Overgeneralitas - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-24T23:10:04Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 24 Agustus 2026 23.10
Baris 1:		Baris 1:
	'''Overgeneralitas''' atau '''rampat keliru''' () adalah salah satu bentuk cacat berpikir yang mencoba untuk membuat simpulan berdasarkan data-data separuh. Overgeneralisasi pada umumnya terbentuk dari [[penalaran induktif]]. 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.		'''Overgeneralitas''' atau '''rampat keliru'''<ref>[https://id.wikipedia.org/w/index.php?title=Overgeneralitas&oldid=28454854 sumber pada Wikipedia bahasa Indonesia]</ref> () adalah salah satu bentuk cacat berpikir yang mencoba untuk membuat simpulan berdasarkan data-data separuh.<ref>Eddward S. Kennedy. [https://163.47.10.179/esai/memaafkan-para-lebay-anti-rokok/ Memaafkan Para Lebay Antirokok]. ''Mojok.co''. 23 April 2015.</ref> Overgeneralisasi pada umumnya terbentuk dari [[penalaran induktif]].<ref>Sendi Ramdhani. [http://dx.doi.org/10.15575/ja.v4i2.3926 Kemampuan Generalisasi Mahasiswa pada Perkuliahan Kapita Selekta Matematika SMA]. ''Jurnal Analisa''. 2018-12-30. Vol. 4 (2). hlm. 83–89. doi:10.15575/ja.v4i2.3926.</ref> 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.<ref>C.; Flage, D.E. Copi, I.M.; Cohen,. [https://books.google.co.id/books?id=7eAqDwAAQBAJ&printsec=frontcover&dq=Essentials+of+Logic+Copi+IM+PDF&hl=id&sa=X&redir_esc=y#v=onepage&q&f=false Essentials of Logic]. Upper Saddle River. 2006. hlm. Cetakan ini tidak menunjukkan halaman. ISBN 978-0-13-238034-8.</ref>

	== Tinjauan logika ==		== 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. Generalisasi tidak sempurna masih berpotensi mencapai kebenaran apabila memenuhi persyaratan berikut:		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.<ref>Muhammad Rakhmat. [http://digilib.uinsgd.ac.id/5420/1/PengantarLogikaDasar.pdf Pengantar Logika Dasar]. LoGoz Publishing. 2013. hlm. 112.</ref> Generalisasi tidak sempurna masih berpotensi mencapai kebenaran apabila memenuhi persyaratan berikut:

	# Data itu harus memadai jumlahnya. Semakin banyak data yang didapat atau dikumpulkan, semakin besar peluang kesimpulan yang dibuat menjadi sah.		# Data itu harus memadai jumlahnya. Semakin banyak data yang didapat atau dikumpulkan, semakin besar peluang kesimpulan yang dibuat menjadi sah.
	# Data tersebut setidaknya harus merepresentasikan keseluruhan. Dari data yang sama itu akan dihasilkan simpulan yang mencapai kebenaran.		# Data tersebut setidaknya harus merepresentasikan keseluruhan. Dari data yang sama itu akan dihasilkan simpulan yang mencapai kebenaran.<ref>Urbanus Ura Weruin. [https://jurnalkonstitusi.mkri.id/index.php/jk/article/view/1427/320 Logika, Penalaran, dan Argumentasi Hukum]. ''Universitas Tarumanegara''. 2017. hlm. 384.</ref>

	Overgeneralisasi tercipta akibat dari generalisasi tidak sempurna yang tidak memenuhi syarat untuk disahkan secara logis. 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. Overgeneralisasi digambarkan secara logika sebagai berikut:<blockquote>Proporsi sampel X memiliki atribut Y.		Overgeneralisasi tercipta akibat dari generalisasi tidak sempurna yang tidak memenuhi syarat untuk disahkan secara logis.<ref>[https://iep.utm.edu/fallacy/ Fallacies Internet Encyclopedia of Philosophy].</ref> 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.<ref>Ainur Rahman Hidayat. [https://books.google.co.id/books?id=ODf-DwAAQBAJ&printsec=frontcover&dq=Filsafat+Berpikir+Hidayat&hl=id&sa=X&redir_esc=y#v=onepage&q=Filsafat%20Berpikir%20Hidayat&f=false Filsafat Berpikir: Teknik-teknik Berpikir Logis Kontra Kesesatan Berpikir]. Duta Media Publishing. 2018. hlm. 144.</ref><ref>[https://www.logicallyfallacious.com/logicalfallacies/Hasty-Generalization Hasty Generalization]. ''www.logicallyfallacious.com''.</ref><ref>[https://iep.utm.edu/fallacy/ Fallacies Internet Encyclopedia of Philosophy].</ref> Overgeneralisasi digambarkan secara logika sebagai berikut:<blockquote>Proporsi sampel X memiliki atribut Y.

	Oleh karena itu, proporsi X dari populasi memiliki atribut Y.</blockquote>Generalisasi seperti itu berangkat dari premis tentang sampel (sering kali tidak representatif atau bias), menuju kesimpulan tentang populasi itu sendiri. Contoh yang lebih konkrit mengenai overgeneralisasi dapat digambarkan sebagai berikut:<blockquote>Premis 1: Supir angkot A selalu bergerak cepat karena ingin mendapatkan setoran uang lebih		Oleh karena itu, proporsi X dari populasi memiliki atribut Y.</blockquote>Generalisasi seperti itu berangkat dari premis tentang sampel (sering kali tidak representatif atau bias), menuju kesimpulan tentang populasi itu sendiri.<ref>[https://www.thoughtco.com/hasty-generalization-fallacy-1690919 Logical Fallacies: Examples of Hasty Generalizations]. ''ThoughtCo''.</ref> Contoh yang lebih konkrit mengenai overgeneralisasi dapat digambarkan sebagai berikut:<blockquote>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 2: Supir angkot B juga selalu ugal-ugalan karena ingin mendapatkan setoran uang
Baris 15:		Baris 15:
	Premis 3: Supir angkot C juga melakukan hal yang sama		Premis 3: Supir angkot C juga melakukan hal yang sama

	Kesimpulan: Seluruh supir angkot selalu mementingkan setoran daripada keselamatan penumpang</blockquote>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.		Kesimpulan: Seluruh supir angkot selalu mementingkan setoran daripada keselamatan penumpang</blockquote>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.<ref>Muhammad Rakhmat. [http://digilib.uinsgd.ac.id/5420/1/PengantarLogikaDasar.pdf Pengantar Logika Dasar]. LoGoz Publishing. 2013. hlm. 112.</ref>

	== Jenis ==		== Jenis ==

	=== Generalisasi yang tergesa-gesa ===		=== Generalisasi yang tergesa-gesa ===
	'''Generalisasi tergesa-gesa''' merupakan kesesatan informal dari overgeneralisasi, karena melibatkan pencapaian generalisasi induktif berdasarkan bukti yang tidak mencukupi. 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. Kekeliruan kebalikannya disebut ''induksi malas'', yang disebabkan karena menyangkal kesimpulan yang masuk akal dari argumen induktif (misalnya ungkapan "itu hanya kebetulan"). Overgeneralisasi sering kali merujuk dianggap identik dengan generaliasai yang tergesa-gesa.		'''Generalisasi tergesa-gesa''' merupakan kesesatan informal dari overgeneralisasi, karena melibatkan pencapaian generalisasi induktif berdasarkan bukti yang tidak mencukupi.<ref>[https://www.thoughtco.com/hasty-generalization-fallacy-1690919 Logical Fallacies: Examples of Hasty Generalizations]. ''ThoughtCo''.</ref> 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.<ref>[https://www.logicallyfallacious.com/logicalfallacies/Hasty-Generalization Hasty Generalization]. ''www.logicallyfallacious.com''.</ref><ref>[http://www.nizkor.org/features/fallacies/hasty-generalization.html Fallacy: Hasty Generalization]. ''web.archive.org''. 2008-12-17.</ref><ref>[http://www.ditext.com/fearnside/1.html Fallacy]. ''www.ditext.com''.</ref> Kekeliruan kebalikannya disebut ''induksi malas'', yang disebabkan karena menyangkal kesimpulan yang masuk akal dari argumen induktif (misalnya ungkapan "itu hanya kebetulan"). Overgeneralisasi sering kali merujuk dianggap identik dengan generaliasai yang tergesa-gesa.

	=== Pengecualian yang luar biasa ===		=== 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.		'''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.<ref>David Hackett Fischer. [http://archive.org/details/HistoriansFallaciesTowardALogicOfHistoricalThought Historians Fallacies Toward A Logic Of Historical Thought]. HarperCollins. 1970. hlm. 69. ISBN 978-0-06-131545-9.</ref>

	Contoh dari pengecualian yang luar biasa dapat digambarkan sebagai berikut:<blockquote>"Kebijakan luar negeri kita selalu membantu negara lain, kecuali tentu saja bertentangan dengan Kepentingan Nasional kita..."</blockquote>Implikasi yang salah dari pernyataan tersebut adalah bahwa kebijakan luar negeri mereka '''selalu''' membantu negara lain.		Contoh dari pengecualian yang luar biasa dapat digambarkan sebagai berikut:<blockquote>"Kebijakan luar negeri kita selalu membantu negara lain, kecuali tentu saja bertentangan dengan Kepentingan Nasional kita..."</blockquote>Implikasi yang salah dari pernyataan tersebut adalah bahwa kebijakan luar negeri mereka '''selalu''' membantu negara lain.

	=== Bias sampel ===		=== 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.		'''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.<ref>[http://www.medilexicon.com/medicaldictionary.php?t=10087 Sampling Bias -- Medical Definition]. ''web.archive.org''. 2016-03-10.</ref>

	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.		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.<ref>[https://uh.edu/engines/epi1199.htm No. 1199: Gallup Poll]. ''uh.edu''.</ref>

	=== Kekeliruan komposisi ===		=== 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.		'''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.<ref>Maurice A. Finocchiaro. [https://www.sciencedirect.com/science/article/pii/S157086831500004X The fallacy of composition: Guiding concepts, historical cases, and research problems]. ''Journal of Applied Logic''. 2015-06-01. Vol. 13 (2, Part B). hlm. 24–43. doi:10.1016/j.jal.2015.01.003.</ref>

			Contoh pernyataan yang mengandung kekeliruan komposisi seperti berikut ini:<blockquote>"Karena setiap bagian dari mesin tertentu berbobot ringan, maka mesin secara keseluruhan ringan."<ref>Maurice A. Finocchiaro. [https://www.sciencedirect.com/science/article/pii/S157086831500004X The fallacy of composition: Guiding concepts, historical cases, and research problems]. ''Journal of Applied Logic''. 2015-06-01. Vol. 13 (2, Part B). hlm. 24–43. doi:10.1016/j.jal.2015.01.003.</ref>
	Contoh pernyataan yang mengandung kekeliruan komposisi seperti berikut ini:<blockquote>"Karena setiap bagian dari mesin tertentu berbobot ringan, maka mesin secara keseluruhan ringan."

	"Jika seorang pelari berlari lebih cepat, dia bisa memenangkan perlombaan. Karena itu, jika semua pelari berlari lebih cepat, mereka semua bisa memenangkan perlombaan."		"Jika seorang pelari berlari lebih cepat, dia bisa memenangkan perlombaan. Karena itu, jika semua pelari berlari lebih cepat, mereka semua bisa memenangkan perlombaan."
Baris 43:		Baris 41:

	=== Pemanggilan kebetulan ===		=== 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, tetapi terus bersikeras bahwa itu hanya kebetulan dan bukan kesalahannya. Bentuk logisnya adalah: bukti menunjukkan A menghasilkan Z, tetapi orang tersebut bersikeras bahwa Z disebabkan oleh sesuatu yang lain dan itu bukan A.		'''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, tetapi terus bersikeras bahwa itu hanya kebetulan dan bukan kesalahannya.<ref>Stephen F. Barker. [https://archive.org/details/in.ernet.dli.2015.139494/page/n6/mode/1up The Elements of Logic]. McGraw-Hill. 2002. hlm. 187. ISBN 0-07-283235-5.</ref> Bentuk logisnya adalah: bukti menunjukkan A menghasilkan Z, tetapi orang tersebut bersikeras bahwa Z disebabkan oleh sesuatu yang lain dan itu bukan A.

	== Referensi ==		== Referensi ==
			<references />


	== Sumber dan atribusi ==		== Sumber dan atribusi ==

	Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Overgeneralitas&oldid=28454854 Wikipedia bahasa Indonesia], revisi 28454854 (2025-11-13T08:55:44Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.		Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Overgeneralitas&oldid=28454854 Wikipedia bahasa Indonesia], revisi 28454854 (2025-11-13T08:55:44Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

			<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 28454854; atribusi sumber disertakan.

2026-08-24T22:47:12Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 28454854; atribusi sumber disertakan.

Halaman baru

'''Overgeneralitas''' atau '''rampat keliru''' () adalah salah satu bentuk cacat berpikir yang mencoba untuk membuat simpulan berdasarkan data-data separuh. Overgeneralisasi pada umumnya terbentuk dari [[penalaran induktif]]. 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.

== 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. Generalisasi tidak sempurna masih berpotensi mencapai kebenaran apabila memenuhi persyaratan berikut:

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

Overgeneralisasi tercipta akibat dari generalisasi tidak sempurna yang tidak memenuhi syarat untuk disahkan secara logis. 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. Overgeneralisasi digambarkan secara logika sebagai berikut:<blockquote>Proporsi sampel X memiliki atribut Y.

Oleh karena itu, proporsi X dari populasi memiliki atribut Y.</blockquote>Generalisasi seperti itu berangkat dari premis tentang sampel (sering kali tidak representatif atau bias), menuju kesimpulan tentang populasi itu sendiri. Contoh yang lebih konkrit mengenai overgeneralisasi dapat digambarkan sebagai berikut:<blockquote>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</blockquote>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.

== Jenis ==

=== Generalisasi yang tergesa-gesa ===
'''Generalisasi tergesa-gesa''' merupakan kesesatan informal dari overgeneralisasi, karena melibatkan pencapaian generalisasi induktif berdasarkan bukti yang tidak mencukupi. 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. Kekeliruan kebalikannya disebut ''induksi malas'', yang disebabkan karena menyangkal kesimpulan yang masuk akal dari argumen induktif (misalnya ungkapan "itu hanya kebetulan"). Overgeneralisasi sering kali 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.

Contoh dari pengecualian yang luar biasa dapat digambarkan sebagai berikut:<blockquote>"Kebijakan luar negeri kita selalu membantu negara lain, kecuali tentu saja bertentangan dengan Kepentingan Nasional kita..."</blockquote>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.

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.

=== 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.

Contoh pernyataan yang mengandung kekeliruan komposisi seperti berikut ini:<blockquote>"Karena setiap bagian dari mesin tertentu berbobot ringan, maka mesin secara keseluruhan ringan."

"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."</blockquote>

=== 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, tetapi terus bersikeras bahwa itu hanya kebetulan dan bukan kesalahannya. Bentuk logisnya adalah: bukti menunjukkan A menghasilkan Z, tetapi orang tersebut bersikeras bahwa Z disebabkan oleh sesuatu yang lain dan itu bukan A.

== Referensi ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Overgeneralitas&oldid=28454854 Wikipedia bahasa Indonesia], revisi 28454854 (2025-11-13T08:55:44Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.