Skor Keterbacaan
Menganalisis keterbacaan teks menggunakan Flesch-Kincaid dan formula lainnya.
Nilai SMOG memerlukan minimal 30 kalimat.
Tentang alat ini
Alat Readability Score menganalisis seberapa mudah atau sulit teks Anda dipahami dengan menerapkan metrik keterbacaan yang mapan seperti Flesch-Kincaid Grade Level dan Flesch Reading Ease. Formula-formula ini mengukur faktor-faktor seperti panjang kalimat, kompleksitas kata, dan jumlah suku kata untuk memberikan wawasan praktis tentang kejelasan tulisan Anda. Bagi penulis, pendidik, dan kreator konten, memahami keterbacaan teks Anda sangat penting untuk memastikan pesan Anda sampai ke audiens target secara efektif.
Cukup tempel teks Anda ke dalam alat dan akan segera menghitung berbagai skor keterbacaan. Skor Flesch Reading Ease berkisar dari 0-100, di mana skor lebih tinggi menunjukkan pembacaan lebih mudah, sementara Flesch-Kincaid Grade Level menunjukkan tingkat kelas sekolah AS yang diperlukan untuk memahami teks. Alat ini menampilkan metrik terperinci termasuk jumlah kata, jumlah kalimat, panjang kalimat rata-rata, dan analisis suku kata. Ini sangat berguna untuk membuat posting blog, makalah akademik, salinan pemasaran, dan materi pendidikan yang perlu mencapai tingkat pemahaman audiens tertentu.
Perlu diingat bahwa formula keterbacaan bekerja paling baik pada teks bahasa Inggris dan mungkin kurang akurat dengan terminologi teknis, nama diri, atau kosakata khusus. Skor adalah pedoman daripada aturan absolut—konteks, pilihan kata, dan pemformatan juga memainkan peran penting dalam kejelasan keseluruhan. Baik Anda menyempurnakan esai siswa, mengoptimalkan konten web untuk daya tarik yang lebih luas, atau memastikan komunikasi profesional Anda dapat diakses, alat ini memberikan umpan balik kuantitatif yang Anda butuhkan untuk meningkatkan tulisan Anda.
Pertanyaan yang Sering Diajukan
Implementasi Kode
import re
import math
def count_syllables(word: str) -> int:
word = word.lower().strip(".,!?;:")
if len(word) <= 3:
return 1
word = re.sub(r'e$', '', word)
vowels = re.findall(r'[aeiouy]+', word)
return max(1, len(vowels))
def readability_scores(text: str) -> dict:
sentences = len(re.findall(r'[.!?]+', text)) or 1
words_list = re.findall(r'\b\w+\b', text)
words = len(words_list) or 1
syllables = sum(count_syllables(w) for w in words_list)
complex_words = sum(1 for w in words_list if count_syllables(w) >= 3)
flesch_ease = 206.835 - 1.015 * (words / sentences) - 84.6 * (syllables / words)
fk_grade = 0.39 * (words / sentences) + 11.8 * (syllables / words) - 15.59
gunning_fog = 0.4 * ((words / sentences) + 100 * (complex_words / words))
return {
"flesch_reading_ease": round(flesch_ease, 1),
"flesch_kincaid_grade": round(fk_grade, 1),
"gunning_fog_index": round(gunning_fog, 1),
"word_count": words,
"sentence_count": sentences,
"syllable_count": syllables,
}
sample = "The quick brown fox jumps over the lazy dog. It was a beautiful day in the park."
print(readability_scores(sample))Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.