Penalaran Deduktif

Penalaran deduktif memakai asumsi-asumsi yang diketahui secara umum dan pasti kebenarannya untuk menyampaikan suatu kesimpulan yang khusus yang juga akan pasti kebenarannya.

Contoh:
Premis 1: Semua manusia pasti akan mati.
Premis 2: Saya seorang manusia.
Konklusi: Saya pasti akan mati.

Penalaran diatas adalah valid, tidak mungkin kedua premis adalah benar tetapi konklusi-nya salah. Validitas penalaran ini didasarkan atas proses penalarannya sendiri, bukan kebenaran dari premis ataupun kebenaran dari seluruh pernyataan.

Contoh dibawah menampilkan premis yang salah dan konklusi yang salah, tetapi penalaran yang dilakukan tetap dinyatakan valid.

Premis 1: Bila hijau adalah warna, maka rumput beracun bagi sapi.
Premis 2: Hijau adalah warna.
Konklusi: Rumput beracun bagi sapi.

Kebenaran konklusi penalaran Induktif sangat ditentukan oleh kebenaran premis-premisnya karena isi konklusi tidak lebih dari informasi yang dikandung premis. Akibatnya penalaran induktif sebenarnya sama sekali tidak menambah pengetahuan.


Ada beragam bentuk penalaran deduktif yang telah dikembangkan. Hal ini mencakup penalaran secara abstrak menggunakan simbol, operator logik, dan seperangkat aturan yang menentukan langkah yang boleh dilakukan dalam mencapai suatu kesimpulan. Termasuk diantara penalaran ini adalah yang disebut sebagai Aristotelian logic, dikenal juga sebagai logika silogistik, logika proporsional, logika predikat, dan logika modal.

Penalaran

Penalaran adalah kemampuan mental manusia untuk menarik kesimpulan dari asumsi- asumsi atau premis. Digunakan untuk menjadi penjelasan atau pembenaran atas sesuatu.

Secara tradisional, penalaran dibagi menjadi dua yaitu:

• Penalaran Induktif
• Penalaran Deduktif

Converse accident

Converse accident (disebut juga reverse accident, penyalahgunaan pengecualian, atau a dicto secundum quid ad dictum simpliciter) adalah galat dalam penalaran saat suatu pengecualian dipakai untuk sesuatu yang salah. Misal:

Karena penderita Glukoma diperbolehkan memakai ganja untuk pengobatan, maka semua orang seharusnya diperbolehkan memakai ganja.

Ada kemiripan tipe galat ini dengan tipe kesalahan Generalisasi yang terburu-buru.Galat ini memanfaatkan suatu pengecualian (dalam contoh diatas adalah penderita Glukoma) untuk dipakai dalam basis secara umum (orang keseluruhan) dalam konteks yang diperdebatkan (pemakaian ganja).

accident fallacy

Accident fallacy (disebut juga destroying the exception atau a dicto simpliciter ad dictum secundum quid) adalah kesalahan dalam penalaran Sillogisme secara Statistik dimana pengecualian atas suatu generalisasi diabaikan. Hal ini terjadi pada saat penalaran diaplikasikan pada keadaan yang tidak semestinya.

Contoh:
1. Memotong tubuh orang dengan pisau adalah tindak kejahatan
2. Pembedahan dilakukan dengan memotong tubuh orang menggunakan pisau.

maka:
Pembedahan adalah tindak kejahatan.


Kesalahan ini terjadi karena adanya pengecualian yang diabaikan. Semakin lemah suatu generalisasi biasanya semakin banyak pengecualian yang akan terjadi. Dalam hal ini, kesimpulan yang diperoleh perlu ditambahkan kata-kata yang mengandung pengertian relatif , misal beberapa, ada banyak, sebagian besar, dan semacamnya.

Contoh:
Belanda menjajah Indonesia selama 350 tahun.

Pernyataan ini bisa diartikan bahwa seluruh wilayah Indonesia telah mengalami penjajahan selama 350 tahun. Hal ini tentu tidak seluruhnya benar. Daerah seperti Aceh misalnya bahkan hanya mengalami masa penaklukan tanpa adanya perlawanan cuma beberapa tahun. Pernyataan diatas bisa diperbaiki menjadi:

Belanda menjajah sebagian wilayah Indonesia selama 350 tahun.

Sampel yang bias

Pada statistik bias pada sample menyebabkan beberapa anggota populasi akan cenderung memiliki probabilitas lebih besar diikutkan dalam penelitian dibanding anggota yang lain. Hasilnya terjadi ketidak obyektif-an dan tidak seimbangnya perwakilan populasi.

Jenis sampel yang bias

* Seleksi hanya pada area tertentu. Misal: Survey tentang penggunaan narkoba pada remaja tetapi hanya dengan sampel siswa sekolah adalah sampel yang bias karena tidak mengikutsertakan siswa putus sekolah ataupun yang ikut home schooling.

Contoh yang lain misalnya melakukan wawancara pada orang- orang yang ditemui di jalanan, maka akan bias karena kemungkinan orang yang sakit keras sehingga tidak bisa keluar rumah akan lebih kecil daripada orang yang sehat.

* Self-selection bias, yaitu partisipan sendiri yang memutuskan untuk ikut suatu survey misalnya. Contoh: pada survey presiden mana yang akan dipilih yang diadakan oleh suatu situs akan mengalami bias ini, karena orang-orang yang berpartisipasi adalah orang-orang yang memiliki opini yang condong ke salah satu calon. Orang-orang yang cenderung tidak menyukai calon yang ada cenderung akan tidak mau menyusahkan diri meluangkan waktu dan uang untuk mengikuti survey itu. Maka survey seperti ini tidak dianggap valid sebagai suatu dasar.


* Pemilihan sampel pada hal yang menguntungkan peneliti. Contoh suatu penelitian untuk membuktikan bahwa rokok tidak berbahaya bagi kesehatan. Maka diambil sampel perwakilan perokok dari fitness center yang sudah tingkat lanjutan, dan sampel yang tidak merokok dari tingkat pemula.


* Bias pengecualian akibat pengecualian beberapa grup dari sampel. Contoh sensus penduduk tahun 2010 akan mengabaikan warga negara asing yang baru saja menjadi warga negara Indonesia dan belum terdata oleh petugas. Termasuk juga warga negara Indonesia yang menjadi TKI tapi tidak diketahui kelurahan.


* Bias pengguna yang sehat, misal sampel yang diambil mayoritas adalah buruh kasar sehingga akan cenderung lebih sehat dan kuat dibanding populasi secara keseluruhan (karena orang yang sakit-sakitan dan tidak kuat mungkin tidak mampu menjadi buruh kasar).


* Overmatching, misal pengujian obat jantung yang baru pada grup survei dan grup kontrol. Karena mereka semua mengetahui diberi obat jantung, selain grup survei, grup kontrol juga cenderung lebih mengalami peningkatan kesehatan dibanding populasi umum seandainya tidak diberitahu mereka mengalami pengobatan.

Generalisasi yang terburu-buru

Kesalahan ini terjadi karena generalisasi berdasarkan bukti yang tidak mencukupi. Hal ini biasanya karena pengambilan sampel yang terlalu kecil dibandingkan ukuran populasi sebenarnya sehingga tidak bisa mewakili seluruh populasi.


Contoh:

Amir baru pertama kali berkunjung ke kota X. Ia melihat 10 orang, semuanya anak-anak. Amir kemudian kembali ke kotanya dan memberitakan bahwa kota X tidak memiliki penduduk orang dewasa.

Contoh 2:

Mahmud dan Ujang berjalan ke toko permata. Mahmud kemudian mengatakan bahwa jam tangan bertahtakan permata yang dijual di toko itu mirip sekali dengan jam tangan yang biasanya dipakai kakeknya.

Ujang bisa menyimpulkan:
Kakeknya Mahmud mencuri jam tangan di toko itu.
Kakeknya Mahmud memiliki selera tinggi dalam bidang perhiasan.
Kakeknya Mahmud tidak bisa memberi tahu waktu sekarang (karena jam tangannya di jual ke toko itu).
Kakeknya Mahmud suka pamer.

Kadang kala generalisasi yang terburu-buru juga dipakai pada bidang matematika atau prasangka rasial.

Nama lain

•  galat akibat kurang cukup statistik
•  galat akibat kurang cukup sampel
•  galat akibat fakta tunggal
•  generalisasi parsial
•  induksi terburu-buru
• hukum jumlah yang kecil (law of small numbers)
• sampel yang tidak representatif
• secundum quid
• terburu-buru mengambil kesimpulan (leaping to a conclusion)