Hasty Generalization Fallacy
Hasty
Generalization atau generalisasi tergesa-gesa adalah kekeliruan di mana
kesimpulan yang dicapai tidak dibenarkan secara logis oleh bukti yang cukup
atau tidak bias. Ini juga disebut sampel yang tidak mencukupi, generalisasi
yang salah, generalisasi yang bias, melompat ke kesimpulan, dan pengabaian
kualifikasi.
Kekeliruan
generalisasi yang tergesa-gesa kadang disebut kekeliruan generalisasi yang
berlebihan. Pada dasarnya hasty generalization itu mengklaim berdasarkan bukti yang
terlalu kecil. Anda tidak dapat membuat klaim dan mengatakan bahwa sesuatu itu
benar jika Anda hanya memiliki satu atau dua contoh sebagai bukti. Atau menarik
kesimpulan berdasarkan ukuran sampel yang kecil, daripada melihat statistik
yang jauh lebih sesuai dengan situasi yang sama.
Generalisasi
secara keseluruhan, tergesa-gesa atau tidak, sangat bermasalah. Meski begitu,
ukuran sampel yang besar tidak akan selalu membuat lolos. Sampel yang akan digeneralisasi
harus mewakili populasi secara keseluruhan, dan harus acak. Misalnya, jajak
pendapat menjelang pemilihan presiden 2016 kehilangan segmen populasi yang
akhirnya memilih Donald Trump dan dengan demikian meremehkan pendukungnya dan
potensi dampaknya terhadap pemilihan. Lembaga survei tahu perlombaan akan
dekat, namun, dengan tidak memiliki sampel yang representatif untuk
menggeneralisasi hasil, mereka salah.
Sampel
S diambil dari populasi P.
Sampel
S adalah bagian yang sangat kecil dari populasi P.
Kesimpulan
C diambil dari sampel S dan diterapkan pada populasi P.
Contoh
:
Ayah
saya merokok empat bungkus sehari sejak usia empat belas tahun dan hidup sampai
usia enam puluh sembilan tahun. Karena itu, merokok benar-benar tidak seburuk
itu bagi seseorang.
Penjelasan:
Sangat tidak masuk akal (dan berbahaya) untuk menarik kesimpulan universal
tentang risiko kesehatan dari merokok dengan studi kasus satu orang.
Jangan
mendasarkan keputusan pada ukuran sampel kecil ketika ada data yang jauh lebih
andal.
0 komentar:
Posting Komentar