Metodologi Pemeriksa Kata Serapan

Pengungkapan penuh tentang cara kami menghitung skor kejernihan: rumus, bobot, sumber kamus dan keputusan tokenisasi. Tanpa kotak hitam — setiap angka transparan dan dapat direproduksi.

📐 Rumus skor

Skor akhir berupa angka 0 sampai 100. Dihitung dari kepadatan terhalus kecocokan berbobot: bobot tiap kata bergantung pada tingkat keparahan, hierarki keperluan, domain, dan konteks (untuk homonim).

bobot = KEPARAHAN[tingkat] × KEBUTUHAN[tier] × faktor_domain × konteks × ketegasan terbobot = Σ bobot konteks: tepat=1.0, mungkin=0.3, makna_asli=0 kepadatan = terbobot / ( jumlah_kata + 60 ) ← penghalusan untuk teks pendek penalti = 100 × kepadatan / ( kepadatan + 0.04 ) skor = max( 0 , round( 100 − penalti ) )

Setiap kecocokan dihitung sekali; frasa banyak kata dihitung sebagai satu. Homonim dinilai menurut konteks: makna asli tak dikurangi nilai, makna ambigu dikurangi ringan. Penghalusan dan kurva landai membuat skor stabil terhadap panjang teks dan dapat dibandingkan antarteks.

⚖️ Bobot dan faktor

Bobot kecocokan terdiri atas tingkat keparahan, hierarki keperluan (model VDS), domain, dan ketegasan. Semua nilai tertanam dalam kode dan sama untuk semua bahasa.

Tingkat keparahan

Tingkat	Bobot	Arti
low	0.5	Serapan ternaturalisasi atau netral ("manajer").
medium	1.0	OK dalam beberapa konteks, berlebihan di lain ("konten").
high	2.0	Sepenuhnya dapat diganti kata asli tanpa kehilangan ("deadline").

Mode ketat

Mode	Faktor	Arti
lax	×0.6	Longgar (×0.6). Mengabaikan serapan yang wajar dalam domain.
balanced	×1.0	Seimbang (×1.0, bawaan). Menghitung semua, tapi ringan.
strict	×1.6	Ketat (×1.6). Menilai lebih tegas.
purist	×2.4	Puris (×2.4). Tanpa kelonggaran bahkan untuk kata yang sudah dinaturalisasi.

Hierarki keperluan (tier) — model VDS Anglizismenindex

Pengubah	Faktor	Kapan diterapkan
Diperlukan (×0.15)	×0.15	Tak ada padanan tepat dalam bahasa Indonesia — istilah teknis. Nyaris tak dikurangi nilai.
Bernuansa (×0.5)	×0.5	Menambah nuansa atau sudah lazim. Dikurangi separuh.
Bisa dihindari (×1.0)	×1.0	Ada padanan utuh dalam bahasa Indonesia. Bobot penuh.

Pengubah

Pengubah	Faktor	Kapan diterapkan
Domain sesuai (×0.4)	×0.4	Kata wajar dalam domain terpilih (misalnya istilah TI dalam teks TI).
Konteks homonim	×1.0 / ×0.3 / 0	Untuk homonim: makna tepat ×1.0, ambigu ×0.3, makna asli — tidak dihitung.

🎯 Nilai huruf

Skor numerik dipetakan ke huruf untuk orientasi cepat. Batasnya dikodekan tetap:

90–100

Sangat baik

75–89

Baik

60–74

Campuran

40–59

Lemah

0–39

Pinjaman berat

🧠 Tokenisasi & filter noise

Sebelum mencocokkan, kami menyamarkan fragmen yang terlihat seperti kata tetapi bukan. Penyamaran mempertahankan offset asli sehingga sorotan tetap akurat.

URL (https://…) — disamarkan seluruhnya, agar "site" di "https://site.com" tidak ditandai.
Alamat email — sama.
@mention dan #hashtag — dilewati sebagai markup sosial.
Kode `inline` dalam backtick — diabaikan.
Identifier camelCase dan snake_case — diabaikan sebagai kode.
Frasa multi-kata (mis. "user experience") dicocokkan sebelum kata tunggal dan menyerap tokennya, jadi tidak dihitung dua kali.
Merek dan nama diri terkenal (Apple, Yandex, ChatGPT) dilewati. Daftar diperluas per bahasa melalui `meta.brands`.

📚 Kamus per bahasa

Semua kamus tersedia sebagai JSON. Gunakan di proyek Anda, kutip dalam riset, kirim koreksi.

Entri yang sering dirujuk memiliki sumber sendiri (`src`) — terlihat di popover per kata. Seiring kurasi berkembang, kami menambahkan sumber per entri.

Rusia 2805 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Jerman 1187 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Prancis 2460 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Spanyol 968 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Portugis 1030 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Korea 767 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Indonesia 745 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

Arab 663 · v2026-10-22-lic1 · CC BY-SA 4.0

Sumber

Wiktionary contributors — English borrowings (CC BY-SA 4.0)
Timbrica editors

⬇ JSON

🤝 Jujur tentang batasan

Kami ingin menjadi rujukan — jadi kami berterus-terang tentang apa yang dilakukan dan tidak dilakukan alat ini.

Yang belum kami lakukan: Lematisasi masih perkiraan (regex pada akar dan akhiran). Nama diri tidak dipisahkan sepenuhnya. Tata bahasa kontekstual tidak dipertimbangkan. Peningkatan ini ada di roadmap; sebelum dirilis, mode paling andal adalah keketatan Seimbang dengan ternaturalisasi diaktifkan.

📜 Lisensi

Kamus dirilis dengan lisensi CC BY-SA 4.0. Sebagian entri berasal dari daftar kata serapan bahasa Inggris di Wiktionary, jadi saat menggunakan ulang, cantumkan «Tembrica dan kontributor Wiktionary» dan bagikan kumpulan turunannya dengan lisensi yang sama.

CC BY-SA 4.0 · Wiktionary

Siap mencoba?

Buka Pemeriksa Kata Serapan →