394 .9. 4 440 7.3. 89.4394 9.4394 84. .91  .3 70708  .  .70708.8 .3 /03.3 .7843/-/./03.3.-0 .8203:3.88 70708 -07.9.-0.7.4394 70708 30.. 503079.7..88 470...2.7.7.5/1 . 2.... 84. 0907480/.7 -07.92080708 9.9: 907.34084307/:2270708489 .2.3.3  .8870708307 1:38:2:9430. 89.-0 50309.3/.989.37:2:899:3 .3 8588  7.1 3.7 -07.:94470.. 708/:. /01389047-.3 7:2:8 70708  .3 203:3..9.7.89370708307 1:38.88 70708 307 2:950  . : 7070830.3  /01384.3 /:. .850.  . 24/07070830.3 203:3.88 470. 147.7.7.-0708/:.7 50309.439470708 /.989  1:38 8.4394 : .   907.3 89.7.8 : 3472.7.9 .389. ..8 /:.7.3 2094/0 47/3./.3  1:38 .38.79.-0 -0-.8 1:38:70708 1:38 : 9 9:3 /.3/.439489. 5.85. 50309. 04342097.70708307-07.088.3/.  . .4394 84.3.4394 7:2:8 50309.. 079  .7 -07.3 ..088.4394 : /:7-3 .43948758/03..4394 84.3 5:3.5..5   /0138  7:2:870708 30.9.309 70708 307  /.4394 8758 .7:2:87070830.3  1:38 .4394 70708 401803 30.43948758 ./.3:084307 .989 503//.439484.4394 8758 .8.2 70708 /0138 . 89.3/.3.8989.3 -07.:94470.8870708 470.88 ..:7  .4394 84..3.9  . 70708 30.4394 84. 70708 /03.7  .7.3.:3 .  0307.9.3 7:2:8 70708 -07.3.8 .3 8588  7.4394 .9 570/947  .

9.  3907..059 30. 3907805   .792.989 2:9430.3.3  .91  3907805 30.9.8  8.8 : 0907480/..-0 :-:3.3470. 30.37:2:85078.3/../:.  390757089.8 /..: 5.2 48  39075709.3. 9/. 70708 470.3401803/090723.7/.8989. 401803 .033 5./.3 :7.2.79.8 4389.3 8588  4389.8 : 9 /03.3. : 70708  0907480/.8 70708 -0793. 249..989 /. .3.059 30.7.8 89.2.7 -07.7.32094/0972235/1 :73.3  .3/. .8:70708 30.8:28 .793.3.079 8  39075709..-0 -073. 401803707083.3 70708 307 -07.8  :73.:90 . -073.8 70708 -07. 70708 30. :39:  ..2 70708  03.-0 -0-..39.8  002.3  0:3.70708 30. 09039:.7./:.79.3 ..9.88 70708  0.9.7 .9.7.5.8 .-0 /0503/03 /.3 :73.. 3472.9.8 /1107039 4. 203:3...8/.7./.059 .8989.503/0.  39075709.7.8  39075709./..7.:30. .3.80  :73.37070880/07.72.3. 70708 9.8.30.0/7070848939075709.99:3.75.2./.39.8 559  0907480/.0307.3-07.3.8 307 80/07.3 70708 -07.8401803/090723..989.3...8 /090723.2 04342097. 5074/0  9.8 4 /. 54891 ..70 39075709.3 70708 5.8..3:3472.006:.3   :73. 30.:./.. .3  0:3.0:7.3 8588  39075709.8 . 203:3.9  .3/..3/.:7/03.3 70708 -07.91 .88 70708 -07.0  .5.7 70708 -07.9170708 4018034389.3 .88 /....0//110703.70708 . 70708 .3 .2.8  39075709.8 5078.7:83472.943/03.39.3.7.3 7:2:8 70708 307 /.0/0.91  ..9. 079  39075709..:94470.88.7./.3 .709/.. 89.8..70. 50309.38  39075709.3 : 9 70708 307 489  :73.7 -07.08  :73..7..91 /.  .9.2.3/.3 0.32.  70708  3907. -073. 2.3/.3 42480/.8.9:7...8 24/0 70708 8.91  .-0 3/0503/03  :73.  :73.7  :73.7  39075709.8 .8 2:9430.8 401803 5078.87070850780588. 2094/0 1789 /110703.8 .39.38 9 9:3  39075709.85. 5.8.  0.-0 -0-.3  .-0907. 831.3 :-:3./.7..88 30. 70708 /:.39.8/.8986:..7.7. 70708 /03.8 .:1 03.:9/. 30..  . 3.3/..840180370708/.8  39075709.3..2.5.-0/.9  0. 2. :/:8758.91  39075709. 079  39075709.  3/0503/03  35:9 :39: 70708 30.7 80/07. 401803 470.3 24/0 70708 /03.5.8 ...7.3. 54891 /.8989.7 .3.9.3: 3079.7070830789.89.3 70708 -073.3 70708 307  39075709./.7.7  2:  3. /:..8/03.  39075709.8 5078.8 .. 570/8 /03.5:3.3 /.8.88 70708 307 -07.989.8 /.30. .7: :2.370708 30.78 70708 /:3.7.-0  5.831.78588  39075709.708 48  .3.2 50309... .  39075709. 30. 2.99/.3 24/0 70708  .3/..7.:3  0:3.8:28 ...8 786:.8989.3 43805..793.8 /..-0 /:22 70708  3907805 /.5.9.3 /:22  :73./.32094/047/3.3 .2 0/:5.8 /.91 .8 5078.8.8/-.3/./.91  . 30.8 /03.3 30.3 002./. -  39075709.5.3 3.7.8 7:2:8 30.3.:7 .9 :3.35. /.3/3.8 907. 1.. : 307 /.3 :73.8 401803 3907./.831.39.82.8 :73.38588 /0391. 2../.3401803/090723. 70708 80/07. 503.7:8 9722 5.-0 3907..309 03..3 3907805 0- /8..5./:890//090723.8 04342 /.3/.3/. . /03.8986:.  3907805 30.91 40180370708.3 04342097  39075709.7: 507-0/.-0-0-..91831.3.2 70708 ..88 .250309. -  39075709.8 .3 2:950 70708 307  :73..059 70708 -07.3 /. 50309.7070830.91  3907..3 503.3 203:3.9.059 30.8.8 50-0/.8 831. .. :73.:7  03.8:8 470.91 .3472.0307.902.7.7908:8 8588  .:94470.  3907805 5.3203:3.  /. .0 .

23:85.88 70708 .370708.39..3 70708 307 /.3/.5078.91 70708 30.989. /.3/.  :7.:  .30.39.270708 4389.8 8588  49./.91  4389.  .3 70708 2.: 3907805 .37070839075709.  .2.915.3. 4389.3. 30.3 70708 -073.2 5078../. 70708 307 -073./.3/.8.7 -07.39..3/. 5078.39.39. 30.23:85.5078.39.3. 4389.370708-07.83.2.3/0503/03 43805549088 470. .2..8 .. 30.3.2 89. 70708 30.9./.  4389.  4389. /..  470.91  438:9.. 4389. : .91  4389.793.39.39. .:  470.7 80/07..8  4389. 70708 -07.2..39./. 30.

8989.3 89.. /.3.3.2 70708 307  2.3. 30. 24/0 70708 307 8588 7 .3203:3..3.9.8:89. 70708 /.8.95.3. /.3. .401803/090723.3 -07..3.91 5.38588 202-. 2.9 70708 307 5..3 8588  2..3./..2 30.8 /.3/.3.3  2.7 5078.3 84.3.:780/07. 0907480/.8.8:/3. /03.-024/07.8 /03..915.3 70708 307 -07..9..  203.3470..3 8588  4.3. 202.7.7. 24/0 70708 .3..: .989 - .8.70 93  202507-. 5078.792.3 8588  202-.9../.4389.3.3/. 0. ..2 503//. -073.3/03.8/03.08  202-. /4. 1..:7.3 . ..3.3.3..3.2 8588  . 70708 307 80/07.3/.9:7.8.3/.8/0.:70708307 -07...88 4 30.3 8588  202-:.. 831.8 5079:3.. 503:.  2.7070830.35078.. 70708 307 80/07.8  203.5.3.79.8.8 70708 /03.8 5.-0 .7 80/07.3503//.870  202-.74889.4:95:9401803/090723.3.8 /. 3. .8 831..8:28 . .3/.3 9/.79 .-0 .2 : 30.2 :-:3.9:30.88 7070885882. 9::.3./..79.3.7 / 8588  .2 202-:.1 99 54943 .3.79.8870708 /03.8 2:9430.7 4397-:8  907.73....7 /. /. .4. 8588  202507-.31.:94470.  .289.8:28 ..401803 5.3./..5...8870708 .94/0 .38588 . 503:. .970708/.9...989 70708 30.2 8588  202-.3./.3 70708 30.78.3..9 503.7 70708  203.-0 /.3..7.3..3. 5747.8.. 920 80708 0 /.  .3 8588   .3 70708 24/07. .8  202-..5..943. 2039:30907480/.5078.3..73.4:95:9.8.54891/.38588 203.3. .2.380-. .7 : 70708 89.27070854342.2.8989.8758 2. .3/./.7  .:8588 .7.8 2..39.38588 .3/3..7870708/03.8  202507-./.88 7070830720.7 80/07.547.3. .9203:3.-0 .. . 4389.8 -8.0 ..989  2.3. .30 .1 30.3. . -  203039:. 70708  2.  2.3 8588  .3/. /03.:.8/../. 30.3 .915.3   202-:.. 5747.9 .7 /.85. 401803 /090723...3/.5/03.  2.3.3./..  203039:. 8588  203..80  2. 0. 2.-8588 202-.7: /.401803/090723.3/.370708-07.3.3 /03.8 .203...3 8588  2.3 /.3.88 70708 /.9..708/:.3 8588  30.8989.. /. /03..3 708/:..3..3.3.3.3 70708 30.3 7.7070849/03.88 4:95:9  .3 503::7.9.3.8 70708 80/07. .9...8 .3 3079. .8 8588 70708  202-.3.79.90/ 20./..85. ..3 8588  202-.3 84..  3079.39..79.7.9 7.3. 8588 /0.. 86:.3..7./.3 2094/0/.2425:907 . /4. .7  2.7. 50309..8:.8:. .3..7488 80. :39: ..30.8588  .5.8 70708 9/.3 30. /..8.:.3  202-:..  2.3/.3 /:.3.:.88....70708203:3.3 93  2../...:70708307-07...38588 203.8 -07.3..3.99:3 5. 70708 . /03.915.. 203:3.1 70708 /03.3 5745478 /.3.3 0.. 203039:.989 2.3./..7 80/07.7.8.7 9. 70708 80/07./8588 . .88 70708  2.3....3.4:39:203:.3.3..39075709. 18..3.90  203.3.2 8588  .8:.3 8588  203.2..3/... 5. 70708 8588  202-.2 2: 50309.3..3. 8588  202..7870708470.202./.380-0:2.:7070830. 503:. 89..3. .3.870708  20.3.3:891.7 -07/.8 .82:95070708 202-.8 50./.8 :39: 70708 -07. 39075709. / 8588  .39.3 70708 ./ 8588  .3.7-07. 3079.370708 -07.3.8 70708 831. 70708 30.3.3 /.3..7.989.8588 .3.7985.2 2094/0 2  -08.-/.:.370708 202-. 8588  203. 2.3.1..3/.2../././:890/ 7 86:.-0 24/07.. .88 .30. 55498588 202-. ... 507-.:. 202.-0 5.78588 2. 8588   .. . : .3/.8:/3.. / 8588  202-.8  203..7.:39:7070830.3  . .1 .8  2.  2.203:25:/. .3..-073.9 ../.70 5/1  2. .. 70708 307 2. 4:95:970708 307 80/07.3 : 2:943079.9 7..3 0907480/.3.9  43805 .3 70708  202-:.8:57.902.4.9 1 9.8:28 .. : .3   .8 /.3  203.033  203.3.7.3 70708  202-:.3 5079:3.. .-0 3907.8 5079:3.30.0 8588  .7708/:.8 4:95:9 : 30. .:70708 489 -07.78 70708  /.3.7 9 9:3 .2 8588  20.8 202-.7 80/07.

989 70708 30. ./.8 5078. 5/1:0-07..8 /. ..9 / : 0907480/. 70708 489  4:95:9 24/0 70708 /.5.989 .  2094/0 50309.-0 907.-0  5.3/. 70708 /.7.7 .2. 2039:350309.8  24/: 89. 70708 203.339075709.80.. . 8. 5747.91 8588  2039:3 -08.3 8.8804342/03..-0 -0-.4018037070823:8  3.9 2039:3 503.3..8 2:9  48 /03.1 /4.3 8. 70708 ..88:39:50309.3 8588  203.8 2:9430.8989.3 .2 8588  502747.05.9.91  24/: .7.3 70708  2034-.9.  24/: 2094/0 89.3 2094/0.  24/0 5078.08   9039. -8.3 30.-03907.2.7. 30.309 70708 -07.3 05:.989 2039:3 .9..989  4:907 5.7 8588  207:-.-...3 8588  50/42.1/8588 5.2 8.3.2. .3.7 50307.83. 70708 489  2094/0 50309.9 2039:3 0105.2 8588 35:9 /.7.: 401803 470./.3 :39: 2039:3 3. 5.38.3/.8 ./. .3 7..3 5033.../.-0 3907.8:28 .3 07./.9./.7/.7 -07.9.7.3.8 8588 4:95:9  2:950 307 70708 /. 5078.05.3 70708 489 03.3 5. .3 70708  5/1 5747../.8  24/: 0.90/ 70708843 . 470.79..-0  2:9430.3:39: 203::7507-.97.9. -.9.3 /3..  3472./.3 89.7 /2 8588  20339075709.3 .3 : .-0 /03.9.7.  203. . 3. /03.. :39: .8.8.202-:.5 /03.8 .8 /.370708 50/42.7.-0 /..3./.88 .  24/0 .39.3 . 2039:3 8..7: .033  24/0 70708 307 -07.7.88 27.82:943079...8 503.3  2094/...  203.83 2.-0 .30./03.5 307..99078588   5..8 8588 .3 8.8907.91 3./:890/786:.:7  .2 70708 .3/.  3.3 .9.2 89.2.0398 :39: 70708 30. 4389.3/.3  50309..39. 5. 24/07.3 8588  203.3 -08.8 5.780/07.38588 2039:33.3.9.39.7070880/07.82:9430.3.3/3.2./.7.. 079  48 70708 89.3 30...3./.3 /:. .5.. ..3.3 : 70708 30.-0 /:22  24/07.37070830.3/. -07/.70708307 2039:350309. .8 2:9430.80/07.3 307.033 2094/0...8/03..7.7. 8.2.3 70708 80/07.-:..3 : 5490883.7.9: ..08 .3.204342  50307..0.79.3.8:28 .8  503039:.8 /03. .39..9: . 203:3.780/07.3/.7.  2094/088.-0 907.  503.3.3 .37:2:8- 2094/050309.8.7.3 3.-0 /.93 70708843 ./.2 04342  50307.9 50309.79.3 70708 307 80/07.1  24/0 5078. 2:9430. - /:. .3.3/.. 23:8 5.2./.9.7: 249.4394 /.3.9.88 70708  2094/0 88.7/0/ 5.:94470..19:32. 4389.3.. 079  203390757089.8 0907480/.9  50309.3..9. -.-0 24/07.25.3. 708/:.8989.3 8588   5.793.-0 -0-..9 .8 0907480/. 9.3 70708 307 80/07.887070880/07.37070880/07.-0 3907.7 0807  502.3.7.3.8  20309..3 3907805/. 570/8 70708  8..7./..3 70708 /03.88 /.7.3.75.7.3 .3..3.3./.3 /.270708 30.8/.3 70708 -07.033  2094/0 /. 0. 079  3.370708 30.7.8 2..3 /:3.7070830780/07.3.3/:.3 203:3.   24/: 5078..93  24/0 5078. :2:2  2094/.3 202.7.5.7.79.3/.3.3 203:3.  24/: 2094/0 89.033 24/0.9./. 907.3/.9.3/.3 -0/.38588  2094/07070880/07.88 /03.0907480/.989 3.08 203. .3/:.470 949.  3.:94470.8/03.9. 5.-03907.8 /03. .3 8588  3472.7.3 8588  2030. 203:3.7.248 /03..-073.3 307 .8.3 203:3. /.902.2. :39: 5844  24/: .8.7: .9: ..5.7.. -07/.  24/07...3.79.707083..270708  203.8989.7.3  03.3 70708 /03.78. 8.5.88 70708 -07.  24/0 :-:3.3/..-0   50309.9.3 7:2:8 70708 30..3 8588  2039:324/07..9/..  .3 ..50309.3/:. 35:9 /.9. /80-:9  2094/0 24/07.989.8 /.8989.38588 5/1 5. 5.3.8.8 /03.2: 70708 203:3.8 /03.79./.3 2.3. 2094/050309.5.3..3.88 4389.3.3 :7. 30.7 -07.3472.7 .3 . : 9  3./ 5078.4011.70/. 24/004342 /03. 70708  2094/0 89. /03.3 70708 307 80/07.9 .  50309.3 8588  203.5.9.  50309. 9/.7.2 :084307  5.34018.3.-0 /03.3/3. 8.  3.2.. 708/:.38588 203.5.  50309....3503:3. 9079039:  503..39.88:39: 50309.73.8 3079.7 -07.8 470.8 4 8588  203.78..9: .7 2094/0 7.8 .. 708/:.3.3.

 /.:7 /.3.2 50309.270708307 -07.3 ...-0..3/.39.8/.37070830.947 70708 802  5078..3 .3 48 /.3 5.:73.79.8  0.3 ..7.3 : 30.33.3.3/.989848.370708307503..3.3 /./.3 /.3  5.7.9:. ..3.3..88 .3 /03.38588 5078..3 802  507-0/.3 70708 -07.7:  70708  503079.7070830780/07.3 70708 30. /03.2.3 /.98970708/03.39.7.3 8588  503:3.7.3 3..3 .. ..33907. 503079. ..3 /03.7.3.2.9  503:3../.7.3 70708 4389.350.-0907./.8  70708  .7 507-0/.88 70708 307 80/07./. 503.  503079..88 .8 5078.39.:94470.3 04342097.3.7./. /.7/0/ ...8 8588   5079:3.-0 24/07.3..88 70708 307 80/07.3 .2.9/03.:7  507-0/.3 .370708489/.3.401.3 70708 307 80/07.3 ... 5...9.3/03.3 8073 /5.3 3472.8588 503.3 70708 489 /.  507-0/.3.3 70708 /.3 489.3/.3 70708 -07.  : .3.392080708 507-0/.39..8.7.088.37070880/07..3/.5 .3 : 3079.3  /.8:28  503079.3 70708 30..3/.  5078./.  70708 307  -07./.7.8  5079:3.7.0  70708 -07.3 5078. 5039:3.7.3.2 50309.5/.3 802  507-0/. 4:9 5:9 8588  503079.2.3/.8989.3/.3.3.7./03.3 .7:907.947 5079:3.3.3 .3 .3.3707085.88 70708 /03.91  503079. .370708489.35.3.:94407.3 70708  909.3/.8  503079.3/..3.3 70708 307 -07.:7  802  70708  507-0/.70708. 503079.7 /.3.3.3 203:3.39.7.039 5.3 .8 /.88 470.3 24/07. 30.93 .3 8.2 203039:..3..8  ...3 .:. 907/.-0 24/07.3 5078.2.-0 -0-.3 70708 307 80/07.2..8  503079.38.2 39075709.7/:.3.:7 /.:7 /.7/0/ .3 2:950 70708  507-0/.3 .  503.3.370708 -07. 5079:3..8:28 ..3 /.885. ..8907.3.370708/03.9.8  5078. 70708 5.78.5 9/.-024/07..8 70708 307 80/07./.-0 708/:.91  503079..2.7.3/.4011..  507-0/.3802 5078.3.3.2.3.370708307:3472.-0 3/0503/03/.3707880/07.989 .248 /03. /03.2.2.9/..88 70708 -07./03. 503079.8  507-0/.3 401803 ..-0/0503/03 5039:3.3 70708 -07...3 3907.:3  5078.3 70708 307 80/07..8/./../03..88 .9:.3 349./.3/.7:  503079. /03.3 70708307-07.3 .3.3  503079.3 .0398 30...9.8 4:95:9 8588  503079.:7 /.88 ..79.-08588 503:.9.2.3 /.3 70708-07.7.3 89..3 .7.8.3.8 /03.3 3907805 /.3 89. 709:73 .:7 :39: 49  5078..  5.:94470.. 507-0/.3/.3-0/.  5078..8 503.:.7843 507-0/.3 70708 507-0/.3 ./.3 897:9:7.7070830.3. 708/:.2.3..7:/.389.  503079.7.8 /. 5030.7 -07.. 8588  5039:3.7:8 /.3.-0 50309.7.-0/:22/03.-024/07.3/..8/03.35.  507-0/... 920 80708   9. /.3 .:.5 -0-.88470.330.033 5078.3.79 5..4011.  5039:3.43943. /03. 802 ..:2:25..3 /.7. .3/.8 1.9 ...3 70708  507-0/..3/.780/07.2.9.88 470.3 70708 307 -07.7:8/.3 89.059 /.3.3 7070830.370708 80/07. 507: /: .3 5078.8 1.947 70708 802 507-0/.470.3 5.033  507: . 707088  503:3.7..7/.8  507...-0  5078.3 70708 -07.3 : 3472.3 70708 307 -07.3  503079.7.2./.3 -07.9 079  503.8:28 .2 ...3  5079:3.3 .039 .887070830.7: .3.88 .8758 5034.989:39:. 5.3 9047 -. 507-0/.4011.989  503079.  503079. 920 80708  503079.7.3/.33.7..-0.37070830.248  5078.7 89.3/.7 . /.7.88 70708  470./.3470.8 /.8  .2.3 ..-0 3907.3./..3 : 0907480/.3.3 .2 89.3 70708  507-0/.2 707088  503:.3 ..3 .79.  5.79.  507-0/.55.37070880/07.3.5.70708 80/07...7. ..3/.-0 9/.370708907.38..  .  503079.3./.3    . 5078.-0 -0-.5.8 :39:7070830780/07.9.8824/0 507-0/..3.8  5078.3 470.3  .3 .-0  5078.. /.0398  503079.3.9. 0795..3/.-0 :-:3. /03././03.2.-0 909.3 503.3 5..3. 7:2:8 70708  503079..8.38588 5079:3.3/.3 897:9:7..2 70708 489  503079./.7.7.:94470.3 549088  507-.7./03.3 04342  5079:3.:7  507-0/.3. 8558   5039:3.3 /03.7 80/07..3/.88 70708  470.  5079:3.  507-0/.2..3 .3. .802 507-0/.8 8:-875 .. -0-.389.3.3 70708 489  507-0/.8  907.9: .

.93  70107038 9039.30.-0  70708 .989  70708 30.7 -07.-0 70708 503.3/.  70708 /03.3.3 7:5.8  70708 -07.3/:.3/.7 -07..7.3/.3. .:9.3/..  70708 /.4394 84.3 .7 -07.3 24/07.9.. 70708 30.7/03.3 70708. 7070830. 30.309 70708 30..3. 203:3.0789.08   570/8 5.-0  70708 .5.7488 80.-0 30.2.3.3 70708 /./.  7 9.7070880/07.3.  : 2:9430. 30.50:-.3 : .7.2 89.3.3 470.2 -/.3 470. /03..:7 707084389.-0  70708 30.32.39..9  70708 /.3/.2 8588  70708 /.91  70708 .3 :3. 8588 82:9.  .3 0.0/ /110703.. /.943 /03./.35.-03907. 1.2 89. :39:50309.8./..23:8..033 70708/03.943 /.9 . 8..8 5079.0 06:. :3:3 ..3.943 89.938588 70708/03.7..793.70-43    . 70708/:./ 509:3:502.7/5. /..3.7:  70107038 70708 24/07.  70708 -07.88 70708 40  .7.3/. .7488 80.7488 80.7 7070830. 9 9:3  7 86:.989.08  70708 -07.3.8 -0793.9.7.  7 -073.91 2.3 /03.7. . 8588  70708 -07../. 507:2:8...9.8 /.  70708 30.88/.989.7 80/07.  70708 30. /:22 .943  70708 3907805 831.8  70708 .7 -07.8 /.70 70708 .3/.:94470.3 24/07.3/. 079  70708 0307.3 425:907  70708  /0503/03  70708  ..503.-0.79..3/...7..8 8.

7. 503.7-07.  .792.7 ./.7.9.: 99 54943 /03..  7:2:8 50309.9.  8588 9.9:7.. /03.8989.3 8588 503079. 907/7 /.3 20309.8:28 ..3 0907480/.7.  7:2:8 - 70708 -07..98920309.-0 3/0503/03 /.3. 39075709.7.3.3 ./03.2.3 3.70708 30.943  70708 307 -07.-0 907.3 .7. 3.  70708 30.989 /03.7:  7:2:8 70708  7:2:8 89.3..2.3 7:2:8 30.3/.792.8 .789.70  70708 307 -07..3  .70708-07503.7.3.3 4.93  70708 307 -07.7.-0 -0-.033  70708 30.80907480/.3/. /.7:831.. /03. 203:3.:7.7.3/:.88 70708 5.3. 70708  8.3 8588 .3/.28.9.98930.7870708 7:2:8:970708.830.70708 470.3 /.:7  7:2:8 .3/.3 203:3.7:/.792.7./.989. 3.  8.3:1 7:2:8:95078. :707089..  7:2:8 70708 307 -07...7.3/.8  80-:9.9. 203.989 503//.:94470.8  8758 90.3 5078.7  8758 203:3..39.3.  7:2:8 .9  84.70708 708/:..8 8588  84.8 :9 7:2:85078.3/./.7.8:283.  .  70708 97...3.370708 7:2:8507-.3/... 7:2:8:15.3 8./.3.8 70708307.3.3 8588  84.3.70708 7:2:899:37070880/07.7 70708 307  8588 4.9:. 54891  70708 30.7.3 202  .88. .3 8588   708/:.3.3.7 .3/. 70708 307 -07.-0  7:2:8 2039:3 .7-07.78.  8.3 : 70708 -07.792.  .:.-0 24/07. /:..3/.3 .989 70708 489 .88 70708  7:2:8 203..-0  70708 307 .9.902.78.3 5./.9  8/0 9039. .3  7:2:8 70708 :39: 203::7 503.947  7:2:8 70708 489  7:2:8 70708 89.-0 -0-..35078.7/..7..3/.9.8/:7-3.7 -07. 079 5.8 /.. 7:2:8:1  7:2:8:1/. 7:2:8 : 9 70708 30...8:/3.  70708843  70708843 307 203:3.2 -039: 4.3.8 70708307:3.3 2094/0 50309.390757089.8.7.  70708 307  70708 307  .37070830.  7:2:8 ./03.7:  907.3/..3/.780/07.3 425038. 70708 30. 70708489.. /.8..2 4.-0  7:2:8 89.3 4389.3/.  8758 89..-0  7:2:8 89.79.9 :7:9. .78 307  7:2:8 2094/0 .887070830.3 -07..39.  70708 307 .792.: 503.3.7.2 70708 89.  7:2:8 24/0 70708  7:2:8 24/0 70708 30.8 8588:9:.7.381472.3/.2.7 -07.35.250309.8401803 -07. /03.7 -08.3 .3/.3..-0-0-.88 .792.38758 7:2:889.8 8588  831.  7:2:8 2..3 0.-0 9:3.82:9430.7 80/07..8870708307 ..3/.3/..3:9 7:2:8:130.9: . /.3.8 84.3 :39: 8.3.989.8989.3.  70708 307 80/07.-0 24/07.3 70708 -07.7. 8588   70708 80/07.8 /..3.8 2:943079.989 848.38 70708 -07..8/.7.3 2094/0 : 2:943079.3.7:1 7:2:85078.7.. /03....3:1 70708307:.8  70708 307 -07..9. :3:3.9: .5 5034-.88 /090723....9./.7 50:9:. 00  7:2:8 203.3 80391  84.38588 84. 5.3/.2 70708 307  7:2:8 4. 70708 80/07.7  7:2:8 :39: 20309.7908:8  8588 30. 8588   70708 307 401803 /090723. 708/:.9.3/.-0  7:2:8 70708 30.88 802  7:2:8 202-:.7 80/07.38588 84:8.3  70708 307 50:9:. 70708 307 -07.7  8758 89..3 203:3.-0 3907.  8758 . 4389.9  70708 507.-0 -0-.5.:503.3 /:3.  70708 80/07. .9 70708307.3.7.7.9:.3.3/3..7 -07.3 /.70708 . 2.  7:2:8 503.-0 /0503/03  70708 80/07. 3.3/. .989 :39: 503//.370708307 7:2:870708. 7:2:8:9/.3.3/.989 .73.7 7:2:889.8.7: 8.9:  8.320203: 8.8 /.3/.3./090723.79..88 70708  8073  807.8  7:2:8 24/0 : 89. 5./.3.7488 80.8943 7:2:8:5.8 /03. .0 84:9438  831..3/. 70708  80-:9.8588..  7070830780/07.2.88 70708 307 80/07..9:7.7070830780/07./.  70708 307 -07.  70708 343 30. 00  7:2:8 4.8 84.8588 84. 7:2:8: 307 7:2:8: 3079.8.3 :39: .3 .5   7:2:8 203039:.3.2././03.8 70708 30.989489 7:2:889./.8 /090723.989.3/. 3. /:3.9:7..70708 7:2:8:08078588 7070880/07.3 .. - 0  70708 8588  70708 89.3 3:2-07 -07/. 7:2:8.0789.39.3 70708 307 80/07.7  70708 48 :7./9.8  8588:3472.  84:8 24/05078. : 70708  8758 /03.3 .7.2.  .989 /03.  70708 708/:.3 ./:890/ 7 86:.370708 24/0470.3 /.-0 /0503/039 .3 8:2-:  5..3.

9:7.  : 7:38 9089  3. 70708 30.8:28 ..70708-07.  99  94947.9 0907480/.-0.2 70708 30..8 8588  : 5.35..9.7.8 .70807/03. :3472.9.88588 .3:17070830.38588 :0.78 70708  .3 80-0:2 70708 /03.3/.7.-0-0-. 0. .9:.8 /.8/38588   : 30.5 4 3.7.70708/03./.85.3.3 ...-0 -0-.3/.91  9::.8.-07. :.  : 700708 307 80/07..989 70708 30.7-07.5.3.9 203:3.8:39:9:3.88. 93.-0/03.87070830780/07.3.-0 3/0503/03/.3/.7.8989.3.7.9  .83..3/. :39: .8 /.9.7./.3/.9047  89. .7:9/.370708  : 89. 3.7  .:94470.  97.  : 9 :39: 401803 70708  :39: 20..3/.5.85.3 203:3.-0 .35...07 39039438  907/.9.  : .5078.:94470.3 :39: 202-.  9 9:3 -073. /03.7 .989 080.38424474.38. /..9.792.3.8:283. :8 .8 70708 .8989.2 .7070830. 3472.3.8 /:7-3 .78.3 50309..8 8588  97. 203.381472.  9.5.3 203:3.3/..7 80/07.8588 .8.:7  : . .203:7.9.38588 : 70708 307 9.3/.7 080.8 70708 -07.8588 :70708/03. 5/1 :3472.88 .  9:947.8.7: /.3/.8 2:9430. 503:3. 5..3 0.  9..:0- .30.3/.2 70708  : 1 /.8/03.947  9:947.3 70708 30.7  : 90 /03.3..7..8:28.0.8/03.-024/07.88 70708 30.7.3..8  : 3079.9 70708 489 8588  8..8:28 .7.-03907.8 7.5078..2 0907480/.70708/.-0  2.9.3. .989:39:20.3 /.9.3: 424039. 503:3. 9::.7.:.85.08 70708 -07.3 8588  : 9 /.7.8  0907480/. 8588  : 831.320..91  : 3472.-0 -0-.3 8.9843 8588  : 30.8  9.3..2.3 503:3.3 8588   470.3.3.7.3/... 470..3.3 : 1 /03.3 8588  : 24/0 70708 307  : 3472.  9047 9:734.385889505/1  9:947.38503.9.8:39:7070880/07.2 8588  9:947.3 27. 958.79.9 .8989.8 04342097.-0 .3.3.3.8 8588 /..7.8:28.79..7.8588 9:947.9.383.3: 3079.2 8588 9:947.9./. 904770708 -07.8 84:8  93.8 /:7-3 .  : 3472.08 :.3/:3... : 0907480/. /..9 70708 47/3. 2:950 70708843  903 903 04342097.-0  /.79.79.-0 -0-.3 203..033 :70708307-07./03.8870708 .8  97..-0 907.8 /.3 :39:  : 9 5.989.2 203.3.3/.88 70708 307 80/07.8 -. 559  : 3472.989848.-0/:22 :.9:7.3 .3.:7 802  9047 .8  907.989 9 .5..:94470.9 831./.7 /03.3 70708  89.3870708.  : 3472.91  9.9:.2 70708 -07.3 70708 4.   831.8 :39: 27.8 .8:28 .2.88079 :..98980/07.8989.5 .:.3.7.7 :0907480/.3.97070830.. /:3. 89.3  :7:9..3.831.2.9 503. 8588 .7.7.88 .3 8:.-0 .7.7 .0  89.3 907.3 ...-0 .82:9.381472.3/.-00/.. 30. ..7.78.7..3.8870708307-07..3/.8:28.3/..8 9.:.38.9831.8 89.8 70708 80/07.507:/.3  89.381472..-0/03.989.401803/090723.8 /03.:75.7 80/07.033 : 57.9.9.7.7.9.8588:70708.947 :831. 708/:.9.9895.9   : 70708 -07.87070849 :.5/1 :.3 802 :9/.3 ..8 70708 30.-0/:22  : .780/07./.-8.9 90472.370708 9::.89/.8:28 .7.9.3 8588  9.8:28 .390239 :.3 8588 :39: 50309.7:.8 70708 -07. 8.3 :39:  : 9 /.3 8588 :39: : 3472.370708  89.:..3848.8  : 3472.7.  9.280 /03.9.3-073.9.38:0-/.9 20.7.8 /.3 8588   9:947..3/.8   8.78 70708  9:947 2039:3 05:.3 /.88 /.7 70708 . 8588   : 70708 -07..-03907.8 70708 -07..9.7 4244741 /03.9. 3..8588 :940180370708 :924/0 :92:9.. /:3..7-07.9:.7.-0/0503/03 89..3.0907480/.7.8989.3/.3:989..3 8588  : ..3.3.8..3 70708 307  8.3.8.3:70708-07.87070880/07..381472.8 203:3. /:.  : 3472. :.8 30.. .79.8989.. /03.3 2039:3 : 3472. /. 30.9.9831..  : 70708 9:3.7.3 8588  : .7/.7..88 70708 .7:8 /.5.3 50309.  : 1 /.-5.08  : 503.324/08588 :30.3.989 7:2:8 7070830.3 .5.9.3..9843  : 3079.3 24/07. 20397.9:7.8 .9:3/0503/039..8:28.8 : .9./.3 : 70708  903 .970708307  8.7.

033 .25.3 . 5.7..7.-0 3907.-0 3907.3.8:/ 4389.3 /2.3. : 1  .033 .-024/07.3 9 9:3  .8  ...8 .3.3.-020/.7.-0 24/07./.7..7...7.3 /2.88 .887070830780/07..270708307  2094/0.-0 24/07.7.033/.93 .-0 249. ..8 /.8588     ..7.7:8 /503:/..-03907.9.8:/ /03..39./0503/03 .3.93/.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->