Pemeriksa keterbacaan untuk teks bahasa Indonesia

Rumus keterbacaan populer seperti Flesch Reading Ease (1948) dikalibrasi untuk bahasa Inggris: menghitung panjang kalimat dan jumlah suku kata per kata. Rumus itu sudah diadaptasi untuk beberapa bahasa, misalnya Spanyol dan Portugis. Untuk bahasa Indonesia belum ada rumus yang tervalidasi luas. Ada beberapa penelitian yang mencoba menerapkan atau menyesuaikan Flesch dan grafik Fry, tetapi belum ada satu standar yang umum dipakai.

Masalah utamanya ada pada suku kata. Kata dasar bahasa Indonesia rata-rata dua suku kata, lalu imbuhan menambah panjangnya: laku → memberlakukan, baca → keterbacaannya. Kata panjang karena imbuhan belum tentu sulit dipahami, sehingga koefisien bahasa Inggris akan menilai teks Indonesia terlalu sulit. Karena itu alat ini tidak menampilkan skor 0–100 dan memakai ukuran yang lebih jujur: rata-rata panjang kalimat.

Tabel ini disusun Flesch untuk bahasa Inggris, jadi batasnya hanya patokan untuk bahasa Indonesia. Tingkat pendidikan yang ditampilkan juga perkiraan kasar dari kategori tersebut.

Contoh perhitungan

Ambil tiga kalimat: “Onboarding membantu pengguna baru cepat memahami kegunaan produk. Tooltip yang baik muncul pada saat yang tepat dan membahas satu tindakan saja. Jika orang tidak menemukan manfaat dalam beberapa menit pertama, mereka bisa menutup tab dan tidak kembali.” Alat menghitung 37 kata dalam 3 kalimat.

Suku kata tetap dihitung untuk menandai kata yang panjang: setiap vokal adalah inti suku kata, kecuali diftong ai, au, oi di akhir kata (pan-tai, pu-lau). Aturan ini tepat untuk sebagian besar kata dan bisa meleset pada kata serapan.

Panjang kalimat adalah salah satu prediktor keterbacaan yang paling konsisten di berbagai bahasa. Tetap saja, ini ukuran yang kasar:

• Tidak memahami makna. Kalimat pendek yang penuh istilah asing tetap dinilai mudah.
• Tidak mengukur kosakata. “Implementasi” dan “optimalisasi” membuat teks terasa berat, meski kalimatnya pendek. Perhatikan kata yang disorot sebagai kata panjang.
• Tidak stabil pada teks pendek. Pada dua atau tiga kalimat, satu kalimat panjang mengubah rata-rata secara drastis. Untuk teks antarmuka, pemeriksa teks tooltip lebih cocok.
• Bergantung pada pemisahan kalimat. Daftar, judul dan singkatan bertitik (“dll.”, “dsb.”, “No.”) bisa mengacaukan hitungan. Alat ini menganggap setiap baris sebagai kalimat tersendiri.
• Tingkat pendidikan hanya perkiraan. Tabel Flesch dibuat untuk pembaca berbahasa Inggris di Amerika Serikat.

Gunakan hasilnya untuk membandingkan versi dari teks yang sama dan untuk menemukan bagian yang berat, bukan sebagai nilai mutlak.

Studi multibahasa IReST (International Reading Speed Texts) mengukur kecepatan membaca dalam hati orang dewasa di 17 bahasa, tetapi bahasa Indonesia tidak termasuk. Karena itu alat ini memakai perkiraan 180 kata per menit: kata dalam bahasa Indonesia relatif panjang karena imbuhan, sehingga kecepatannya diperkirakan mendekati bahasa dengan kata panjang dalam IReST, seperti Jerman (179) atau Turki (166 kata per menit).

Kecepatan sangat bervariasi antarorang dan antarteks: topik yang akrab dibaca lebih cepat, instruksi penuh angka dan istilah lebih lambat, dan layar antarmuka lebih sering dipindai daripada dibaca. Waktu bicara adalah perkiraan untuk tempo presentasi yang tenang.

Untuk teks antarmuka, waktu sangat penting: tooltip atau langkah tur dibaca sekilas, dan apa pun yang tidak selesai dalam beberapa detik akan dilewati.

• Pecah kalimat panjang. Satu gagasan per kalimat. Kalimat lebih dari 20 kata hampir selalu bisa dibagi dua tanpa kehilangan makna.
• Pakai kata kerja, bukan kata benda. “Melakukan pengecekan” → “memeriksa”; “melakukan pembayaran” → “membayar”. Teks jadi lebih pendek dan hidup.
• Buang frasa birokratis. “Dalam rangka”, “sehubungan dengan hal tersebut”, “adapun” memperpanjang kalimat tanpa menambah isi.
• Pilih padanan yang pendek. “Mengimplementasikan” → “menerapkan”, “optimalisasi” → “perbaikan”, “pada saat ini” → “sekarang”.
• Tulis angka dengan digit. “3 langkah” lebih cepat dipindai daripada “tiga langkah”.
• Periksa ulang. Rata-rata panjang kalimat seharusnya turun, tetapi tujuannya teks yang jelas, bukan angka terkecil.

Jika Anda menulis teks onboarding, mulailah dari checklist onboarding pengguna dan contoh onboarding SaaS, yang membahas cara menulis tooltip dan langkah tur.

1. Flesch R. A New Readability Yardstick. Journal of Applied Psychology, 32(3), 1948.
2. Flesch R. The Art of Readable Writing. Harper, 1949 — tabel gaya berdasarkan panjang kalimat dan tingkat pendidikan.
3. Trauzettel-Klosinski S., Dietz K., IReST Study Group. Standardized Assessment of Reading Performance: The New International Reading Speed Texts IReST. Investigative Ophthalmology & Visual Science, 53(9), 2012 — kecepatan baca di 17 bahasa (tanpa bahasa Indonesia).
4. Badan Pengembangan dan Pembinaan Bahasa. Kamus Besar Bahasa Indonesia (KBBI) — kbbi.kemdikbud.go.id.