Satu Huruf Diambil Dari Masing Masing Kata Paralel

Satu Huruf Diambil Dari Masing Masing Kata Paralel – 11 Desember 2019 14:05 11 Desember 2019 14:05 Diperbarui: 11 Desember 2019 14:19 2133 1 1

Sebab-akibat, hubungan yang berkesinambungan antara dua peristiwa temporal yang simultan atau berurutan ketika peristiwa pertama (penyebab) mengarah ke peristiwa lain (akibat). Menurut David Hume, ketika kita mengatakan bahwa “X menyebabkan Y” (misalnya, kebakaran menyebabkan asap) dari dua jenis objek atau peristiwa, yang kita maksudkan adalah (i) (ii) Y mengikuti X, dan bukan sebaliknya, dan (iii ) ) ada “koneksi yang diperlukan” antara X dan Y yang harus diikuti Y setiap kali X muncul.

Satu Huruf Diambil Dari Masing Masing Kata Paralel

Namun berbeda dengan konsep kesinambungan dan kesinambungan, konsep keterhubungan yang diperlukan bersifat subjektif. Dengan kata lain, ini berasal dari tindakan merenungkan objek atau peristiwa yang Anda alami terus-menerus menggabungkan dan menggantikannya dalam ruang tertentu. Keteraturan dapat diamati pada hal-hal atau peristiwa-peristiwa itu sendiri, bukan pada esensinya. Ide ini menjadi dasar masalah klasik induksi yang dirumuskan Hume. Definisi kausalitas Hume adalah contoh analisis “normalitas”. Jenis analisis lainnya termasuk analisis kontrafaktual, analisis operasional, dan analisis probabilistik.

Paradigma Baru Penetapan Perwalian Anak Pada Pengadilan Agama Berbasis Pada Perlindungan Hak Anak

Penyebabnya telah lama menjadi misteri, membingungkan para filsuf dan ilmuwan selama berabad-abad. Apa itu sebenarnya? Bagaimana kita bisa mengukurnya? Artinya, bisakah kita menilai kekuatan hubungan antara sebab dan akibat? Apa yang dapat kita ketahui dari hubungan (korelasi) yang diamati antar faktor tentang kemungkinan hubungan sebab akibat? Bagaimana faktor-faktor atau penyebab-penyebab yang berbeda secara bersama-sama mempengaruhi hasil? Dan kausalitas adalah sesuatu yang ada “di dunia”, bisa dikatakan, atau hanya kebiasaan pikiran kita, hubungan antara dua peristiwa yang kita amati secara berurutan, seperti yang dikemukakan Hume berkali-kali?

Literatur filosofis yang kaya tentang kausalitas adalah bukti perjuangan para pemikir sepanjang sejarah untuk menemukan jawaban yang memuaskan atas pertanyaan-pertanyaan ini. Demikian pula, para ilmuwan telah lama bergumul dengan pertanyaan tentang kausalitas, dan menghadapi banyak kendala praktis dan teoretis.

Namun jika menyangkut hubungan sebab akibat, kita biasanya menganggap remeh beberapa gagasan tentang hubungan sebab akibat dan bagaimana hubungan tersebut dapat dievaluasi. Kita melakukan ini setiap kali kita mempertimbangkan konsekuensi tindakan kita atau tindakan orang lain, dampak intervensi pemerintah, dampak teknologi baru, dampak pemanasan global, efektivitas pengobatan dokter, bahaya narkoba jalanan, dampak obat-obatan populer. , dan seterusnya. film

Beberapa pernyataan kausal mempunyai kekuatan, seperti ketika seseorang telah sembuh melalui pengobatan atau ketika pengumuman pemerintah menyebabkan kerusuhan. Pihak lain memberikan kesan yang lebih lemah ketika mereka mengatakan bahwa penahanan pemimpin oposisi mempengaruhi persepsi internasional. Terakhir, beberapa pernyataan hanya menyiratkan hubungan sebab dan akibat, seperti ketika kita mengatakan bahwa bahan kimia bisphenol A berhubungan dengan diabetes.

Tugas Jembatan Lisda

Saat ini, sudah diterima secara luas bahwa keputusan harus “berbasis bukti” di berbagai bidang seperti administrasi bisnis, ekonomi, pendidikan, dan kedokteran. Kita membuat pilihan-pilihan kita diketahui dan berharap bahwa pilihan-pilihan itu membawa hasil yang kita inginkan. Kami menginvestasikan sejumlah besar uang dalam penelitian untuk menemukan hubungan sebab akibat antar peristiwa. Akibatnya, statistik menjadi semakin penting karena memberikan wawasan tentang hubungan antar elemen dalam analisis tertentu. Namun industri jurnalisme sains memiliki kecenderungan untuk memutarbalikkan apa yang ditunjukkan oleh penelitian dan statistik, sering kali membesar-besarkan hubungan sebab akibat dan mengabaikan hal-hal penting.

Penyebabnya tidak sesederhana yang kita asumsikan, dan mungkin karena alasan inilah kompleksitasnya sering diabaikan atau bahkan diabaikan. Ini bukanlah masalah yang sepele. Kegagalan dalam memahami hubungan sebab akibat dapat berakibat pada pemilihan tindakan yang tidak efektif, praktik-praktik yang merugikan terus berlanjut, dan alternatif-alternatif yang bermanfaat diabaikan. Sayangnya, hype baru-baru ini tentang “big data” telah mendorong gagasan fantastis bahwa masalah seperti itu dapat dihilangkan berkat kekuatan komputasi yang sangat besar dan database yang sangat besar. Dengan bantuan alat analisis data, kita berasumsi bahwa sejumlah besar informasi akan mengungkap korelasi yang begitu kuat sehingga pertanyaan tentang kausalitas tidak lagi menarik perhatian kita. Ketika dua peristiwa terjadi beberapa kali secara bersamaan, kita dapat berasumsi bahwa keduanya mempunyai hubungan sebab akibat, meskipun kita tidak mengetahui bagaimana atau mengapa hal tersebut terjadi.

Seperti yang telah kita lihat, interpretasi data, besar atau kecil, selalu diperlukan untuk memahami sebab dan akibat sebaik mungkin. Dalam esai ini, kita akan meninggalkan banyak literatur filosofis yang kaya dan kompleks tentang sebab-akibat dan fokus pada isu yang lebih praktis: bagaimana memikirkan sebab-akibat dan korelasi dalam kedokteran, politik, dan kehidupan sehari-hari. Kita akan membahas kemajuan luar biasa dalam pemikiran kausalitas, kemajuan yang dimungkinkan oleh perpaduan ide-ide dari berbagai bidang seperti sains, statistik, dan matematika. Meskipun pemahaman mendalam mengenai perkembangan ini memerlukan pengetahuan teknis khusus, ide-ide dasarnya mudah diakses dan memberikan wawasan terhadap berbagai pertanyaan sambil menunjukkan beberapa keterbatasan yang masih ada.

Mari kita mulai dengan contoh yang familiar. Kita tahu bahwa merokok menyebabkan kanker paru-paru. Namun, tidak semua perokok mengalaminya. Merokok tidak cukup menjadi penyebab kanker paru-paru. Merokok belum tentu merupakan penyebab penting. Bahkan orang yang tidak merokok pun bisa terkena kanker paru-paru. Kata kerja “sebab” sering kali mengingatkan kita pada sebab dan akibat yang tidak realistis. Namun, seperti yang dicatat oleh John Stuart Mill dalam A System of Logic (1843), kejadian-kejadian jarang mempunyai penyebab tunggal.

Juris Vol. 12, No. 1 By Lk2 Fhui

Urutan antara hasil tunggal dan kejadian sebelumnya jarang berlaku. Biasanya berada di antara hasil dan jumlah beberapa anteseden. Artinya, saya menyetujui segala sesuatu yang diperlukan untuk memastikan bahwa hasilnya dapat diikuti.

Dalam beberapa tahun terakhir, para ahli telah memanfaatkan wawasan serupa dari berbagai bidang, termasuk filsafat, hukum, dan epidemiologi, untuk mengusulkan model sebab-akibat yang digabungkan secara memadai untuk menunjukkan bagaimana berbagai penyebab dapat mempengaruhi satu hasil. Dengan bantuan model-model ini, sudah menjadi hal yang umum untuk menyatakan hubungan sebab akibat dalam bentuk probabilitas. Jika hanya satu faktor saja, misalnya merokok, yang diketahui mempengaruhi dampaknya, katakan saja bahwa merokok menghindari kesan kausalitas yang tepat. Ini “memperbaiki” kanker paru-paru. Model probabilistik dapat dilihat sebagai strategi untuk menyederhanakan situasi yang kompleks, seperti model dinamis, yang mencakup penyederhanaan seperti benda yang jatuh dalam ruang hampa atau meluncur ke bawah pada bidang tanpa gesekan.

Selain merokok, kejadian kanker paru-paru dapat bervariasi tergantung pada banyak faktor, seperti paparan bahan kimia berbahaya di tempat kerja, kecenderungan genetik, dan usia. Beberapa faktor mungkin tidak sepenuhnya diketahui dan faktor lainnya mungkin tidak dipahami dengan baik. Dalam banyak kasus, pengukuran beberapa faktor mungkin tidak dapat dilakukan. Memikirkan kausalitas dalam kaitannya dengan probabilitas dapat menyederhanakan masalah dengan mengesampingkan beberapa faktor ini, setidaknya untuk sementara.

Ironisnya, penentang utama pernyataan bahwa merokok menyebabkan kanker paru-paru adalah ahli genetika Ronald A. Fisher, salah satu pionir teori statistik modern. Sejumlah penelitian telah menunjukkan hubungan antara merokok dan kanker paru-paru, namun Fisher mempertanyakan apakah terdapat cukup bukti untuk menunjukkan hubungan sebab akibat. (Meskipun terkadang ada perbedaan teknis antara korelasi dan asosiasi, istilah-istilah tersebut digunakan secara sinonim dalam esai ini.) Misalnya, Fisher menunjukkan bahwa ada korelasi antara pendapatan apel dan tingkat perceraian, dan hal ini tentu saja bukan hubungan sebab-akibat. Jadi Fisher memulai industri rumahan untuk membuktikan korelasi palsu.

File 28 09 2021 6152767671b32

Fakta bahwa Fisher sendiri adalah seorang perokok dan konsultan perusahaan tembakau terkadang digunakan untuk menyiratkan adanya konflik kepentingan. Meski ia tidak sepenuhnya tidak berdasar mengenai hubungan antara merokok dan kanker paru-paru, kekhawatirannya secara umum memang benar adanya. Intinya sering kali diringkas dalam pepatah: “Korelasi bukanlah sebab-akibat.” Hanya karena dua faktor berhubungan tidak berarti bahwa satu faktor menyebabkan faktor lainnya. Namun, Randall Munroe, penulis webcomic xkcd, mengatakan, “Korelasi tidak menyiratkan sebab-akibat, namun ada momen alis yang sugestif dan gerakan halus seperti berciuman dan berkata, ‘Lihat di sini.'” Penyebabnya, dan terkadang mungkin, terkait dalam beberapa hal. Namun kapan dan bagaimana?

Perdebatan modern tentang korelasi dan sebab-akibat dimulai setidaknya pada pertengahan abad ke-18. Saat itu, Hume berpendapat bahwa hubungan sebab akibat tidak dapat diamati secara langsung, melainkan hanya “hubungan kontinu dua objek”. Mungkin tidak mengherankan jika para ilmuwan dan filsuf memiliki perasaan campur aduk mengenai kausalitas. Di satu sisi hal ini tampak penting bagi upaya ilmiah, namun di sisi lain hal ini tampak membingungkan dan tidak berwujud. Sampai hari ini, perdebatan terus berlanjut mengenai apakah kausalitas merupakan ciri dunia fisik atau sekadar cara berpikir yang nyaman tentang hubungan antar peristiwa. Selama abad ke-18 dan ke-19, teori dan metode statistik mengalami pertumbuhan yang luar biasa, namun sebagian besar tidak mengetahui hubungan sebab akibat.

Karl Pearson, yang menemukan koefisien korelasi pada tahun 1911, menganggap kausalitas sebagai “hanya jimat lain dalam misteri sains modern yang tak dapat dipahami”. Namun, perkembangan pada tahun 1920-an mulai mengungkap korelasi dan sebab-akibat serta membuka jalan bagi metode inferensi modern. Penyebab akibat yang diamati. Sebelum beralih ke teknik yang lebih maju ini, ada baiknya kita melihat beberapa masalah dan solusi seputar korelasi dan sebab-akibat.

Salah satu sumber kebingungan mengenai kausalitas adalah bahwa laporan berita tentang temuan penelitian sering kali menyiratkan hubungan sebab akibat meskipun sebenarnya tidak. Klaim kausal mungkin lebih mudah dipahami. Bandingkan “Sabuk pengaman menyelamatkan nyawa” dan “Penggunaan sabuk pengaman dikaitkan dengan penurunan angka kematian” karena penyebabnya (sabuk pengaman) bertindak langsung (menyelamatkan nyawa). Menurut saya, hal ini menceritakan kisah yang lebih menarik dibandingkan klaim korelasional, yang dapat dianggap tidak disengaja dan tidak langsung. Namun, meskipun sebuah cerita yang mengklaim menjelaskan suatu korelasi mungkin bersifat persuasif, klaim sebab-akibat mungkin tidak dapat dibenarkan. Pertimbangkan penelitian yang sering dikutip oleh psikolog John Gottman dan rekan-rekannya tentang memprediksi perceraian berdasarkan pengamatan dari percakapan tentang hubungan masyarakat dan situasi konflik.

Pusat Karantina Tahfizh Al Quran Nasional Hafal Quran Sebulan

Dalam serangkaian penelitian yang dimulai pada tahun 1990an, Gottman mampu memprediksi dengan akurasi 94% pasangan mana yang akan bercerai.