Analisis Keterbacaan Teks Buku Ajar Bahasa Indonesia SMP Kelas 9 Menggunakan Formula Grafik Fry
DOI:
https://doi.org/10.47134/ptk.v1i3.420Keywords:
Membaca, Keterbacaan, Grafik FryAbstract
Tiap-tiap sekolah tentunya memiliki buku teks untuk menunjang dan melaksanakan kurikulum serta menjadi sumber dalam membagikan ilmu pengetahuan. Pemilihan dan persiapan buku teks sangat penting bagi guru dan praktisi pendidikan, terutama untuk mengukur tingkat keterbacaan suatu teks sebelum digunakan sebagai sumber pembelajaran. Penelitian ini bertujuan untuk memahami dan menjelaskan keterbacaan teks buku pelajaran Bahasa Indonesia SMP kelas 9 dengan grafik fry. Penelitian ini menggunakan metode deskriptif kualitatif dengan menggunakan teknik observasi, yaitu observasi langsung terhadap data tekstual. Teks yang dijadikan bahan penelitian ini adalah buku pelajaran Bahasa Indonesia kelas 9 kurikulum 2013 revisi 2018 terbitan Kementrian Pendidikan dan Kebudayaan serta buku ajar Bahasa Indonesia Kelas 9 Kurikulum Merdeka terbitan Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi. Sampel dalam penelitian ini adalah 12 teks, diambil satu teks untuk setiap bab dalam dua buku tersebut. Hasil analisis untuk Edisi Kurikulum 2013 didapatkan data yang sesuai sebesar 50% dan untuk Edisi Kurikulum Merdeka sebesar 83,34%.
References
Abidin, Y. (2012). Pembelajaran membaca berbasis pendidikan karakter. Bandung: Refika Aditama.
Adiningsih, Y. N. (2021). Analisis keterbacaan wacana buku ajar Bahasa Indonesia SMP menggunakan formula Fry. Lingua, 2(2), 1-14.
Alarcon, R. A. (2020). Word-Sense disambiguation system for text readability. ACM International Conference Proceeding Series, 147–152. https://doi.org/10.1145/3439231.3439257 DOI: https://doi.org/10.1145/3439231.3439257
Anggraeni, R., & Sugiarto, A. Y. L. (2018). Keterbacaan buku ajar Bahasa Indonesia di sekolah menengah pertama (Textbook readability of Indonesian language in junior high school). Jurnal Bahasa, Sastra dan Pembelajarannya, 7(2), 293. https://doi.org/10.20527/jbsp.v7i2.4428 DOI: https://doi.org/10.20527/jbsp.v7i2.4428
Chakraborty, S. (2021). Simple or Complex? Learning to Predict Readability of Bengali Texts. 35th AAAI Conference on Artificial Intelligence, AAAI 2021, 14, 12621–12629. DOI: https://doi.org/10.1609/aaai.v35i14.17495
Echols, J. M., & Shadily, H. (2003). Kamus Inggris Indonesia: An English-Indonesian dictionary. Jakarta: Gramedia.
Feng, H. (2022). CNN MODELS FOR READABILITY OF CHINESE TEXTS. Mathematical Foundations of Computing, 5(4), 351–362. https://doi.org/10.3934/MFC.2022021 DOI: https://doi.org/10.3934/mfc.2022021
Gkikas, D. C. (2022). How do text characteristics impact user engagement in social media posts: Modeling content readability, length, and hashtags number in Facebook. International Journal of Information Management Data Insights, 2(1). https://doi.org/10.1016/j.jjimei.2022.100067 DOI: https://doi.org/10.1016/j.jjimei.2022.100067
Gooding, S. (2021). Predicting Text Readability from Scrolling Interactions. CoNLL 2021 - 25th Conference on Computational Natural Language Learning, Proceedings, 380–390. DOI: https://doi.org/10.18653/v1/2021.conll-1.30
Harjasudjana, A. S., & Mulyati, Y. (1997). Membaca 2. Jakarta: Depdiknas.
Harjasujana, A. S., dkk. (1996). Membaca 2. Jakarta: Departemen Pendidikan dan Kebudayaan.
Kaushik, H. M. (2020). Towards universal accessibility on the web: Do grammar checking tools improve text readability? Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12188, 272–288. https://doi.org/10.1007/978-3-030-49282-3_19 DOI: https://doi.org/10.1007/978-3-030-49282-3_19
Kodym, O. (2022). TG 2 : text-guided transformer GAN for restoring document readability and perceived quality. International Journal on Document Analysis and Recognition, 25(1), 15–28. https://doi.org/10.1007/s10032-021-00387-z DOI: https://doi.org/10.1007/s10032-021-00387-z
Luong, A. V. (2019). Assessing the Readability of Literary Texts in Vietnamese Textbooks. NICS 2018 - Proceedings of 2018 5th NAFOSTED Conference on Information and Computer Science, 231–236. https://doi.org/10.1109/NICS.2018.8606848 DOI: https://doi.org/10.1109/NICS.2018.8606848
Martinc, M. (2021). Supervised and unsupervised neural approaches to text readability. Computational Linguistics, 47(1), 141–179. https://doi.org/10.1162/COLI_a_00398 DOI: https://doi.org/10.1162/coli_a_00398
Mukhtar. (2013). Metode praktis penelitian deskriptif kualitatif. GP Press Group.
Nassiri, N. (2023). Approaches, Methods, and Resources for Assessing the Readability of Arabic Texts. ACM Transactions on Asian and Low-Resource Language Information Processing, 22(4). https://doi.org/10.1145/3571510 DOI: https://doi.org/10.1145/3571510
Phani, S. (2019). Readability Analysis of Bengali Literary Texts. Journal of Quantitative Linguistics, 26(4), 287–305. https://doi.org/10.1080/09296174.2018.1499456 DOI: https://doi.org/10.1080/09296174.2018.1499456
Pusat Perbukuan. (2006). Pemilihan dan pemanfaatan buku teks pelajaran yang memenuhi syarat kelayakan. Jakarta: Pusat Perbukuan Departemen Pendidikan Nasional.
Redmiles, E. M. (2019). Comparing and developing tools to measure the readability of domain-specific texts. EMNLP-IJCNLP 2019 - 2019 Conference on Empirical Methods in Natural Language Processing and 9th International Joint Conference on Natural Language Processing, Proceedings of the Conference, 4831–4842. DOI: https://doi.org/10.18653/v1/D19-1489
Sari, V. I. (2017). Tiaxngkat keterbacaan buku teks Bahasa Indonesia jenjang SMP menggunakan teori Fry. Jurnal Penelitian Pendidikan Indonesia, 2(3), 2477-3921.
Tarigan, H. G. (1994). Membaca sebagai suatu keterampilan berbahasa. Bandung: Angkasa.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Ninda Dawilatul Aliyah, Amara Rahma Fadila, Ai Siti Nurjamilah

This work is licensed under a Creative Commons Attribution 4.0 International License.