Penghitung Kata dan Karakter

Apa yang dihitung sebagai kata

Untuk bahasa yang ditulis dengan spasi, satu kata adalah deretan karakter di antara spasi, sehingga kata majemuk bertanda hubung dihitung satu dan kontraksi tidak dipecah. Tanda baca yang menempel pada kata tidak menambah kata baru. Karena itu kata ulang seperti buku-buku dihitung sebagai satu kata.

Bahasa Jepang, Mandarin, dan Korea adalah kasus yang menarik, karena ditulis tanpa spasi di antara kata. Memecah berdasarkan spasi akan menghasilkan satu kata untuk seluruh esai. Karena itu setiap karakter CJK dihitung sebagai satu kata, konvensi yang diikuti Microsoft Word maupun Google Docs, sehingga angkanya bisa dibandingkan dengan yang kemungkinan dipakai editor atau klien. Ini konvensi, bukan kebenaran linguistik - kata majemuk dua karakter tetaplah satu kata menurut definisi apa pun yang masuk akal - jadi untuk teks CJK, jumlah karakter biasanya angka yang benar-benar Anda perlukan, dan ditampilkan di sampingnya.

Teks campuran ditangani dengan menerapkan kedua aturan: bagian beraksara Latin dihitung sebagai kata, karakter CJK dihitung satu per satu.

Waktu baca, dan seberapa jauh bisa dipercaya

Perkiraannya memakai 238 kata per menit untuk membaca dalam hati prosa berbahasa Inggris, angka tengah dari meta-analisis Brysbaert tahun 2019 yang merangkum sekitar dua ratus penelitian. Teks CJK diukur dalam karakter per menit, karena tidak ada yang membacanya dalam satuan kata.

Anggap hasilnya sebagai perkiraan kasar, bukan hasil pengukuran. Meta-analisis yang sama menemukan kecepatan perorangan berkisar sekitar 175 hingga 300 kata per menit untuk prosa biasa, dan jenis bacaan lebih berpengaruh daripada pembacanya: tulisan teknis yang padat, contoh kode, tabel, dan kosakata asing semuanya memperlambat bacaan secara signifikan, sedangkan artikel berita yang familier mempercepatnya. Waktu baca di artikel blog adalah kesopanan kecil bagi pembaca, bukan janji.

Batang batas karakter

Empat batas ditampilkan karena itulah yang paling sering dijadikan patokan saat menulis: 280 karakter untuk postingan di X, 160 untuk meta description, 60 untuk tag title, dan 160 untuk satu SMS.

Masing-masing punya catatan yang perlu diketahui. X menghitung karakter Mandarin, Jepang, Korea, dan beberapa aksara lain sebagai dua, sehingga postingan berbahasa Jepang mencapai batas di sekitar 140 karakter, dan tautan dihitung dengan panjang tetap berapa pun panjang URL sebenarnya. Meta description dan tag title sebenarnya bukan batas mutlak, melainkan titik pemotongan, dan mesin pencari memotong berdasarkan lebar piksel, bukan jumlah karakter, sehingga judul yang penuh huruf kapital dan huruf lebar terpotong lebih cepat dari angka yang terlihat. SMS hanya muat 160 karakter dengan alfabet GSM 7-bit; satu karakter saja di luarnya, termasuk emoji atau huruf beraksen, mengubah seluruh pesan ke encoding 16-bit dan batasnya turun menjadi 70.

Kata yang paling sering dipakai

Daftar frekuensi dibuat untuk menunjukkan apa yang benar-benar banyak dibahas sebuah tulisan, itulah sebabnya kata fungsi yang sangat umum disaring - artikel, preposisi, kata ganti, dan kata kerja bantu akan memenuhi seluruh daftar di teks apa pun dari genre apa pun. Huruf tunggal juga dibuang dengan alasan yang sama.

Kata-kata diubah menjadi huruf kecil sebelum dihitung, sehingga satu istilah tidak terpecah antara bentuk berhuruf kapital dan tidak. Tidak ada stemming: run dan running dihitung terpisah, karena menggabungkannya memerlukan tebakan, dan tebakannya cukup sering salah hingga menyesatkan. Teks CJK di sini juga dihitung per karakter.

Konvensi panjang naskah di dunia penerbitan dan akademik

Jumlah kata benar-benar berbobot dalam kerja editorial. Pesanan tulisan jurnalistik ditentukan dalam jumlah kata dan diserahkan dengan selisih hanya beberapa persen dari angka itu. Tugas akademik biasanya memberi toleransi sepuluh persen ke atas atau ke bawah, dan banyak institusi mengecualikan daftar pustaka serta lampiran tetapi tetap menghitung catatan kaki - dan detail itulah yang sering menjebak orang.

Kategori panjang buku sudah cukup mapan sebagai konvensi: flash fiction di bawah seribu kata, cerita pendek sampai tujuh ribu kata lebih sedikit, novela sampai sekitar empat puluh ribu, dan sebagian besar novel komersial antara delapan puluh ribu sampai seratus ribu kata. Penerbit peduli karena biaya kertas dan cetak naik seiring panjang naskah, dan karena ekspektasi pembaca untuk sebuah genre ternyata sangat sempit.

Di ranah daring, angka yang berguna jauh lebih kecil. Tulisan blog sepanjang delapan ratus sampai seribu lima ratus kata sudah cukup membahas sebagian besar topik dengan layak tanpa bertele-tele, buletin email cenderung kehilangan pembaca setelah lima ratus kata, dan halaman landing menuntaskan tugasnya dengan jauh lebih sedikit dari keduanya. Panjang bukan ukuran kualitas, tetapi ia batasan yang layak diketahui sebelum mulai menulis, bukan sesudahnya.

Keterbacaan dan apa yang sebenarnya diukur rumusnya

Skor keterbacaan seperti Flesch-Kincaid hanyalah hitungan atas panjang kalimat dan jumlah suku kata. Korelasinya dengan tingkat kesulitan cukup baik untuk berguna, tetapi sama sekali tidak mengukur apakah tulisannya jernih: kalimat berisi kata-kata pendek yang akrab namun tersusun kacau akan mendapat skor bagus dan gagal menyampaikan apa pun.

Manfaat sejatinya adalah sebagai lampu peringatan. Lonjakan panjang kalimat rata-rata biasanya menandai paragraf tempat Anda kehilangan alur, dan skor yang luar biasa tinggi pada dokumen teknis sering berarti istilah teknis diganti dengan kekaburan, bukan dengan penjelasan.

Angka-angka di sini mendukung tinjauan serupa tanpa berpura-pura menjadi sebuah skor. Jumlah kalimat dan paragraf memperlihatkan irama sebuah tulisan; daftar kata berulang memperlihatkan apa yang sebenarnya terus diulang-ulang, yang kerap bukan yang penulis maksudkan. Membaca satu paragraf dengan suara keras tetap menjadi uji terbaik yang pernah ditemukan orang, dan itu gratis.

Ketika jumlah karakter menentukan apa yang orang lihat

Hasil pencarian memotong judul di sekitar 600 piksel, yang kira-kira setara 55 sampai 60 karakter pada font pada umumnya - dan karena pemotongannya berdasarkan lebar, bukan jumlah karakter, judul yang penuh huruf kapital atau huruf lebar akan hilang lebih cepat. Meta description dipotong di kisaran 155 sampai 160 karakter, dan mesin pencari sering kali mengabaikan deskripsi itu sepenuhnya lalu membuat sendiri dari isi halaman.

Pratinjau di media sosial punya batasnya sendiri, tetapi polanya sama: 50 sampai 60 karakter pertama sebuah judul yang benar-benar bekerja, dan sisanya adalah konteks, bukan pesan. Baris subjek email dipotong oleh aplikasi email, sering kali di sekitar 40 karakter pada ponsel.

Pendekatan praktisnya adalah menaruh yang penting di depan. Letakkan kata-kata pembeda di awal supaya kalimatnya tetap bermakna ketika terpotong, dan anggap semua yang melewati batas sebagai bonus bagi siapa pun yang melihat teks utuhnya. Memeriksa jumlah karakter sebelum menerbitkan adalah kebiasaan dua detik yang mencegah sebuah judul terbaca seperti kalimat yang belum selesai.

Terjemahan mengubah panjang teks, kadang jauh sekali

Teks tidak mempertahankan panjangnya ketika berpindah bahasa. Dari Inggris ke Jerman atau Rusia biasanya memuai dua puluh sampai tiga puluh lima persen; ke Finlandia atau Hongaria bisa memuai lebih jauh lagi. Menerjemahkan ke bahasa Mandarin, Jepang, atau Korea umumnya menyusutkan jumlah karakter secara signifikan, karena satu kata sering menjadi satu atau dua karakter saja.

Ini sama-sama batasan desain dan batasan menulis. Tombol berlabel Save dalam bahasa Inggris menjadi Speichern dalam bahasa Jerman dan Enregistrer dalam bahasa Prancis, sehingga tombol berlebar tetap yang dirancang untuk empat karakter rusak di kedua bahasa itu. Saran bakunya adalah merancang dengan ruang pemuaian sekitar empat puluh persen untuk teks pendek, dan menguji memakai bahasa sasaran yang paling panjang, bukan yang paling pendek.

Bagi siapa pun yang menulis naskah sumber yang nantinya diterjemahkan, kalimat yang lebih pendek, lebih sedikit idiom, dan tanpa permainan kata benar-benar menghemat biaya, karena terjemahan dihargai per kata dan ambiguitas dibayar dalam bentuk pertanyaan bolak-balik. Cara itu juga membuat terjemahan mesin atas teks yang sama menjadi jauh lebih baik.

Menghitung ketika teksnya berupa kode, markup, atau campuran

Menghitung kata pada markup berarti ikut menghitung markup-nya. Menempelkan HTML menghasilkan angka yang menggelembung karena tag dan atribut; menempelkan Markdown ikut menghitung URL tautan bersama teksnya. Kalau angka itu akan diserahkan ke klien atau editor, sisakan dulu teks hasil render saja - menyalin dari halaman yang sudah ditampilkan, bukan dari sumbernya, adalah cara tercepat.

Teks campuran bahasa di sini ditangani dengan menerapkan kedua aturan sekaligus: rangkaian aksara Latin dihitung sebagai kata, sedangkan karakter Jepang, Mandarin, dan Korea dihitung satu per satu. Dengan begitu dokumen dwibahasa tidak melaporkan total yang menyesatkan ke arah mana pun.

Khusus untuk teks CJK, jumlah karakter biasanya angka yang penting secara komersial, karena tarif penerjemahan dan penyuntingan dalam bahasa-bahasa itu dihitung per karakter, bukan per kata. Kedua angka ditampilkan berdampingan justru karena alasan itu.