ARGUMEN INDUKTIF

Makalah ini disusun untuk memenuhi tugas mata kuliah Creative and Analytical Thinking

Dosen Pengampu : Dr. Wawan Sadtyo Nugroho, S.E,. M.Si., Ak., C.A

Disusun oleh :

1. Dadang Hernowo (15.0101.0097)

2. Meira Purwati (18.0101.0009)
3. Mafida Zaenati (18.0101.0023)
4. Lilis Nur Fitria (18.0101.0041)
5. Hasan Al Mashud (18.0101.0047)
6. Rima Cindy Arofa (18.0101.0050)
7. Devi Laeli Suryaning Putri (18.0101.0059)
8. Aliyza Fatrichia Putri Rezkyani (18.0101.0062)
9. Nanda Asmawati (18.0101.0072)

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH MAGELANG
2021

1
 KATA PENGANTAR
Puji dan syukur kami panjatkan kepada Allah SWT yang telah memberikan rahmat
dan hidayah-Nya, sehingga kami dapat menyelesaikan makalah tersebut. Penyusunan
makalah ini untuk memenuhi salkah satu tugas mata kuliah Creative dan Analytical Thinking.
Kami harap makalah tersebut dapat menambah wawasan dan pengetahuan.

Menyadari banyaknya kekurangan dalam penyusunan makalah ini. Karena itu, kami
sangat mengharapkan kritikan dan saran dari para pembaca untuk melengkapi segala
kekurangan dan kesalahan dari makalah ini.

Kami juga mengucapkan terimakasih kepada pihak-pihak yang telah membantu

selama proses penyusunan makalah ini.

Magelang, 13 Desember 2021

Penyusun

2
 DAFTAR ISI

KATA PENGANTAR.........................................................................................................................2
DAFTAR ISI........................................................................................................................................3
BAB I....................................................................................................................................................4
PENDAHULUAN................................................................................................................................4
A. Latar Belakang........................................................................................................................4
B. Rumusan Masalah...................................................................................................................4
C. Tujuan......................................................................................................................................4
BAB II..................................................................................................................................................5
KAJIAN TEORI..................................................................................................................................5
TIGA JENIS ARGUMEN INDUKTIF..........................................................................................5
Berdasarkan Dari Umum Ke Khusus (Silogisme Induktif)..........................................................5
Berubah Dari yang Khusus Ke Umum (Induktif Generalisasi)...................................................5
Argumen Induktif dari Anologi......................................................................................................6
Menarik Analogi.......................................................................................................................10
VARIASI RANDOM, MARGIN KESALAHAN, DAN TINGKAT PERCAYA DIRI............11
ARGUMEN INDUKTIF SETIAP HARI.....................................................................................12
Indikator Margin Kesalahan dan Tingkat Keyakinan Informal......................................12
KESALAHAN DALAM PENALARAN INDUKTIF..................................................................13
Konversi Induktif Ilegal..........................................................................................................14
ANOLOGI : SELURUH CERITA........................................................................................15
POLIS: MASALAH DAN KESALAHAN............................................................................15
BERMAIN DENGAN ANGKA.............................................................................................17
BAB III...............................................................................................................................................20
PENUTUP..........................................................................................................................................20
Kesimpulan....................................................................................................................................20
DAFTAR PUSTAKA........................................................................................................................21

3
 BAB I

PENDAHULUAN
A. Latar Belakang
Di dunia ini diciptakan manusia dan binatang keduanya memiliki
pengetahuan. Pengetahuan ini digunakan membedakan baik dan buruk, hitam dan
putih, dll. Senantiasa pengetahuan ini dikembangkan menurut permasalahan
hudupnya. Manusi lain dengan binatang, binatang menggunakan pengatahuannya
hanya untuk bertahan hidup. Binatang dibekali pengetahuan untuk mengenali predator
yang mengintai dirinya dan mengambil Tindakan untuk melindungi diri. Akan tetapi,
pengetahuan bianatang tersebut tidak mampu mereka kembangkan. Jadi, pengetahuan
binatang hanya digunakan untuk bertahan hidup.
Ada dua penyebab manusia mampu mengembangkan pengetahuannya.
Pertama ialah karena manusia memiliki Bahasa. Bahasa ini berguna dalam melakukan
pengomunikasi informasi dan jalan pikiran yang melandasi informasi tersebut. Kedua
adalah adanya kemampuan manusia dalam berfikir berdasarkan suatu alur kerangka
berfikir tertentu. Cara berfikir inilah yang disebut dengan penalaran.

B. Rumusan Masalah
Beberapa rumusan masalah dari makalah ini sebagai berikut :
1. Apa yang dimaksud dengan silogisme induktif?
2. Apa yang dimaksud dengan genelaralisasi induktif?
3. Apa yang dimaksud dengan argumen induktif dari analogi?
4. Apa yang dimaksud dengan variasi rendom, margin kesalahan, dan tingkat
kepercayaan?
5. Apa yang dimaksud dengan argumen induktif sehari-hari?
6. Apa yang dimaksud dengan kekeliruan dalam penalaran induktif?

C. Tujuan
Tujuan dari penulisan makalah ini adalah sebagai berikut :
1. Sebagai pemenuhan tugas mata kuliah Creative dan Analytical Thinking
2. Sebagai bahan referensi mata kuliah Ctrative dan Analytical Thinking

4
 BAB II

KAJIAN TEORI

TIGA JENIS ARGUMEN INDUKTIF

Tiga jenis penalaran ynag penting dan tekait erat bahwa penalaran induktif
digunakan untuk mendukung kesimpulan dari pada untuk membuktikan atau
mendemonstrasikannya, dan bahwa argument induktif dapat digambarkan sebagai
relatif kuat atau lemah, tergantung pada seberapa besar permis mereka meningkatan
kemungkinan kesimpulan. Menggunakan istilah “kuat” dan “lemah” tidak mutlak:
satu argument untuk kesimpulan lebih kuat dari argument lain untuk kesimpulan itu
jika permisnya meningkat kemungkinan kesimpulan dengan jumlah yang lebih besar.
Ketika mengevaluasi argument induktif, berbicara tentnag informasi tamabahn
sebagai “penguatan” atau “pelemahan”argument. Sedangkan kekuatan relatif argumen
tergantung pada sebarapa besar kemungkinan premis membuat kesimpulan, yang
ditentukan oleh beberapa banyak tiket yang ada.

Berdasarkan Dari Umum Ke Khusus (Silogisme Induktif)

Kebanyakan X adalah Y.

Ini adalah X

Oleh karena itu ini adalah Y

Ini adalah rumus untuk jenis argumen yang sangat umum, yang oleh ahli
logika disebut sebagai induktif atau silogisme statistik. Dalam silogisme induktif
seringkali tidak diungkapkan dalam “bentuk baku” yang baru saja disebutkan
kemungkinan dapat dikataka secara sederhana.

Berubah Dari yang Khusus Ke Umum (Induktif Generalisasi)

Dengan mengeneralisasi dari smapel, pertama membuat pernyataan untum
tentang populasi sesuatu ketika kita belum mengamati semua anggota populasi.
Meskipun kita akan berbicara sebagian besar tentang populasi yang terdiri dari orang-
orang , apa yang kita katakana berlaku untuk generalisasi tentang segaja jenis entitas
yang dapat diidentifikasi. Untuk mewakili ini lebih skematis, karena generalisasi
induktif dapat tentang apa saja :

Presentase ini dan itu dari X yang diamati adalah Ys.

Oleh karen aitu,presentase yang sama dari semua Xs adalah Ys.

Mendefnisikan beberapa istilah yang umum digunakan X yang diamati

membentuk sampel. Ukuran sampel-jumlah benda di dalamnya biasanya di sebut
snegai n. dan semua X adalah populasi atau populasi tergat atau target populasi. Dan

5
 poperti menjadi atau memiliki X di kenal sebagai fitur.Jadi konsep pentingnya adalah
sampel, populasi (atau target atau populasi target), fitur, dan n.

Argumen Induktif dari Anologi

Analogi dapat dinilai sebagai hal yang berguna, mencerahkan, tepat, akuta,
dan lain-lain. Tentang analogy adalah bahwa analogy itu benar atau salah. Akibatnya,
analogi tidak bisa benar-benar menajdi premis argumen, karena premis harus benar
atau salah. Analogi sebearnya adalah argumen dari a mengeklaim bahwa dua hal
sama-sama memiliki karakteristik atau sifat atau fitur tertentu semuanya adalah sama.
Klaim semacam itu sebenarnya bukan analogy, tetapi setidaknya benar atau salah dan
bisa menjadi premis suatu argumen.

Secara skematis, apa yang disebut argumen dari analogi memiliki bentuk
berikut :

X dan Y keduanya memiliki sifat p, q, r (dan seterusnya). X memiliki fitur F

Oleh karena itu, Y memiliki fitur F.

Konsep pengidentifikasi kunci yang berguna dalam mengevaluasi argumen

dari analogi adalah: segi analogi, persamaan, ciri, istilah perbandingan, dan target atau
istilah sasaran.

Itu istilah analogi adalah hal-hal yang dibandingkan. Dalam hal ini, istilah
analoginya adalah Cheryl dan Denise. (Meskipun seringkali hanya ada dua istilah
dalam argumen dari analogi, bisa jadi ada lebih banyak. Mungkin ada lebih banyak
saudara perempuan, misalnya.)

Itu kesamaan adalah sifat-sifat yang dikatakan dimiliki oleh suku-suku

tersebut. (Kesamaan Cheryl dan Denise yang disebutkan di sini adalah saudara
perempuan, seumuran, bersekolah di sekolah menengah yang sama, dan menyukai
program TV yang sama.)

Itu fitur hanyalah properti lain, salah satu yang istilah perbandingan (syarat
bukan disebutkan dalam kesimpulan) memiliki dan bahwa kami memprediksi istilah
lain, istilah yang adalah disebutkan dalam kesimpulan, juga akan memiliki. Istilah
yang disebutkan dalam kesimpulan tentu saja adalahistilah sasaran. Dalam contoh ini
istilah perbandingannya adalah Cheryl, istilah targetnya adalah Denise, dan fiturnya
disukaiThe Chronicles of Narnia.

Fakta dua hal yang serupa dalam beberapa hal meningkatkan kemungkinan
bahwa mereka akan serupa dalam beberapa hal lainnya. Misalnya, fakta bahwa dua
jam tangan dibuat oleh pabrikan yang sama meningkatkan kemungkinan bahwa
keduanya memiliki kualitas yang sama. Oleh karena itu, pernyataan bahwa jam
tangan ini berkualitas tinggi didukung oleh fakta bahwa jam tangan tersebut dibuat
oleh produsen jam tangan lain yang berkualitas tinggi. Begitulah cara premis argumen
induktif dari analogi dapat mendukung—meningkatkan kemungkinan kesimpulan.

6
 Untuk sampai ke perhatian utama kami, kekuatan argumen dari analogi benar-
benar bermuara pada satu pertanyaan: Seberapa besar kesamaan yang disebutkan
meningkatkan kemungkinan salah satu istilah akan memiliki fitur jika yang lain
memilikinya. Dalam contoh, kekuatan argumen yang membandingkan Cheryl dan
Denise bergantung pada seberapa banyak kesamaan yang disebutkan antara Cheryl
dan Denise meningkatkan kemungkinan bahwa Denise akan memiliki kesukaan yang
sama dengan Cheryl.The Chronicles of Narnia.

Pertanyaan ini—Seberapa besar kesamaan yang disebutkan meningkatkan

kemungkinan bahwa istilah target memiliki fitur, mengingat istilah lain memilikinya?
—mudah ditanyakan tetapi hampir tidak mungkin dijawab dengan presisi. Tidak ada
rumus atau set perhitungan yang akan menyelesaikan atau bahkan membantu
menjawabnya. Tentu saja, secara abstrak dapat dikatakan bahwa semakin banyak
kesamaan antara Cheryl dan Denise yang disebutkan, semakin besar kemungkinan
bahwa Denise akan memiliki kesukaan yang sama dengan Cheryl. Kronik. Namun,
kesamaan yang diperhitungkan hanyalah yang terkait dengan kemungkinan bahwa
Denise akan memiliki kesukaan yang sama dengan Cheryl terhadap film tersebut.

Kesamaan yang tidak relevan seperti tingginya sama dan memakai cat kuku
yang sama tidak masalah.

Di sini, bagaimanapun, kita menemukan komplikasi: Beberapa kesamaan

meningkatkan kemungkinan kesimpulan lebih dari yang lain. Bahwa Denise dan
Cheryl bersekolah di sekolah yang sama mungkin sedikit meningkatkan kemungkinan
bahwa Denise akan memiliki kesukaan yang sama dengan Cheryl terhadap sebuah
film. Tetapi fakta bahwa kedua gadis itu menyukai program TV yang sama
meningkatkan kemungkinan itu dengan jumlah yang lebih besar.

Untuk mengilustrasikan poin ini dengan cara yang berbeda, pertimbangkan

bagaimana satu kesamaan yang sama mempengaruhi tiga kesimpulan yang berbeda.
Fakta bahwa Cheryl dan Denise adalah saudara perempuan tentu saja meningkatkan
kemungkinan bahwa Denise akan berbagi selera Cheryl dalam film. Tetapi fakta yang
sama meningkatkan lebih banyak kemungkinan bahwa Denise dan Cheryl memiliki
agama yang sama. Dan itu meningkatkan kemungkinan bahwa keduanya berbicara
bahasa yang sama dengan jumlah yang lebih besar. Evaluasi cerdas atas kesamaan
yang disebutkan dalam sebuah argumen tidak hanya menambahkannya seolah-olah
semuanya memiliki bobot yang sama. Argumen yang menyebutkan hanya satu
kesamaan akan lebih kuat daripada argumen yang menyebutkan banyak, jika satu
kesamaan itu meningkatkan kemungkinan kesimpulan dengan jumlah yang lebih
besar daripada banyak.

Seperti yang mungkin Anda harapkan dari semua ini, evaluasi argumen dari
analogi jauh dari ilmu pasti. Sebaliknya, kekuatan relatif darigeneralisasi induktif,
seperti yang kami sebutkan dan akan melihat lebih detail segera, bisa dalam beberapa
kasus diukur secara matematis. Tetapi ketika datang untuk mengukur kekuatan
argumen dari analogi, kita hampir selalu harus mengandalkan pengalaman kita
7
 tentang jenis kesamaan apa yang cenderung cocok dengan jenis kesamaan lainnya,
dan kita hanya dapat membuat perkiraan yang sangat kasar tentang kekuatan argumen
tersebut. korelasi di antara mereka.

Pengalaman memberi tahu kita, misalnya, bahwa kemungkinan dua orang

berbicara bahasa yang sama jauh lebih besar jika mereka saudara perempuan daripada
jika mereka bukan saudara perempuan tetapi menyukai film yang sama. Untuk
menghitung probabilitas dengan lebih tepat akan memerlukan mengetahui berapa
persen saudara perempuan berbicara dalam bahasa yang sama dan berapa persen
orang yang menyukai film yang sama tetapi bukan saudara perempuan berbicara
dalam bahasa yang sama. Ketepatan dalam mengevaluasi penalaran analogis
membutuhkan pengetahuan tentang pernyataan umum yang menentukan berapa
persen dari Xs adalah Ys.

Argumen dari analogi dapat dievaluasi secara tepat hanya sejauh pernyataan
umum tersebut diketahui.

Pada titik ini, kita harus mengingat perbedaan yang dibuat di awal bagian ini
dan membedakan dua pertanyaan terpisah. Yang pertama—dan pertanyaan yang lebih
sempit adalah,Seberapa kuat argumen khusus ini? Kekuatan argumen tertentu ini
ditentukan oleh seberapa banyak kesamaan disebutkan di dalamnya meningkatkan
kemungkinan Denise akan berbagi selera Cheryl untuk Kronik.Tapi ada pertanyaan
lain yang mungkin ditanyakan: Seberapa besar kemungkinan Denise akan berbagi
kesukaan Cheryl terhadap kronik, semuanya dipertimbangkan?

Mari kita lihat pertanyaan kedua sejenak: Seberapa besar kemungkinan Denise
akan menyukai Cheryl? Kronik? Mari kita buat daftar hal-hal yang terlibat dalam
jawaban:

1. Semakin banyak kesamaan terkait antara Denise dan Cheryl, semakin

besar kemungkinan Denise akan menyukainya Kronik jika Cheryl
melakukannya. Sekali lagi, kesamaan yang diperhitungkan tidak termasuk
kesamaan yang kehadirannya tidak memengaruhi kemungkinan Denise
akan berbagi pendapat dengan Cheryl tentang film tersebut. Memiliki
selera yang sama dalam program TV dan buku, misalnya, akan
diperhitungkan. Memiliki selera yang sama dalamjenis film yang sama
dengan Kronik (misalnya, fantasi romantis) akan sangat penting.
2. Semakin sedikit perbedaan terkait antara Denise dan Cheryl, semakin
tinggi kemungkinan Denise akan menyukainya Kronik jika Cheryl
melakukannya. Sekali lagi, perbedaan yang tidak terkait dengan
kemungkinan Denise akan berbagi pendapat Cheryl tentang film tidak
dihitung.
3. Semakin beragam kumpulan kesamaan terkait, semakin besar
kemungkinan Denise akan menyukai Kronik jika Cheryl melakukannya.
Kesamaan dalam spektrum yang luas dari buku, halaman Web, program
TV, film, bentuk hiburan lain, minat lain, dan sebagainya membuat
8
 Cheryl dan Denise lebih mungkin untuk setuju tentang film ini.
4. Jika ada tambahan saudara perempuan, semakin tinggi proporsi saudara
perempuan yang memiliki kesamaan terkait dan semakin rendah proporsi
saudara perempuan yang berbagi perbedaan terkait, semakin besar
kemungkinan Denise akan menyukaiKronik jika sebagian besar saudara
perempuan lainnya melakukannya. Untuk menempatkan poin sepenuhnya
secara skematis: Jika ada lebih dari satu istilah perbandingan, semakin
tinggi proporsi istilah perbandingan yang memiliki kesamaan terkait dan
semakin rendah proporsi yang berbagi perbedaan terkait, semakin besar
kemungkinan target akan memiliki fitur jika istilah perbandingan
lakukan. Wah.
Sekarang, pertanyaan umum—Seberapa besar kemungkinannya, jika
dipertimbangkan, Denise akan menyukainya Kronik jika Cheryl melakukannya?—
diselesaikan dengan mempertimbangkan empat prinsip ini; dan prinsip yang sama
berlaku untuk kasus apa pun yang kita inginkan tahu seberapa besar kemungkinannya,
segala sesuatu dipertimbangkan, bahwa sesuatu akan benar untuk X jika hal yang
sama benar untuk hal yang serupa, Y.

Namun, ketika kita mengevaluasi argumen tertentu dari analogi, kita perlu
menjawab pertanyaan yang lebih sempit—yaitu, Seberapa kuat argumen khusus ini?
Kita harus memutuskan bagaimana persamaannyadisebutkan di dalamnya
mempengaruhi probabilitas bahwa Denise akan menyukai Kronik jika Cheryl
melakukannya. Pertanyaan itu bisa jadi cukup sulit, tanpa membingungkannya dengan
pertanyaan umum yang jauh lebih kompleks.

Mari kita ambil ilustrasi lain dari perbedaan ini: “Obligasi adalah pemukul
dominan di zamannya, dan dia mungkin menggunakan steroid; jadi Clemons mungkin
mengambilnya juga, karena dia adalah pelempar dominan di zamannya.” Sayangnya,
seperti yang terjadi di sini, ketika orang mengajukan argumen berdasarkan
perbandingan, mereka sering tidak repot mengutip lebih dari satu atau dua kesamaan,
bahkan jika itu. Jadi, mudah untuk bingung tentang tugas berpikir kritis kita. Dalam
kasus di atas, satu-satunya kesamaan yang tercantum antara Bonds dan Clemons
adalah bahwa keduanya dominan di bidangnya masing-masing. Seberapa kuat
argumen ini? Dalam hal ini, jawabannya tidak terlalu sulit: Ini bukan argumen yang
sangat kuat dibandingkan dengan yang lain yang dapat dibayangkan, karena
kesamaan yang disebutkan tidak meningkatkan kemungkinan bahwa Clemons juga
mengonsumsi steroid banyak, jika pada semua.

Tapi, tentu saja, ada pertanyaan yang lebih umum: Apakah persamaan antara
kasus Bonds dan Clemons, jika dipertimbangkan, memberi kita alasan yang baik
untuk berpikir bahwa Clemons menggunakan steroid? Itu pertanyaan adalah apa-apa
tapi mudah. Untuk menjawabitu pertanyaan, kita harus mempertimbangkan tidak
hanya bahwa Bonds dan Clemons keduanya dominan di wilayah mereka, tetapi semua
persamaan dan perbedaan terkait lainnya antara kedua kasus tersebut. Kita harus
mencatat, misalnya, bahwa kedua individu mendominasi olahraga mereka pada usia

9
 ketika sebagian besar atlet kehilangan kemampuan mereka. Tapi kita juga harus
mencatat bahwa Bonds tiba-tiba menjadi jauh lebih baik dan Clemons tidak; dan
bahwa penampilan fisik Bonds berubah secara nyata dan Clemons tidak. Tugas
mengevaluasi argumen asli akan tampak jauh lebih menakutkan jika kita
mengacaukannya dengan pertanyaan yang lebih umum apakah, dilihat dari segala hal,
kasus Bonds dan Clemons cukup mirip untuk menjamin pemikiran bahwa Clemons
menggunakan steroid.

 Kesimpulannya, argumen dari analogi memiliki bentuk

 X dan Y keduanya memiliki sifat p, q, r (dan seterusnya). X memiliki
fitur F.
 Oleh karena itu, Y memiliki fitur F.
Kekuatan argumen tersebut tergantung pada seberapa banyak kesamaan yang
disebutkan dalam kesimpulan meningkatkan probabilitas bahwa Y memiliki F jika X
memiliki. Jawabannya biasanya harus diberikan dalam istilah yang sangat tidak tepat,
kecuali pernyataan umum tertentu diketahui.

Mengevaluasi kekuatan argumen tertentu tidak boleh dikacaukan dengan

mencoba memastikan seberapa besar kemungkinan, semua hal dipertimbangkan,
bahwa Y memiliki F, mengingat X juga demikian. Untuk memastikan itu, kita harus
mempertimbangkan

1. Banyaknya persamaan terkait antara X dan Y

2. Jumlah perbedaan terkait antara X dan Y
3. Keragaman kesamaan terkait
4. Jumlah entitas yang termasuk dalam istilah perbandingan

Menarik Analogi
Strategi lama untuk membantah argumen dari analogi adalah dengan
"menyerang analogi"—untuk menunjukkan bahwa item yang dibandingkan
tidak sama seperti yang dinyatakan atau tersirat. Ini bisa berarti menunjukkan
bahwa ada lebih sedikit kesamaan antara item yang dibandingkan daripada
yang diduga, atau ada lebih banyak perbedaan di antara mereka, atau
keduanya. Seringkali, ini berarti menarik perhatian pada satu perbedaan
mencolok antara istilah perbandingan yang melemahkan kekuatan argumen.
Misalnya, orang mungkin menunjukkan bahwa, meskipun Cheryl dan Denise
adalah saudara perempuan, Denise (untuk beberapa alasan) telah tinggal di
Spanyol selama empat tahun terakhir.

Menarik perhatian pada perbedaan yang tidak disebutkan antara kedua

kasus hanya menunjukkan bahwa kesimpulan mungkin tidak seperti yang
terlihat oleh argumen aslinya. Informasi baru tidak menunjukkan bahwaasli
argumen lebih lemah dari yang diperkirakan semula. Berhasil menyerang
analogi seperti berhasil menunjukkan bahwa argumen deduktif tidak masuk
akal; itu tidak seperti berhasil menunjukkan itu tidak valid.

10
 Kadang-kadang orang menyatakan bahwa ini dan itu benar untuk sesuatu
dan menarik analogi sebagai "premis"—tanpa menyebutkan kesamaan sama
sekali: “Anggaran federal seperti anggaran rumah tangga; hal-hal buruk akibat
tidak seimbangnya anggaran rumah tangga; oleh karena itu hal-hal buruk akan
terjadi karena tidak menyeimbangkan anggaran federal.” Secara skematis, ini
adalah:

 X seperti Y
 X memiliki fitur F.
 Oleh karena itu, Y memiliki fitur F.
Seperti disebutkan di awal bagian ini, bahkan tidak jelas apakah ini
sebuah argumen: Seseorang ragu-ragu untuk merujuk pada pernyataan
“Anggaran federal seperti anggaran rumah tangga” sebagai benar atau salah.
Anggaran federal lebih seperti anggaran rumah tangga daripada seperti,
katakanlah, sepatu salju. Tapi sepertinya masih kurang tepat untuk
menegaskan bahwa pernyataan itu benar atau salah. Mungkin yang terbaik
adalah memikirkan "argumen" seperti ini sebagai potongan persuasi—sebagai
analogi retoris yang dibalut dengan argumen.

Namun, ada sesuatu yang substantif di sini untuk dievaluasi, yaitu,

pertanyaan apakah, segala sesuatu dipertimbangkan, seseorang harus
berpendapat bahwa Y memiliki F, mengingat sesuatu, X, dikatakan mirip
dengan Y, memilikinya. Apakah kasusnya, semua yang dipertimbangkan,
sesuatu yang buruk akan datang dari tidak menyeimbangkan anggaran federal,
mengingat fakta bahwa sesuatu yang buruk akan datang dari tidak
menyeimbangkan anggaran rumah tangga? Di sini, akan tepat untuk
menyerang analogi hanya dengan berfokus pada satu atau dua ketidaksamaan
knock-down (seperti bahwa pemerintah federal dapat menaikkan pajak dan
mencetak uang) yang membuat perbandingan diperdebatkan. Bukan palsu,
tapi ngawur.

VARIASI RANDOM, MARGIN KESALAHAN, DAN TINGKAT PERCAYA DIRI

Konsep kunci dalam generalisasi ilmiah adalah variasi acak. Jika x persen dari
sampel acak pemilih terdaftar terdaftar sebagai Demokrat, akan x persen dari seluruh
populasi pemilih terdaftar terdaftar sebagai Demokrat? Belum tentu—karena
proporsi yang terdaftar sebagai Demokrat bervariasi secara acak dari sampel ke
sampel. Untuk memperkenalkan terminologi baru yang penting, kisaran variasi acak
dari sampel ke sampel disebut sebagai margin kesalahan.Ini dinyatakan sebagai
rentang poin persentase di mana variasi acak akan terjadi.

Katakanlah proporsi "benar" dari semua pemilih terdaftar yang terdaftar

sebagai Demokrat adalah 47 persen. Seberapa besar margin kesalahannya? Artinya,
seberapa jauh dari 47 persen proporsi yang terdaftar sebagai Demokrat dalam sampel

11
menyimpang karena keacakan? Ini dapat dihitung secara matematis dan bergantung
pada dua hal: (1) ukuran sampel, dan (2) “tingkat kepercayaan”, istilah baru lainnya.
Itutingkat kepercayaan diri hanya menyatakan probabilitas bahwa proporsi yang
ditemukan dalam sampel tertentu akan berada dalam margin kesalahan.

Untuk melihat cara kerjanya, misalkan kita mengambil banyak sampel acak
1.000 (n - 1.000) pemilih terdaftar. Proporsi pemilih terdaftar sebagai Demokrat di
setiap sampel akan bervariasi secara acak dari sampel ke sampel, dan kami ingin
mengetahui batas variasi ini. Ketika Anda melakukan perhitungan, ternyata ada
kemungkinan 95 persen bahwa variasi acak, untuk sampel ukuran ini, akan berada
dalam 3 poin persentase di kedua sisi proporsi sebenarnya (47 persen) dari pemilih
yang terdaftar sebagai Demokrat. Dengan kata lain, jikan - 1.000, maka pada tingkat
kepercayaan 95 persen, margin kesalahannya adalah -3 poin persentase, artinya,
dalam 95 persen sampel, kita akan menemukan bahwa proporsi pemilih yang terdaftar
sebagai Demokrat akan turun antara 44 persen dan 50 persen. Jika ukuran sampel (n)
lebih besar, margin kesalahan akan lebih kecil pada tingkat kepercayaan tertentu.

Kami tidak akan membahas matematika yang ada di balik perhitungan yang
baru saja kami jelaskan, tetapi mereka adalah salah satu matematika paling dasar di
bidang ini—Anda dapat mempercayainya. Mereka menjamin detail yang akan Anda
temukan di Tabel 10-1, yang harus Anda lihat sekarang. Anda akan melihat bahwa
tingkat kepercayaan untuk tabel adalah 95 persen; kami memilih level itu karena
organisasi survei dan polling profesional telah menetapkan level itu. Dalam jajak
pendapat yang dilakukan secara profesional, jika tingkat kepercayaan tidak
disebutkan, anggaplah 95 persen.

Kolom paling kiri dari tabel mewakili serangkaian peningkatan n ukuran.

Dikolom kedua, kami menemukan margin kesalahan yang sesuai dengan berbagai
ukuran sampel — margin kesalahan dinyatakan sebagai “plus atau minusx poin
persentase.” Kolom ketiga menunjukkan seluruh rentang poin persentase yang
dihasilkan oleh margin kesalahan.

Jika Anda melihat tabel, Anda akan melihat bahwa, saat ukuran sampel
meningkat, margin kesalahan berkurang. Dan Anda dapat melihat dua hal lainnya.
Pertama, perhatikan bagaimana sampel kecil memiliki margin kesalahan yang besar.
Baru-baru ini, kita membaca di sebuah majalah golf bahwa sekitar 200 pegolf telah
disurvei tentang sesuatu atau lainnya dan bahwa 55 persen telah setuju dengan
pertanyaan jajak pendapat. Apakah ini berarti bahwa lebih dari separuh pegolf
diharapkan setuju dengan pertanyaan jajak pendapat? Sama sekali tidak. Pada tingkat
kepercayaan 95 persen, sampel acak 200 (dan kami berani bertaruh sampel inibukan
acak) memiliki margin kesalahan sekitar plus atau minus 8 poin persentase, yang
berarti bahwa, pada kenyataannya, sesedikit 47 persen minoritas—mungkin setuju
dengan pertanyaan polling.

Tidak ada salahnya untuk dicatat di sini bahwa kebanyakan generalisasi

kehidupan nyata tidak didasarkan pada sampel 200 tetapi pada sampel yang sangat
12
 kecil, di mana n - 1 atau 2. Anda mungkin ingin mengingat margin kesalahan yang
besar ini saat berikutnya Anda menggeneralisasi dari sampel kecil.

ARGUMEN INDUKTIF SETIAP HARI

Sebagian besar argumen induktif yang kita hadapi dalam kehidupan sehari-hari—baik
generalisasi maupun argumen dari analogi—jelas bukan dari ragam ilmiah yang baru
saja kita bicarakan. Perbedaan yang jelas adalah bahwa argumen sehari-hari jarang
melibatkan sampel yang dipilih secara acak. Akibatnya, kita tidak dapat menghitung
probabilitas dengan ketepatan

Indikator Margin Kesalahan dan Tingkat Keyakinan Informal

Namun, konsep dan prinsip statistik yang telah kami jelaskan memiliki kesamaan
dalam kehidupan sehari- hari. Kata-kata sehari-hari yang kita gunakan untuk
mengekspresikan konsep margin kesalahan termasuk “sekitar”, “tentang”, “kira-kira”,
“kira-kira”, “kebanyakan”, “banyak”, dan lain-lain. Kami juga memiliki cara untuk
menunjukkan tingkat kepercayaan informal (berbeda dari margin kesalahan informal).
Frasa seperti “hampir pasti”, “sangat mungkin”, “kemungkinan besar”, “ada peluang
bagus”, “Anda bisa yakin”, “Saya berani bertaruh apa saja”, “Tidak banyak peluang”,
dan frasa lainnya dan teknik mengungkapkan pendapat kami tentang kemungkinan
suatu kesimpulan.

Indikator margin-error dan tingkat kepercayaan informal ini dan ekspresi lain
yang melakukan pekerjaan yang sama memungkinkan kita untuk mengekspresikan
perkiraan kita tentang kekuatan argumen—dan mengungkapkan fakta jika kita salah
menilainya. Baru-baru ini, seorang pria yang tampaknya telah menamai anjingnya
"Harley Git Over Here" berusaha meyakinkan kami bahwa anjing itu tidak
mengancam seperti yang terlihat dari taringnya. "Anjing dad-gum itu tidak akan
menggigit," katanya kepada kami. “Saya telah memelihara banyak lubang, dan trah ini
tidak menggigit.” Dalam hal ini, sifat kesimpulannya yang tidak bersyarat
menunjukkan bahwa pria itu menganggap argumennya kuat. Apakah itu?

Yah—tidak. Argumennya adalah silogisme induktif (Lubang tidak menggigit; anjing

itu lubang; karena itu tidak akan menggigit); dan premis umumnya (lubang tidak
menggigit) adalah generalisasi dari "sampel" yang terdiri dari lubang yang dibesarkan
pria itu. Bagian yang menggeneralisasi bukanlah argumen yang terlalu kuat—
sampelnya sangat kecil dan tidak mungkin memasukkan semua faktor yang dapat
memengaruhi apakah sebuah lubang akan menggigit. Kesimpulan yang lebih tepat
adalah "beberapa lubang tidak menggigit." Dan ini membawa kita pada dua kesalahan
mendasar yang dapat dilakukan seseorang dalam generalisasi induktif: generalisasi
tergesa-gesa dan generalisasi bias.

13
KESALAHAN DALAM PENALARAN INDUKTIF
Menurut tradisi, dua kesalahan dalam penalaran dan kekeliruan yang terkait
dengan generalisasi induktif disebut “generalisasi tergesa-gesa” dan “generalisasi
bias.” Generasi yang tergesa-gesa kecil. sampel kecil jika kita memiliki margin
kesalahan yang besar atau tingkat kepercayaan yang rendah. Jadi kita harus
mendefinisikan kekeliruan generalisasi tergesa-gesa sebagai melebih-lebihkan
kekuatan argumen berdasarkan sampel kecil. Melebih-lebihkan diungkapkan oleh
tingkat kepercayaan yang dinyatakan atau tersirat atau margin kesalahan. “Lubang ini
menggigit; oleh karena itu semua lubang menggigit" adalah kasus generalisasi yang
tergesa-gesa, bukan karena sampelnya kecil, tetapi karena "semua" tidak mengizinkan
margin kesalahan sama sekali. Sebaliknya, “Lubang ini menggigit; oleh karena itu
beberapa lubang menggigit” adalah bukan generalisasi tergesa-gesa; tidak apa-apa.
Kata "beberapa" mengungkapkan margin kesalahan yang sangat luas.

Sementara generalisasi berdasarkan sampel kecil memerlukan margin

kesalahan yang luas atau tingkat kepercayaan yang rendah, tidak berarti bahwa
generalisasi berdasarkan sampel besar secara otomatis baik-baik saja dengan margin
kesalahan yang sempit atau tingkat kepercayaan yang tinggi. Definisi kesalahan
generalisasi yang bias sebagai melebih-lebihkan kekuatan argumen berdasarkan
sampel bias (nonrepresentatif). Pada malam tertentu, seribu orang dapat online dan
mendaftarkan pendapat atas pertanyaan yang diajukan oleh tokoh berita CNN Lou
Dobbs. Itu adalah orang sebanyak yang kita temukan dalam sampel dalam jajak
pendapat profesional, seperti yang kita lihat. Tetapi sebagai sampel opini publik,
"sampel" Dobbs sama sekali tidak bebas dari bias bukan karena orang yang
menyatakan pendapatnya bias, jika memang demikian, tetapi karena alasan yang
dijelaskan sebelumnya (keberadaan, dalam sampel, jumlah orang yang tidak
proporsional yang memiliki karakteristik terkait dengan yang kita minati)

Nama yang paling akurat untuk kesalahan ini adalah melebih-lebihkan

kekuatan analogi. Jika pembicara berkata, “Lubang terakhir saya tidak menggigit;
yang ini mungkin juga tidak,” itu akan menjadi analogi yang sama, tetapi itu tidak
akan menjadi kekeliruan, karena dinyatakan dengan indikator kepercayaan rendah
yang tepat.

Mungkin sering kali kita pernah mendengar ungkapan analogi "lemah" (atau
"salah"). Istilah ini biasanya digunakan untuk menyatakan pendapat bahwa, dalam
segala hal, istilah analogi sangat berbeda sehingga analogi tidak dapat memenuhi
tujuan yang dimaksudkan.

Konversi Induktif Ilegal

Persentase yang sangat kecil dari anjing adalah anjing berang-berang. Apakah itu
berarti bahwa sebagian kecil dari otterhound adalah anjing? Tidak ada yang akan berpikir
begitu. Kebanyakan mahasiswa Harvard sangat cerdas. Apakah ini berarti bahwa
kebanyakan orang yang sangat cerdas adalah mahasiswa Harvard? Tentu saja tidak. Dari

14
kenyataan bahwa sebagian besar X adalah Y, tidak berarti bahwa sebagian besar Y adalah
X; dan dari fakta bahwa sedikit X adalah Y, tidak berarti bahwa sedikit Y adalah X.

Sumber kebingungan adalah bahwa, dalam logika kategoris deduktif, semua kata ini
berarti "beberapa", dan "Beberapa X adalah Ys; oleh karena itu, beberapa Y adalah
Xs”adalah argumen yang valid! Tapi seperti yang kita tahu, “Kebanyakan teroris berasal
dari Timur Tengah oleh karena itu, kebanyakan orang dari Timur Tengah adalah teroris”
adalah bukan valid (jika "sebagian besar" berarti apa artinya dalam kehidupan nyata, yaitu,
lebih dari 50 persen).

Konversi induktif ilegal lebih menggoda daripada yang kita kira. “Beberapa
Demokrat memiliki Suburbans oleh karena itu, beberapa pemilik Suburban adalah
Demokrat” mungkin terdengar baik-baik saja bagi sebagian orang. Klaim pertama tidak
diragukan lagi benar, dan klaim kedua, telah diberitahukan kepada kita, adalah benar;*
tetapi klaim kedua, meskipun benar, tidak mengikuti dari yang pertama.

Argumen sebaliknya mungkin lebih menggoda: “Beberapa pemilik Suburban adalah

Demokrat, oleh karena itu hanya sedikit Demokrat yang menjadi pemilik Suburban.”
Kedua klaim itu mungkin benar, tetapi yang kedua tidak mengikuti dari yang pertama.

Demikian pula, persentase kecelakaan lalu lintas yang relatif kecil melibatkan
pengemudi berusia tujuh puluh tahun, dan untuk sesaat mungkin berpikir itu berarti
pengemudi berusia tujuh puluh tahun adalah pengemudi yang relatif aman. Jika kita
berpikir demikian, Kita akan telah melakukan kesalahan. “Persentase kecelakaan lalu
lintas yang relatif kecil melibatkan pengemudi berusia tujuh puluh tahun; oleh karena itu
persentase yang relatif kecil dari pengemudi berusia tujuh puluh tahun yang terlibat dalam
kecelakaan lalu lintas” adalah konversi induktif yang tidak sah. Ya, persentase kecelakaan
lalu lintas yang relatif kecil melibatkan pengemudi berusia tujuh puluh tahun, tetapi itu
karena "tarif dasar" pengemudi berusia tujuh puluh tahun relatif rendah: jumlahnya lebih
sedikit di jalan. Dan persentase mereka yang terlibat dalam kecelakaan lalu lintas
sebenarnya mungkin relatif tinggi.

Contoh paling penting dari kesalahan ini yang dapat kita pikirkan adalah ketika
seseorang mengetahui bahwa dia telah dites positif untuk suatu kondisi medis. Biasanya,
ketika tes medis dikatakan sekitar 90% akurat. itu berarti 90 persen dari mereka dengan
kondisi tes positif. Itu tidak berarti bahwa 90 persen dari mereka yang dites positif
memiliki kondisi tersebut. Jika kita dinyatakan positif pada tes kanker kandung kemih
yang 90% akurat, di mana itu berarti bahwa 90% dari mereka yang memiliki tes kanker
kandung kemih positif, tidak berarti bahwa kemungkinan kita menderita kanker kandung
kemih adalah 90% . Peluang kita yang sebenarnya terkena kanker kandung kemih
bergantung pada "tingkat dasar" dari jenis kanker tersebut dan pada persentase orang yang
dites positif yang tidak memilikinya. Kita akan melihat masalah ini secara lebih rinci.

ANOLOGI : SELURUH CERITA

Seperti yang telah kita lihat, minat utama kita pada analogi adalah penggunaannya
dalam argumen analogis. Tetapi analogi juga digunakan dan juga berguna dalam

15
penjelasan, sebagai alat retorika, dan dalam kapasitas lainnya. Demikian pula asas
hukumkeputusan menatap (untuk berdiri dengan hal-hal yang diputuskan) didasarkan pada
membuat analogi antara kasus-kasus sekarang dan kasus-kasus yang telah diselesaikan di
masa lalu. Analogi juga berperan dalam penjelasan. Beberapa penjelasan akan menjadi
lebih sulit atau bahkan tidak mungkin jika kita tidak dapat menggunakan kasus-kasus
analog. Misalnya, kami menyebutkan bahwa analogi bisa sangat membantu dalam
menjelaskan rugby kepada orang yang tidak tahu apa-apa tentang permainan. Jika orang
tersebut mengetahui sesuatu tentang sepak bola Amerika, seseorang dapat memulai
dengan permainan itu dan menunjukkan perbedaan antara sepak bola dan rugby. Ini akan
menjadi penghemat waktu yang hebat, karena poin yang dimiliki oleh kedua permainan
tersebut tidak harus dicantumkan sebagai fitur rugby.

Analogi sejarah digunakan baik untuk menjelaskan maupun untuk memperdebatkan

suatu sudut pandang. Misalnya, sejarah Kekaisaran Romawi sering dibandingkan dengan
sejarah Kerajaan Inggris karena sejarawan mencari tema serupa dengan harapan dapat
menarik kesimpulan tentang cara kekaisaran bangkit dan jatuh. Akhir-akhir ini, analogi
antara konflik Vietnam dan Irak telah digunakan, terutama oleh para pendukung
antiperang, untuk mencoba menunjukkan bahwa jalannya konflik kedua akan mengikuti
yang pertama kecuali ada perubahan pendekatan yang drastis.

POLIS: MASALAH DAN KESALAHAN

Salah satu penggunaan argumen induktif yang paling sering ditemui adalah dalam
jajak pendapat, terutama jajak pendapat publik (dan terutama di tahun-tahun pemilu).
Kami menjelaskan banyak konsep yang penting dalam melakukan dan melaporkan jajak
pendapat sedikit lebih awal di bab ini, tetapi sekarang saatnya untuk melihat beberapa
masalah yang muncul dalam penggunaan argumentasi induktif yang penting ini.

Kami harus menekankan terlebih dahulu bahwa jajak pendapat yang dilakukan
dengan benar dan dilaporkan secara akurat dapat menjadi sumber informasi yang sangat
dapat diandalkan. Tetapi kami segera menambahkan bahwa banyak jajak pendapat yang
Anda dengar atau baca adalahbukan dilakukan dengan benar, dan sering kali orang yang
melaporkan hasil tidak dapat membedakan antara jajak pendapat yang baik dan yang
buruk. Kita tidak bisa masuk ke setiap kemungkinan polling bisa gagal, tapi berikut ini
kita akan memperhatikan dua yang paling umum.

Sampel yang Dipilih Sendiri

Ingatlah bahwa generalisasi dari sampel hanya sebaik keterwakilan sampel. Karena itu,
ingatlah ini:Tidak ada jajak pendapat yang harus dipercaya jika anggota sampel ada di
sana atas pilihan mereka sendiri. Ketika sebuah stasiun televisi meminta pemirsanya
untuk menelepon untuk mengungkapkan pendapat tentang beberapa subjek, hasilnya
memberi tahu kita sangat, sangat sedikit tentang apa yang dipikirkan seluruh populasi
tentang subjek itu. Ada berbagai macam perbedaan yang mungkin—memang, mungkin
—antara orang yang menelepon dan penduduk pada umumnya. Hal yang sama berlaku
untuk jajak pendapat yang dilakukan melalui tanggapan melalui pos. Salah satu jajak
pendapat paling masif yang pernah diproses—dan salah satu yang paling cacat, harus

16
kita tambahkan—dilakukan pada tahun 1993. Organisasi politik H. Ross Perot, seorang
pengusaha yang sangat kaya yang mencalonkan diri sebagai presiden sebagai anggota
Partai Reformasi , membayar jajak pendapat yang dilakukan melalui majalahPanduan
televisi. Orang-orang diminta untuk menjawab pertanyaan yang diajukan di majalah,
kemudian merobek atau mereproduksi halaman dan mengirimkannya untuk diproses.
Ada hal lain yang salah dengan jajak pendapat ini, dan kami akan membahas beberapa
di antaranya sebentar lagi, tetapi Anda sudah mendengar semua yang perlu Anda
ketahui untuk mengabaikan hasil apa pun yang dihasilkannya. Dalam jajak pendapat
semacam itu, sampelnya hanya terdiri dari orang-orang yang memiliki perasaan yang
cukup kuat terhadap suatu isu untuk ditanggapi dan yang memiliki waktu untuk
bersusah payah melakukannya. Situasi seperti itu hampir menjamin bahwa sampel akan
memiliki pandangan yang sangat berbeda dari populasi target secara keseluruhan—itu
akan menjadi bias yang fatal.

Contoh lain, hanya untuk bersenang-senang: Beberapa tahun yang lalu, almarhum
Abigail Van Buren (“Dear Abby”) meminta pembaca wanitanya untuk menulis dalam
menjawab pertanyaan “Mana yang lebih Anda sukai, pelukan lembut atau 'tindakan'
[seks] ?” Ternyata lebih banyak respondennya lebih suka berpelukan, dan ketika dia
menerbitkan fakta ini, itu memprovokasi kolumnis lain, Mike Royko, untuk bertanya
kepada pembaca prianya yang mana. mereka lebih menyukai pelukan lembut atau
bowling. Responden Royko lebih suka bowling. Meskipun kedua survei itu
menyenangkan, tak satu pun dari survei tersebut dapat diambil untuk mencerminkan
secara akurat pandangan pembaca kedua kolumnis, apalagi masyarakat pada umumnya.

Pertanyaan Miring
Sumber utama ketidakandalan dalam praktik pemungutan suara adalah kata-kata dari
pertanyaan. Hampir semua pertanyaan penting dapat diajukan dengan berbagai cara.
Pertimbangkan pasangan pertanyaan ini:

- Apakah menurut Anda dewan sekolah harus menyetujui tuntutan guru untuk gaji yang
lebih tinggi?

- Apakah menurut Anda masuk akal bagi guru sekolah negeri setempat untuk meminta
kenaikan gaji?

Pertanyaan-pertanyaan ini pada dasarnya menanyakan hal yang sama, tetapi Anda
sebaiknya mengharapkan lebih banyak jawaban negatif untuk versi pertama daripada
yang kedua. Konteks di mana sebuah pertanyaan diajukan bisa menjadi penting juga.
Bayangkan sebuah pertanyaan yang menanyakan tentang persetujuan kenaikan gaji
untuk guru sekolah negeri, tetapi bayangkan pertanyaan itu muncul setelah satu atau
beberapa pertanyaan berikut:

- Tahukah Anda bahwa guru di kabupaten ini tidak mengalami kenaikan gaji selama
enam tahun terakhir?

17
 - Tahukah Anda bahwa distrik sekolah menghadapi kekurangan anggaran untuk tahun
anggaran mendatang?

Kami mengharapkan persetujuan kenaikan gaji berjalan lebih baik ketika ditanya
setelah yang pertama dari pertanyaan-pertanyaan ini daripada setelah yang kedua.

Kami dapat menambahkan bahwa dimasukkannya pertanyaan miring tidak selalu

kebetulan. Seringkali, sebuah kelompok atau organisasi ingin menghasilkan hasil yang
miring ke arah mereka, dan karena itu mereka akan memasukkan pertanyaan yang
dirancang untuk melakukan hal itu. Ini adalah latihan penipuan, tentu saja, tapi
sayangnya itu lebih luas dari yang kita harapkan.

BERMAIN DENGAN ANGKA

Bagaimana jika instruktur Anda melempar koin sepuluh kali, dan muncul kepala tujuh
kali dari sepuluh itu? Apakah ini membuat Anda berpikir bahwa guru Anda adalah
seorang penyihir atau seniman sulap? Tentu saja tidak. Tidak ada yang aneh dalam koin
yang muncul tujuh kali dari sepuluh, terlepas dari kenyataan bahwa, seperti yang kita
semua tahu, peluang kepala dalam lemparan koin yang adil adalah 50-50 (atau 1 banding
2, atau, seperti yang dikatakan ahli statistik itu, 0,5). Tetapi bagaimana jika instruktur
Anda mendapatkan kepala 70 persen dari waktu setelah melempar koin?seratus waktu? Ini
akan jauh lebih tidak terduga, dan jika dia melempar koinseribu kali dan dapatkan

pada musim semi 1993, H. Ross Perot melakukan survei nasional yang mendapat
banyak publisitas. Tetapi survei hanya sebaik pertanyaan yang diajukan, dan pertanyaan
yang dimuat dapat menghasilkan hasil yang bias.Waktu dan CNN menyewa firma riset
survei Yankelovich Partners untuk mengajukan dua versi pertanyaan kepada sampel acak
Amerika; yang pertama adalah versi asli Perot, yang kedua adalah versi yang ditulis ulang
yang diproduksi oleh perusahaan Yankelovich. Inilah yang terjadi untuk tiga topik yang
dibahas. Semakin besar jumlah peluang yang ditentukan, peristiwa berulang yang
dipertimbangkan, semakin dekat alternatif akan mendekati rasio yang dapat diprediksi.

Ini tidak serumit kedengarannya; secara metaforis, itu hanya mengatakan bahwa
jumlah besar "berperilaku" lebih baik daripada jumlah kecil. Inilah idenya: Karena satu
pelemparan koin yang adil (yaitu, tanpa koin tertimbang, tanpa prestidigitasi) memiliki
peluang 50 persen untuk muncul, kita katakan bahwarasio yang dapat diprediksi dari
kepala ke ekor adalah 50 persen. Hukum bilangan besar mengatakan bahwa, semakin
banyak membalik yang Anda sertakan, semakin mendekati 50 persen rasio head-to-tail
yang akan didapat.

Alasan nomor yang lebih kecil tidak sesuai dengan persentase dan juga yang lebih
besar adalah bahwa setiap flip atau serangkaian flip pendek dapat menghasilkan hampir
semua jenis hasil. Tidak ada yang aneh dengan beberapa kepala dalam satu baris atau
beberapa ekor sebenarnya, jika Anda membalik seribu kali, Anda mungkin akan
mendapatkan beberapa "garis" kepala dan ekor (dan juga jempol yang sakit). Garis-garis

18
seperti itu akan menyeimbangkan satu sama lain dalam serangkaian seribu lemparan,
tetapi bahkan garis pendek pun dapat membuat serangkaian lemparan kecil miring. Idenya
adalah, ketika kita berurusan dengan angka-angka kecil, setiap angka dihitung untuk
jumlah poin persentase yang sangat besar. Hanya dengan dua kotak kepala tambahan dapat
menghasilkan rasio 70 : 30 dalam sepuluh kali lemparan, rasio yang akan mencengangkan
dalam sejumlah besar lemparan.

Hukum bilangan besar berlaku dalam banyak keadaan. Inilah alasan mengapa kita
membutuhkan ukuran sampel minimum bahkan ketika metode pemilihan sampel kita
sepenuhnya acak. Untuk menyimpulkan generalisasi dengan keyakinan apa pun, kita
memerlukan sampel dengan ukuran tertentu sebelum kita dapat memercayai angka untuk
"berperilaku" sebagaimana mestinya. Sampel yang lebih kecil meningkatkan kemungkinan
kesalahan pengambilan sampel acak.

Hukum jumlah besar juga membuat penjudi yang berpengetahuan luas dan
perusahaan perjudian dalam bisnis. Mereka tahu bahwa, jika mereka membuat taruhan
yang memberi mereka bahkan keuntungan sederhana dalam hal rasio yang dapat
diprediksi, maka yang harus mereka lakukan adalah membuat taruhan cukup sering (atau,
lebih sering, membuat beberapa orang bodoh membuat taruhan lawan melawan mereka.
cukup sering), dan mereka akan keluar sebagai pemenang.

Mari kita pertimbangkan sebuah contoh. Seseorang yang bermain roulette di kasino
Amerika memberikan keuntungan ke rumah sedikit di atas 5 persen. Peluang menang
adalah 1 banding 38 (karena ada slot untuk tiga puluh enam angka ditambah nol dan nol
ganda), tetapi ketika pemain menang, rumah terbayar hanya pada tingkat 1 banding 36
(seolah-olah ada tidak ada nol). Sekarang, keuntungan ke rumah ini tidak berarti Anda
mungkin tidak berjalan ke meja dan bertaruh pada hari ulang tahun Anda dan menang
empat kali berturut-turut. Tetapi hukum bilangan besar mengatakan bahwa, jika Anda
menarik kursi dan bermain cukup lama, akhirnya rumah itu akan memenangkan semuanya
kembali—dan uang sewanya juga.

Catatan terakhir saat kita berbicara tentang perjudian. Ada kesalahan terkenal yang
dikenal sebagaikekeliruan penjudi, dan itu sama menggodanya dengan yang sederhana.
Katakanlah Anda melempar koin, dan koin itu muncul empat kali berturut-turut. Anda
menyerah pada kekeliruan penjudi jika Anda berpikir bahwa peluangnya muncul di waktu
berikutnya adalah apa pun kecuali 50 persen. Memang benar bahwa peluang sebuah koin
muncul dengan kepala lima kali berturut-turut kecil—hanya sedikit di atas 3 dalam 100—
tetapi begitu koin itu muncul empat kali berturut-turut, peluangnya tetap 50-50. datang
kepala waktu berikutnya. Pertunjukan sebelumnya mungkin memberi Anda petunjuk
tentang pacuan kuda, tetapi bukan tentang lemparan koin (atau acara lain dengan rasio
yang dapat diprediksi). Kekeliruan penjudi adalah gagasan bahwa probabilitas suatu
peristiwa dalam urutan acak tergantung pada peristiwa sebelumnya dalam rangkaian.

19
 BAB III

PENUTUP

Kesimpulan
Argumen induktif merupakan penalaran ynag penting dan tekait erat bahwa penalaran
induktif digunakan untuk mendukung kesimpulan dari pada untuk membuktikan atau
mendemonstrasikannya, dan bahwa argument induktif dapat digambarkan sebagai relatif kuat
atau lemah, tergantung pada seberapa besar permis mereka meningkatan kemungkinan
kesimpulan. Menggunakan istilah “kuat” dan “lemah” tidak mutlak: satu argument untuk
kesimpulan lebih kuat dari argument lain untuk kesimpulan itu jika permisnya meningkat
kemungkinan kesimpulan dengan jumlah yang lebih besar. Ketika mengevaluasi argument
induktif, berbicara tentnag informasi tamabahn sebagai “penguatan” atau
“pelemahan”argument. Sedangkan kekuatan relatif argumen tergantung pada sebarapa besar
kemungkinan premis membuat kesimpulan, yang ditentukan oleh beberapa banyak tiket yang
ada.

20
 DAFTAR PUSTAKA

Brooke Noel Moore, R. P. (2008). Critical Thinking 9th Edition. McGraw-Hill.

21