Overgeneralitas

Overgeneralitas atau Overgeneralisasi adalah salah satu bentuk cacat berpikir yang mencoba untuk membuat simpulan berdasarkan data-data parsial.[1] Overgeneralisasi pada umumnya terbentuk dari penalaran induktif.[2] Penalaran induktif biasanya didefinisikan sebagai penalaran yang mana premis-premis khusus dikumpulkan untuk menghasilkan kesimpulan yang umum. Generalisasi biasanya oleh para ilmuwan logika dimasukkan ke dalam kategori penalaran induktif sehingga sifat kesimpulan dari generalisasi adalah kemungkinan, bukan kepastian yang sebagaimana pada penalaran deduktif.[3]

Tinjauan logika

Perbedaan kunci antara generalisasi biasa dengan overgeneralisasi adalah ketepatan dari data-data yang digunakan dalam generalisasi. Di dalam generalisasi, terdapat dua jenis generalisasi berdasarkan ketepatannya, yaitu generalisasi sempurna, yang mana data-data atau fenomena yang dijadikan sebagai dasar kesimpulan diselidiki, dan juga generalisasi tidak sempurna yang mana terdapat sejumlah fenomena yang menjadi dasar kesimpulan tidak diselidiki lebih lanjut.[4] Generalisasi tidak sempurna masih berpotensi mencapai kebenaran apabila memenuhi persyaratan berikut:

  1. Data itu harus memadai jumlahnya. Semakin banyak data yang didapat atau dikumpulkan, semakin besar peluang kesimpulan yang dibuat menjadi sah.
  2. Data tersebut setidaknya harus merepresentasikan keseluruhan. Dari data yang sama itu akan dihasilkan simpulan yang mencapai kebenaran.[5]

Overgeneralisasi tercipta akibat dari generalisasi tidak sempurna yang tidak memenuhi syarat untuk disahkan secara logis.[6] Hal tersebut dikarenakan kurangnya jumlah data yang dijadikan dasar kesimpulan atau data-data yang dikumpulkan tidak mewakili keseluruhan sehingga menimbulkan kesan untuk memukul rata data yang ada.[7][8][6] Overgeneralisasi digambarkan secara logika sebagai berikut:

Proporsi sampel X memiliki atribut Y. Oleh karena itu, proporsi X dari populasi memiliki atribut Y.

Generalisasi seperti itu berangkat dari premis tentang sampel (seringkali tidak representatif atau bias), menuju kesimpulan tentang populasi itu sendiri.[9] Contoh yang lebih konkrit mengenai overgeneralisasi dapat digambarkan sebagai berikut:

Premis 1: Supir angkot A selalu bergerak cepat karena ingin mendapatkan setoran uang lebih

Premis 2: Supir angkot B juga selalu ugal-ugalan karena ingin mendapatkan setoran uang

Premis 3: Supir angkot C juga melakukan hal yang sama

Kesimpulan: Seluruh supir angkot selalu mementingkan setoran daripada keselamatan penumpang

Kesimpulan dari contoh tersebut adalah sebuah contoh overgeneralisasi, sebab dalam kesimpulan tersebut, seseorang hanya menyimpulkan semua sifat supir angkot berdasarkan hanya data dari tiga orang yang dia temui dan tanpa mempertimbangkan supir angkot lainnya yang mungkin berjumlah ratusan atau ribuan yang luput dari penyelidikannya.[4]

Jenis

Generalisasi yang tergesa-gesa

Generalisasi tergesa-gesa merupakan kesesatan informal dari overgeneralisasi, karena melibatkan pencapaian generalisasi induktif berdasarkan bukti yang tidak mencukupi[9]. Generalisasi tergesa-gesa pada dasarnya membuat kesimpulan yang terburu-buru tanpa mempertimbangkan semua variabel atau bukti yang cukup. Dalam statistik, mungkin melibatkan mendasarkan kesimpulan yang luas mengenai survei statistik dari kelompok sampel kecil yang gagal untuk cukup mewakili seluruh populasi.[8][10][11] Kekeliruan kebalikannya disebut induksi malas, yang disebabkan karena menyangkal kesimpulan yang masuk akal dari argumen induktif (misalnya ungkapan "itu hanya kebetulan"). Overgeneralisasi seringkali merujuk dianggap identik dengan generaliasai yang tergesa-gesa.

Pengecualian yang luar biasa

Pengecualian yang luar biasa adalah generalisasi yang sebenarnya akurat, tetapi dilengkapi dengan satu atau lebih kualifikasi yang menghilangkan begitu banyak kasus sehingga apa yang tersisa dari generalisasi tersebut jauh lebih tidak meyakinkan daripada pernyataan awal yang mungkin membuat orang percaya.[12]

Contoh dari pengecualian yang luar biasa dapat digambarkan sebagai berikut:

"Kebijakan luar negeri kita selalu membantu negara lain, kecuali tentu saja bertentangan dengan Kepentingan Nasional kita..."

Implikasi yang salah dari pernyataan tersebut adalah bahwa kebijakan luar negeri mereka selalu membantu negara lain.

Bias sampel

Bias sampel adalah bias di mana sampel dikumpulkan sedemikian rupa sehingga beberapa anggota populasi yang dituju memiliki kemungkinan pengambilan sampel yang lebih rendah atau lebih tinggi daripada yang lain.[13]

Salah satu kasus yang terkenal dari bias sampel adalah pada Pemilihan Presiden AS tahun 1948. Pada malam pemilihan saat itu, Chicago Tribune mencetak tajuk DEWEY DEFEATS TRUMAN (Dewey Mengalahkan Truman), yang ternyata keliru. Di pagi hari presiden terpilih yang menyeringai, Harry S. Truman, difoto memegang koran dengan judul ini. Alasan Tribune keliru adalah karena editor mereka memercayai hasil survei telepon. Penelitian survei saat itu masih dalam tahap awal, dan beberapa akademisi menyadari bahwa sampel pengguna telepon tidak mewakili populasi umum. Telepon belum tersebar luas, dan mereka yang memilikinya cenderung termasuk ke dalam orang makmur dan memiliki alamat yang stabil. Selain itu, jajak pendapat Gallup yang menjadi dasar berita utama Tribune berumur lebih dari dua minggu pada saat pencetakan.[14]

Kekeliruan komposisi

Kekeliruan komposisi adalah kekeliruan informal yang muncul ketika seseorang menyimpulkan bahwa sesuatu itu benar untuk keseluruhan hanya berdasarkan fakta bahwa itu benar untuk beberapa bagian dari keseluruhan. Kekeliruan ini terkait dengan kesalahan generalisasi tergesa-gesa, di mana kesimpulan yang tidak beralasan dibuat dari pernyataan tentang sampel ke pernyataan tentang populasi dari mana sampel itu diambil.[15]


Contoh pernyataan yang mengandung kekeliruan komposisi seperti berikut ini:

"Karena setiap bagian dari mesin tertentu berbobot ringan, maka mesin secara keseluruhan ringan."[15]

"Jika seorang pelari berlari lebih cepat, dia bisa memenangkan perlombaan. Karena itu, jika semua pelari berlari lebih cepat, mereka semua bisa memenangkan perlombaan."

"Beberapa orang bisa menjadi jutawan dengan konsep bisnis yang tepat. Oleh karena itu, jika setiap orang memiliki konsep bisnis yang tepat, setiap orang akan menjadi jutawan."

Pemanggilan kebetulan

Pemanggilan kebetulan atau juga dikenal sebagai Induksi malas adalah kekeliruan di mana argumen induktif yang memiliki kesimpulan yang tepat ditolak, meskipun ada bukti kuat untuk kesimpulan tersebut. Contoh sebuah induksi kemalasan adalah semisal, orang ceroboh yang telah mengalami dua belas kecelakaan dalam enam bulan terakhir dan sangat jelas bahwa itu karena kelalaian atau kecerobohannya, namun terus bersikeras bahwa itu hanya kebetulan dan bukan kesalahannya.[16] Bentuk logisnya adalah: bukti menunjukkan A menghasilkan Z, namun orang tersebut bersikeras bahwa Z disebabkan oleh sesuatu yang lain dan itu bukan A.

Referensi

  1. ^ Eddward S. Kennedy (23 April 2015). "Memaafkan Para Lebay Antirokok". Mojok.co. Diarsipkan dari versi asli tanggal 2022-03-12. Diakses tanggal 10 Desember 2021. 
  2. ^ Ramdhani, Sendi (2018-12-30). "Kemampuan Generalisasi Mahasiswa pada Perkuliahan Kapita Selekta Matematika SMA". Jurnal Analisa. 4 (2): 83–89. doi:10.15575/ja.v4i2.3926. ISSN 2549-5143. 
  3. ^ Copi, I.M.; Cohen,, C.; Flage, D.E. (2006). Essentials of Logic. Pearson Education: Upper Saddle River. hlm. Cetakan ini tidak menunjukkan halaman. ISBN 978-0-13-238034-8. 
  4. ^ a b Rakhmat, Muhammad (2013). Pengantar Logika Dasar (PDF). LoGoz Publishing. hlm. 112. 
  5. ^ Weruin, Urbanus Ura (2017). "Logika, Penalaran, dan Argumentasi Hukum". Universitas Tarumanegara: 384. 
  6. ^ a b "Fallacies | Internet Encyclopedia of Philosophy" (dalam bahasa Inggris). Diakses tanggal 2021-12-19. 
  7. ^ Hidayat, Ainur Rahman (2018). Filsafat Berpikir: Teknik-teknik Berpikir Logis Kontra Kesesatan Berpikir. Pamekasan: Duta Media Publishing. hlm. 144. 
  8. ^ a b "Hasty Generalization". www.logicallyfallacious.com (dalam bahasa Inggris). Diakses tanggal 2021-12-19. 
  9. ^ a b "Logical Fallacies: Examples of Hasty Generalizations". ThoughtCo (dalam bahasa Inggris). Diakses tanggal 2021-12-19. 
  10. ^ "Fallacy: Hasty Generalization". web.archive.org. 2008-12-17. Archived from the original on 2008-12-17. Diakses tanggal 2021-12-19. 
  11. ^ "Fallacy". www.ditext.com. Diakses tanggal 2021-12-19. 
  12. ^ David Hackett Fischer (1970). Historians Fallacies Toward A Logic Of Historical Thought. New York: HarperCollins. hlm. 69. ISBN 978-0-06-131545-9. 
  13. ^ "Sampling Bias -- Medical Definition". web.archive.org. 2016-03-10. Archived from the original on 2016-03-10. Diakses tanggal 2021-12-19. 
  14. ^ "No. 1199: Gallup Poll". uh.edu. Diakses tanggal 2021-12-19. 
  15. ^ a b Finocchiaro, Maurice A. (2015-06-01). "The fallacy of composition: Guiding concepts, historical cases, and research problems". Journal of Applied Logic (dalam bahasa Inggris). 13 (2, Part B): 24–43. doi:10.1016/j.jal.2015.01.003. ISSN 1570-8683. 
  16. ^ Barker, Stephen F. (2002). The Elements of Logic (dalam bahasa Inggris). McGraw-Hill. hlm. 187. ISBN 0-07-283235-5.