You are on page 1of 14

CRITICAL BOOK REVIEW

STATISTIKA EKONOMI
Dosen pengampu : Khairunnisa Harahap, SE., M.Si

Kelompok 3 :

1. Agnes Sinaga (7223220019)

2. Laila Tusifa (7223520024)

3. Yola Frencika Sitorus (7223220023)

FAKULTAS EKONOMI
UNIVERSITAS NEGERI MEDAN
2022
KATA PENGANTAR

Puji dan syukur kami ucapkan kehadirat Tuhan yang Maha Esa atas rahmat dan
karunia-Nya kami dapat menyelesaikan tugas Critical Book Review (CBR) ini tepat pada
waktunya. Adapun tujuan tugas CBR ini adalah untuk memenuhi tugas mata kuliah
Matematika Ekonomi. Selain itu, agar pembaca dapat mengetahui kelebihan dan kelemahan
buku yang akan dikritik.

Kami mengucapkan terima kasih kepada Bapak Randeska Manullang, SE., M.Si yang
telah memberikan tugas ini sehingga dapat menambah pengetahuan dan wawasan kami dalam
mengkritik buku. Kami juga mengucapkan terima kasih kepada semua pihak yang telah
membantu dalam penyelesaian tugas ini.

Kami menyadari bahwa dalam pembuatan Critical Book Review (CBR) ini masih
jauh dari kata sempurna. Oleh karena itu, Kami mengharapkan kritik dan saran yang
membangun kesempurnaan CBR ini ke depannya.

Medan, 11 Mei 2023

Kelompok 3

1
DAFTAR ISI
Kata Pengantar............................................................................................................ 1

Daftar Isi....................................................................................................................... 2

BAB 1 Pendahuluan.................................................................................................... 3

1.1 Latar Belakang....................................................................................... 3

1.2 Tujuan penulisan.................................................................................... 3

1.3 Manfaat penulisan................................................................................... 3

BAB 2 Pembahasan..................................................................................................... 4

2.1 Identitas buku......................................................................................... 4

2.2 Ringkasan buku...................................................................................... 4

BAB 3 Kelebihan kekurangan..................................................................................... 11

3.1 Kelebihan...................................................................................................... 11

3.2 Kekurangan................................................................................................... 11

BAB 4 Penutup............................................................................................................. 12

4.1 Kesimpulan............................................................................................. 12

4.2 Saran....................................................................................................... 12

Daftar Pustaka.............................................................................................................. 13

2
BAB I

PENDAHULUAN

1.1 Latar belakang

Keterampilan membuat CBR pada penulis dapat menguji kemampuan dalam meringkas
dan menganalisis sebuah buku serta membandingkan buku yang dianalisis dengan buku yang
lain, mengenal dan memberi nilai serta mengkritik sebuah karya tulis yang dianalisis. Sering
kali kita kebingungan memilih buku referensi untuk kita baca dan pahami. Terkadang kita
memilih satu buku, namun kurang memuaskan hati kita.

Misalnya dari segi analisis bahasa dan materi apa aja yang ingin di berikan kepada
pembaca. Oleh karena itu, penulis membuat Critical Book Report ini untuk mempermudah
pembaca dalam memilih buku referensi, terkhusus pada pokok bahasa tentang Pengantar
Manajemen.

1.2 Tujuan penulisan

Critical book report bertujuan untuk mengkritik atau membandingkan sebuah buku
dengan buku yang lain atau mengulas sebuah buku mulai dari ringkasan buku,Pembahasan
terhadap isi buku, keterkaitan antar bab dan sub bab nya, serta Kelebihan dan kekurangan
yang terdapat didalam sebuah buku.

1.3 Manfaat penulisan

» Dapat menambah cawasan cukup luas tentang pengantar akuntansi


» Dengan membuat CBR penulis dapat berpikir lebih kiritis dalam memahami isi
» terhadap buku yang direview
» Mempermudah bagi pembaca untuk mengetahui inti dari suatu buku dengan adanya
» ringkasan Buku, pembahasan isi buku, kelebihan dan kekurangan dari buku tersebut
» Mempermudah pembaca untuk dapat menilai suatu buku cocok untuk bahan ajar atau
» tidak.

3
BAB II

PEMBAHASAAN

2.1 Identitas buku

Judul buku : Applied Statistics: Theory and Problem Solutions with R


Edisi : Edisi pertama
Bahasa : Inggris

Penulis : Dieter Rasch, Rob Verdooren, Jürgen Pilz

Penerbit : Wiley

Tahun terbit : 14 Agustus 2019

Jumlah halaman : 502 hlm

A SIN : B07WH33M8L

ISBN : 1119551528

2.2 Ringkasan buku

Bab 3 Menguji Hipotesis – Masalah Satu dan Dua Sampel

Uji statistik adalah prosedur yang memungkinkan keputusan untuk menerima atau
menolak hipotesis tentang parameter yang tidak diketahui terjadi dalam distribusi variabel
acak. Hipotesis pertama (atau utama) adalah hipotesis nol H0, yang lainnya adalah hipotesis
alternatif HA. Hipotesis H0 benar, jika HA salah, dan sebaliknya. Hipotesis bisa komposit
atau sederhana. Hipotesis sederhana menentukan nilai parameter secara unik, misalnya
hipotesis H0 : = sederhana. Hipotesis gabungan mengakui bahwa parameter 0 dapat memiliki
beberapa nilai.

MASALAH SATU SAMPEL


Tes pada Harapan

Kami tahu hipotesis sederhana dan gabungan Dalam hipotesis sederhana nilai = ditetapkan
pada bilangan real Hipotesis nol 0. sederhana dapat berupa H0 : = hipotesis sederhana.
0.Padapasangan H0 : = 0; HA : =

Tentukan P-kuantil Z(P) dari distribusi normal baku. Larutan Gunakan perintah-R >
qnorm(P)

 Contoh :

Tentukan 0,95-kuantil Z(0,95) dari distribusi normal baku > qnorm(0,95) [1] 1,644854

Pembulatan Z(0,95) = 1,645.

Dalam pengujian hipotesis kita sering menggunakan = 0,01, 0,05, atau 0,10. Kuantil
yang sesuai untuk pengujian alternatif satu sisi dan dua sisi. Sebuah tes tampaknya lebih baik,
semakin kecil risiko jenis pertama. Mempertimbangkan penyelidikan praktis, risiko jenis
pertama = 0,05 tampaknya hanya dapat diterima dalam banyak kasus. Pengguna mungkin
bertanya mengapa tes tidak dirancang sedemikian rupa sehingga memiliki nilai yang sangat
kecil, katakanlah = 0,000 01. Semakin kecil semakin besar probabilitas untuk membuat
kesalahan lagi. Yakni, jika menghitung estimasi dari realisasi sampel, maka menerima
hipotesis nol, meskipun nilai ini juga mungkin terjadi jika hipotesis alternatif benar dan,
akibatnya, hipotesis nol salah. Jelas bahwa hanya dapat dikurangi untuk pengujian tertentu
dan ukuran sampel tetap jika sebaliknya diterima lebih besar. Oleh karena itu, tidak dapat
membuat risiko jenis pertama dan kedua secara bersamaan menjadi kecil untuk ukuran
sampel tetap n.

5
Sebenarnya, setiap perbedaan parameter di bawah hipotesis nol ( 0) di satu sisi dan di
bawah hipotesis alternatif ( 1) di sisi lain dapat menjadi signifikan segera setelah ukuran
sampel cukup besar. Oleh karena itu, hasil yang signifikan saja belum berarti. Itu tidak
menyatakan apa-apa, karena perbedaannya juga bisa sangat kecil, misalnya | - 0| = 0,000 01.

Untuk menghitung ukuran sampel yang diperlukan, pertama-tama mencari semua


fungsi pangkat yang terkait dengan semua kemungkinan ukuran sampel,yang hipotesis nol.
Sekarang mencari titik perbedaan minimum. Kemudian memilih di bawah semua fungsi
pangkat yang memiliki probabilitas 1ÿ pada titik ini, yaitu probabilitas penolakan yang
dibenarkan dari hipotesis nol; karenanya, pada titik ini kemungkinan penerimaan yang tidak
dapat dibenarkan, yaitu membuat kesalahan jenis kedua, adalah . Terakhir,harus memilih
ukuran n yang sesuai dengan fungsi daya ini.

Untuk soal tes dua sisi, titik ÿ dan + harus diperbaiki. penyimpangan yang lebih besar
dari yang diabaikan dengan probabilitas yang lebih rendah dari yang dipilih.

 Contoh :

Persyaratan presisi ditentukan oleh = 0.6 ; = 0,01 dan = 0,1.

Untuk alternatif (a)

>size.t.test(type="one.sample",power=0.9,delta=0.6,sd=1, sig.level=0.01,alternatif =
"satu.sisi") [1] 39

Untuk alternatif (b)

>size.t.test(type="one.sample",power=0.9,delta=0.6,sd=1, sig.level=0.01,alternatif =
"dua.sisi") 1] 45

Kita membutuhkan sampel berukuran n = 39 pada kasus alternatif satu sisi dan sampel
berukuran n = 45 pada kasus alternatif dua sisi.Ketika kita memiliki distribusi diskrit,
mungkin saja tidak ada tes dalam pengertian di atas sehingga suatu yang diberikan dapat
dicapai. Kemudian definisikan secara lebih umum uji statistik melalui fungsi kritis k(Y)
berdasarkan fungsi kemungkinan L(Y, ) dengan sampel acak Y = (y1, ... , yn) T.

realisasi Y = (y1, ... , yn)

fungsi k(Y) adalah probabilitas untuk menolak hipotesis nol.

6
Bahwa tes semacam itu adalah tes yang paling kuat secara seragam, pada prinsipnya,
pernyataan lemma Neyman–Pearsonformulasi persisnya ada dalam teorema 3.1 dari Rasch
dan Schott (2018). Untuk masalah yang lebih umum dan hipotesis gabungan, dua konstanta
c1 dan c2 dapat diperlukan. Uji demikian disebut uji acak karena selain menerima H0 (k(Y) =
0) dan menolak H0

(k(Y) = 1) kita memiliki pilihan ketiga: menerima H0 dengan probabilitas (Y). Artinya
setelah melakukan observasi diperlukan keputusan acak jika fungsi likelihood dengan kedua
parameter memenuhi L(Y, A) = c L(Y, 0). Hal ini dapat dilakukan dengan membangkitkan
variabel acak berdistribusi seragam pada (0,1) dan menolak H0 jika nilainya di bawah (Y).
Eksperimen pasti tidak menyukai pendekatan seperti itu tetapi untungnya untuk variabel acak
kontinu situasi ini tidak dapat terjadi karena P{L(Y, A) = c L(Y, 0)} = 0. Bertentangan
dengan Rasch dan Schott (2018) fungsi distribusi dari variabel acak Y didefinisikan sebagai
F(y)=P (Y ÿy) dan juga digunakan dalam R.

UJI MEDIAN

Kadang-kadang median populasi m harus lebih disukai daripada ekspektasi variabel


random y. Untuk setiap distribusi probabilitas y pada garis nyata R1 dengan fungsi distribusi
F(y), terlepas dari apakah itu distribusi kontinu atau diskrit, mediannya adalah bilangan real
m yang memenuhi ketidaksetaraan.

P(y ÿ m) ÿ 0,5 dan P(y ÿ m) ÿ 0,5.

Jika m unik, median populasi adalah titik di mana fungsi distribusi sama dengan 0,5.

Lebih baik menggunakan median daripada ekspektasi jika kita mengharapkan outlier
yang serius atau jika distribusinya sangat miring, sehingga dalam sampel median mencirikan
data lebih baik daripada rata-rata. Tes pada median populasi disebut tes non-parametrik atau
tes bebas distribusi. Ini adalah tes tanpa asumsi khusus tentang distribusi. Perlu dicatat bahwa
pendekatan semacam itu secara intrinsik tidak dibenarkan oleh dugaan penyimpangan dari
distribusi normal karakter yang bersangkutan. Khususnya seperti yang ditunjukkan oleh
Rasch dan Guiard (2004) bahwa semua pengujian yang didasarkan pada distribusi- t luar
biasa kuat terhadap pelanggaran dari distribusi normal. Artinya, bahkan jika variabel acak
normal bukanlah model yang baik untuk karakter yang diberikan, risiko tipe I benar-benar
berlaku hampir akurat. Oleh karena itu, jika hasil uji statistik, pada beberapa kesempatan,
signifikan, kita dapat yakin bahwa keputusan yang salah tentang penolakan hipotesis nol
tidak memiliki risiko yang lebih besar daripada dalam kasus distribusi normal. Kami
menjelaskan tes peringkat bertanda Wilcoxon berguna untuk distribusi berkelanjutan.

7
PERBANDINGAN BERPASANGAN

Jika mengukur dua sifat x dan y dari beberapa individu, dapat mengatakan bahwa kita
memiliki masalah dua sampel. Namun, dari sudut pandang matematis dapat mengatakan
bahwa dua pengukuran adalah realisasi dari variabel acak dua dimensi (xy ) dan dari alam
semesta yang sesuai satu sampel diambil dengan pengukuran (xi yi ) i = 1,..., n. kemudian
berbicara tentang pengamatan berpasangan atau kembar statistik. Alih-alih mendiskusikan
pertanyaan apakah xi dan yi memiliki distribusi yang sama, dapat menanyakan apakah
ekspektasi di = xi ÿ yi adalah nol. Masalahnya direduksi menjadi yang dibahas di Bagian
3.2.1 dan tidak boleh didiskusikan lagi.

UJI BERURUTAN

Teknik pengujian sekuensial menawarkan keuntungan bahwa, mengingat banyak


studi, rata-rata lebih sedikit unit penelitian yang perlu diambil sampelnya dibandingkan
dengan pendekatan 'klasik' pengujian hipotesis dengan ukuran sampel tetap sebelumnya.

Namun demikian, juga membutuhkan persyaratan presisi ,dan terlebih lagi tes
sekuensial tidak dapat diterapkan tanpa ini, yang berarti bahwa tidak dapat memulai
pengamatan tanpa memperbaiki . Sampai saat ini diberikan sampel dengan ukuran tetap n;
Stein (1945) mengusulkan sebuah metode untuk mewujudkan percobaan dua tahap. Pada
tahap pertama sampel berukuran 22 n0 >1 ditarik untuk memperkirakan sampel ini dan
menghitung sampel ukuran n dari metode menggunakan (3.7). Pada tahap kedua nÿtidak ada
pengukuran lebih lanjut yang dilakukan. Mengikuti metode asli Stein pada tahap kedua,
setidaknya diperlukan satu pengukuran lebih lanjut dari sudut pandang teoretis. Pada bagian
ini menyederhanakan metode ini dengan memasukkan syarat bahwa tidak ada pengukuran
lebih lanjut yang harus dilakukan untuk n ÿ no ÿ0.

Namun demikian, ini menghasilkan -tes kekuatan yang dapat diterima. Karena kedua
bagian percobaan dilakukan satu demi satu, percobaan semacam itu disebut berurutan.
Kadang-kadang bahkan dapat dipertahankan untuk melakukan semua pengukuran langkah
demi langkah, di mana setiap pengukuran diikuti dengan menghitung statistik uji baru.
Pengujian sekuensial semacam ini dapat digunakan jika pengamatan variabel acak dalam
suatu percobaan berlangsung secara berurutan dalam waktu. Contoh umum adalah rangkaian
percobaan tunggal di laboratorium, diagnostik psikologis dalam sesi tunggal, perawatan
medis pasien di rumah sakit, konsultasi klien dari institusi tertentu, dan beberapa prosedur
kontrol kualitas statistik, di mana pendekatan sekuensial digunakan pertama kali (Dodge dan
Romig 1929). Ide dasarnya adalah memanfaatkan pengamatan yang telah dilakukan sebelum
pengamatan berikutnya dilakukan.

8
Buku teks Wald (1947) yang hingga saat ini tak tertandingi telah dicetak ulang dan
karena itu tersedia secara umum (Wald 2004), dan hasil baru dapat ditemukan dalam buku
Ghosh dan Sen (1991) dan DeGroot (2005). Kami tidak merekomendasikan penerapan teori
umum ini, tetapi merekomendasikan rencana tertutup, yang berakhir setelah sejumlah
langkah terbatas dengan kepastian (dan tidak hanya dengan probabilitas 1). pertama-tama
memberikan definisi umum yang berguna di bagian lain yang terlepas dari masalah satu
sampel.

Dalam aplikasi, persamaan sering digunakan untuk menghitung kira-kira batas A dan
B. Uji semacam itu disebut uji aproksimasi.

Ini mengikuti dari teori bahwa SLRT hampir tidak dapat direkomendasikan, karena
mereka berakhir dengan asumsi tertentu hanya dengan probabilitas 1. Di sisi lain, sejauh ini
mereka adalah tes paling kuat untuk kekuatan tertentu sebagai ekspektasi ukuran sampel rata-
rata. nomor sampel (ASN) – untuk pengujian semacam itu minimal dan lebih kecil dari
ukuran untuk pengujian yang ukurannya tetap. Karena tidak diketahui ukuran sampel
maksimal mana yang diakhiri dengan pasti, SLRT termasuk dalam kelas uji sekuensial
terbuka. Sebagai perbandingan ada juga tes sekuensial tertutup, yaitu tes dengan ukuran
sampel maksimal yang aman, tetapi keunggulan ini dimenangkan oleh ASN yang sedikit
lebih besar. Akan berkonsentrasi pada tes segitiga berurutan tertutup

MASALAH DUA SAMPEL

Independen berarti setiap hasil dalam satu sampel, sebagai peristiwa tertentu, akan
diamati secara independen dari semua hasil dalam sampel lainnya. Setelah hasil dari karakter
tertentu diberikan, perkiraan (poin) dihitung secara terpisah untuk setiap sampel. Namun
disini kita membahas masalah apakah kedua sampel tersebut benar-benar berasal dari dua
populasi yang berbeda. Pertama tama akan mempertimbangkan kembali parameternya; yaitu,
dua sarana dari dua popu hubungan yang mendasari kedua sampel. Merencanakan studi untuk
uji Welch dilakukan dengan cara yang agak mirip dengan uji dua sampel. Akan tetapi,
muncul masalah dalam banyak kasus tidak diketahui apakah dua varian dalam populasi yang
relevan itu sama atau tidak, dan jika tidak, sejauh mana mereka tidak sama. Jika seseorang
mengetahui hal ini, maka dimungkinkan untuk menghitung ukuran sampel yang diperlukan
dengan tepat. Dalam kasus lain, seseorang dapat menggunakan ukuran terbesar yang sesuai,
yang dihasilkan dari varian yang sama, maksimum yang diharapkan secara realistis.

Tes Jumlah Peringkat Wilcoxon

Wilcoxon (1945) mengusulkan untuk ukuran sampel yang sama, dan kemudian Mann
dan Whitney (1947) memperluas untuk ukuran sampel yang tidak sama, tes bebas distribusi
dua sampel berdasarkan peringkat pengamatan. Uji ini tidak didasarkan pada asumsi normal,
dalam bentuk eksaknya hanya diasumsikan dua distribusi kontinu dengan semua momen
yang ada; kami menyebutnya uji Wilcoxon.

9
Seperti yang terlihat dari judul Mann dan Whitney (1947), tes ini menguji apakah
salah satu variabel acak yang mendasari secara stokastik lebih besar dari yang lain. Ini dapat
digunakan untuk menguji kesetaraan median dengan asumsi tambahan: jika distribusi
kontinunya simetris, mediannya sama dengan ekspektasi. Hipotesis nol yang diuji dengan uji
Wilcoxon berkorespondensi dengan hipotesis persamaan median m1 dan m2, H0 : m1 = m2 =
m jika dan hanya jika semua momen lebih tinggi dari kedua populasi ada dan sama. Jika
tidak, penolakan terhadap hipotesis Wilcoxon tidak banyak menjelaskan tentang penolakan
H0 : m1 = m2 = m.

Pengujian Dua-Sampel Berurutan

Teknik pengujian berurutan menawarkan keuntungan bahwa, mengingat banyak


penelitian, rata-rata lebih sedikit unit penelitian yang perlu diambil sampelnya dibandingkan
dengan pendekatan 'klasik' pengujian hipotesis dengan ukuran sampel yang telah ditetapkan
sebelumnya. Namun demikian, juga memerlukan persyaratan presisi , dan Dalam,kasus du.a
sampel dari dua populasi dan menguji hipotesis nol H0: 1 , uji segitiga berurutan lebih
disukai. Satu-satunya perbedaan adalah bahwa menggunakan =0ÿ( ÿ 2) = untuk relevanÿ

(perbedaan minimum).

Uji Dua Median

Untuk menguji H0 apakah dua populasi memiliki median yang sama, terhadap
hipotesis alternatif HA bahwa mediannya berbeda, sampel acak dengan ukuran ni (i = 1,2)
diambil dari setiap populasi. Ketahuilah bahwa skala pengukuran kontinu setidaknya ordinal,
atau istilah median tidak ada artinya. Tabel kontingensi 2 × 2 dibuat, dengan baris '>median'
dan 'ÿmedian' dan kolom untuk sampel i = 1, 2 dari dua populasi. Dua entri pada kolom ke-i
adalah jumlah pengamatan pada sampel ke-i, yang berada di atas dan di bawah gabungan
grand median sampel Mÿ ; ini adalah median dari gabungan semua pengamatan. Tes median
memiliki tiga sifat menarik dari sudut pandang praktis. Pertama-tama ia peka terutama
terhadap perbedaan lokasi antara sel-sel dan bukan terhadap bentuk distribusi sel. Jadi, jika
pengamatan beberapa sel terdistribusi secara simetris sementara di sel lain mereka miring
secara positif, uji peringkat akan cenderung menolak hipotesis nol meskipun semua median
populasi sama. Tes median tidak akan banyak terpengaruh oleh perbedaan bentuk distribusi
sel tersebut. Kedua, perhitungan yang terkait dengan uji median cukup sederhana dan uji itu
sendiri tidak lebih dari uji tabel kontingensi yang sudah dikenal. Ketiga, ketika kita
mempertimbangkan eksperimen yang lebih kompleks, akan ditemukan bahwa uji median
tidak banyak dipengaruhi oleh ukuran sel yang berbeda. Bradley (1968) memberikan alasan
dan contoh berikut untuk uji median Westenberg–Mood (Westenberg 1948; Mood 1950,
1954).

10
BAB III

KELEBIHAN DAN KEKURANGAN

3.1 Kelebihan

1. Isi dari buku cukup luas dan lengkap

2. Cara penulisannya cukup rapi,baik dari segi ukuran huruf maupun tanda baca dalam isi
buku tersebut.

3. Menerapkan contoh soal dan pembahasan sebagai acuan belajar

3.2 Kekurangan

1. Bahasa dalam buku tersebut cukup sulit untuk dipahami

2. Tidak memiliki cover buku

3. Contoh soal yang disajikan lengkap namun cukup sulit dimengerti karena penggunaan
bahasa yang kurang sederhana

11
BAB IV

PENUTUP

4.1 Kesimpulan

Statistik terapan mencakup teori dan penerapan teknik pemodelan statistik dan
matematika modern untuk masalah terapan di industri, layanan publik, perdagangan, dan
penelitian. Ini berangkat dari latar belakang teoretis yang kuat, tetapi secara praktis
berorientasi untuk mengembangkan kemampuan seseorang untuk mengatasi masalah baru
dan non-standar dengan percaya diri. Mengambil pendekatan praktis untuk statistik terapan,
panduan ramah pengguna ini mengajarkan pembaca bagaimana menggunakan metode
statistik dan desain eksperimental tanpa mendalami teori.
Menawarkan pendekatan praktis daripada teoretis untuk subjek statistik terapan
Memberikan pendekatan pra-eksperimental serta pasca-eksperimental untuk statistik terapan
Menampilkan materi yang diuji di kelas Berlaku untuk berbagai orang yang bekerja dalam
desain eksperimental dan semua ilmu empiris.

4.2 Saran

Adapun saran yang ingin kami sampaikan pada kesempatan ini adalah agar setiap
mahasiswa lebih banyak membaca buku, seperti pepatah mengatakan “membaca adalah
jembatan ilmu”. Tak lepas dari itu semua, kami sebagai pembuat CBR ini juga mengharapkan
saran-saran, kritik dan masukan dari pembaca sekalian guna membangun hasil yang jauh
lebih baik kedepannya.

12
DAFTAR PUSTAKA
Dieter Rasch Rostock, Rob Verdooren Wageningen, Jürgen Pilz Klagenfurt. 2020. Applied
Statistics Theory and Problem Solutions with R-John Wiley & Sons

13

You might also like