Berapa banyak karakter Mandarin yang sebenarnya kamu butuhkan?

Oleh Andreu Puy · 19 Agustus 2026 · 10 menit baca

Tanyakan ini di mana saja dan kamu akan mendapat jawaban yang sama: dua sampai tiga ribu. Jawaban itu terus diulang karena kurang lebih benar dalam satu hal dan diam-diam keliru dalam hal lain. Angka itu mendekati apa yang dibutuhkan untuk cakupan karakter yang hampir lengkap, titik ketika hampir setiap karakter di sebuah halaman adalah karakter yang pernah kamu lihat. Namun, angka itu jawaban yang buruk sekali untuk pertanyaan yang sebenarnya diajukan kebanyakan orang, yaitu berapa banyak yang mereka butuhkan sebelum bahasa Mandarin mulai bisa dibaca sama sekali.

Satu angka saja tidak bisa menjawabnya, karena frekuensi karakter sangat timpang. Jadi, alih-alih mengulang mitos itu, kami menghitungnya. Berikut adalah kurva cakupan yang dibangun dari 33 miliar karakter bahasa Mandarin sungguhan, lisan maupun tulisan, yang menunjukkan berapa bagian dari halaman biasa yang sebenarnya diwakili oleh 100, 500, 1.000, atau 3.000 karakter paling umum.

Berapa banyak karakter yang kamu butuhkan?

Sekitar 1.000 karakter mencakup kira-kira 90% karakter dalam teks bahasa Mandarin sehari-hari. Sebanyak 500 karakter mencakup sekitar 75%. Untuk mencapai 98%, kamu butuh sekitar 2.300, dan 99% butuh sekitar 2.900. Separuh dari semua yang akan pernah kamu baca ditopang oleh hanya 170 karakter.

Baca kolom terakhir sebelum kolom tengah. Informasinya sama, tetapi jauh lebih sulit untuk merasa senang melihatnya.

Apa yang tidak dimaksud oleh angka itu

Persentase cakupan memang menggoda, dan sering kali dilebih-lebihkan, termasuk oleh orang-orang yang menjual aplikasi bahasa Mandarin. Ada dua hal yang perlu disampaikan sebelum masuk ke bagian yang menarik.

Cakupan bukan berarti pemahaman

Dengan 1.000 karakter, kamu mengenal sekitar 89% karakter di sebuah halaman. Itu bukan 89% dari maknanya. Itu berarti sebelas karakter tak dikenal di setiap seratus karakter, kira-kira satu per baris, dan sebarannya tidak akan merata. Karakter-karakter itu justru berkumpul di bagian yang membawa informasi: nama, istilah teknis, kata kerja spesifik yang menjadi poros kalimat.

Bahkan 97%, yang membutuhkan 2.000 karakter, berarti tiga karakter tak dikenal per seratus. Satu halaman novel memuat beberapa ratus karakter, jadi ada beberapa celah di setiap halaman. Ini bacaan yang masih bisa dijalani dengan kamus. Ini bukan bacaan yang nyaman. Siapa pun yang bilang bahwa jumlah karakter empat digit membuat bahasa Mandarin bisa dibaca sedang membulatkan kurva yang nyata menjadi slogan.

(Ada temuan terkenal dalam penelitian membaca bahasa kedua bahwa pemahaman tanpa bantuan memerlukan cakupan sekitar 98%. Temuan itu layak diketahui, tetapi yang dimaksud adalah cakupan kata, bukan karakter, jadi tidak bisa langsung diterapkan pada tabel di atas. Kami menyebutnya sebagai analogi, bukan sebagai bukti.)

Mengenal karakter tidak sama dengan mengenal kata

Kata dalam bahasa Mandarin kebanyakan dibentuk dari dua karakter atau lebih, dan gabungannya sering tidak bisa ditebak dari bagian-bagiannya. 意 dan 思 sama-sama umum dan biasa saja jika berdiri sendiri; 意思 berarti “makna”. 电 adalah listrik dan 脑 adalah otak; 电脑 adalah komputer. Kamu bisa mengenal setiap karakter dalam sebuah kalimat, tetapi tetap tidak memahami kalimatnya.

Jadi, karakter adalah unit yang bagus untuk digarap lebih dulu, bukan pengganti kosakata. Di awal, karakter memang jauh lebih efisien per butirnya: untuk mencapai cakupan 89% yang sama dengan kata utuh, kamu butuh sekitar 11.800 kata. (Kedua angka itu diukur dalam satuan yang berbeda, yaitu 89% token karakter dan 89% token kata, jadi anggap “sekitar dua belas kali lebih banyak” sebagai gambaran besarnya selisih, bukan rasio yang tepat.)

Kurva cakupan

Inilah kurva lengkapnya. Sumbu horizontal menunjukkan berapa banyak karakter yang kamu kenal, dimulai dari yang paling umum; sumbu vertikal menunjukkan bagian karakter di halaman biasa yang dicakup karakter-karakter itu. Cakupan, bukan pemahaman: lihat penjelasan di atas.

Ada dua ciri yang penting. Kurvanya hampir vertikal di tepi kiri, dan hampir horizontal di tepi kanan. Hampir semua hal berguna tentang belajar karakter Mandarin berawal dari dua fakta itu.

500 karakter pertama melakukan sebagian besar pekerjaan

Bagi 3.000 karakter pertama menjadi blok-blok berisi 500 karakter, lalu lihat apa yang diberikan setiap blok.

Blok pertama bernilai beberapa kali lipat dari gabungan lima blok lainnya. Dan konsentrasinya bahkan lebih tajam lagi: tiga puluh karakter paling umum saja sudah mewakili sekitar 23% dari seluruh teks bersambung. Tiga puluh. Inilah ketiga puluh karakter itu:

的我是了不在你有一人这个们大来他要上中为到会和好就国么以时生

Tidak ada yang mengejutkan dari daftar itu. Isinya sebagian besar tata bahasa, kata ganti, dan segelintir kata kerja yang dibutuhkan setiap kalimat, dan justru itulah intinya. Karakter yang memikul beban terberat dalam bahasa Mandarin bersifat struktural dan tidak terhindarkan, dan kamu akan menemuinya sejak hari pertama, direncanakan atau tidak.

Seribu karakter terakhir nyaris tidak menambah apa-apa

Sekarang baca tabel yang sama dari bawah. Karakter ke-2.001 hingga 3.000, seribu karakter yang bagi kebanyakan pelajar berarti setahun atau lebih belajar dengan tekun, bersama-sama menambah sekitar dua poin persentase. Tiga puluh karakter di atas bernilai lebih dari sepuluh kali lipatnya.

Ini bukan alasan untuk berhenti di 2.000. Karakter-karakter terakhir itulah yang membawamu dari membuka kamus setiap satu atau dua baris menjadi sekali per paragraf: selisih antara 97% dan 99% adalah perbedaan antara tiga karakter tak dikenal per seratus dan hanya satu. Gangguan berkurang, tetapi tidak hilang: kosakata yang dibentuk karakter-karakter itu adalah pekerjaan tersendiri, dan itulah yang menentukan apakah kamu benar-benar memahami halaman tersebut.

Ini adalah argumen tentang urutan, dan tentang apa yang perlu kamu harapkan. Tahap awal memberi hasil begitu cepat sehingga kemajuan terasa dramatis. Tahap selanjutnya tidak, dan pelajar sering menganggap perlambatan itu sebagai kegagalan diri sendiri, bukan sebagai bentuk distribusinya. Padahal, itu memang bentuk distribusinya.

Sedikit bergantung pada apa yang kamu baca

Kurva di atas memadukan berbagai ragam bahasa, jadi kurva itu menggambarkan pembaca umum, bukan pembaca tertentu. Memisahkan ragam-ragam itu menggeser angkanya, meski tidak sebesar yang mungkin kamu kira, dan tidak selalu ke arah yang jelas.

Dialog adalah yang termudah dengan selisih cukup jauh: cakupan 90% tercapai di sekitar 810 karakter, dibandingkan 1.090 untuk campurannya, dan keunggulan itu melebar menjadi kira-kira 540 karakter saat kamu mencapai 99%. Bahasa lisan juga bukan sekadar sampel yang lebih kecil: bahasa lisan memakai karakter berbeda yang lebih banyak daripada kebanyakan materi tulis, tetapi tetap memusatkan lebih banyak teksnya pada beberapa ratus karakter yang paling umum. Bukan karena orang yang berbicara punya kosakata lebih sedikit; mereka hanya jauh lebih bergantung pada bagian teratas kosakata itu. Materi tulis juga bervariasi, tetapi dalam rentang yang lebih sempit: kira-kira 150 hingga 200 karakter antara yang termudah dan yang tersulit pada cakupan 90%, dan makin formulaik tulisannya, makin awal kurvanya mencapai titik itu.

Besarnya efek itu hanya beberapa ratus karakter di atas atau di bawah angka-angka tadi. Efek itu tidak memindahkanmu dari 1.000 ke 3.000. Kalau kamu banyak membaca prosa, kurvanya akan sedikit tertinggal; kalau kamu banyak membaca dialog, kurvanya akan lebih cepat.

Asal-usul angka “2.000-3.000”

Angka mitos itu tidak dikarang, dan sebenarnya juga tidak salah. Angka itu menjawab pertanyaan yang berbeda.

Tabel Karakter Mandarin Standar Umum memuat 3.500 karakter di tingkat pertamanya, yang digambarkan mencakup kebutuhan kehidupan sehari-hari, dan 8.105 secara keseluruhan. Penutur asli dewasa yang berpendidikan biasanya diperkirakan mengenal sekitar 6.000. Itu semua adalah hitungan inventaris: berapa banyak karakter yang dimuat sebuah standar, atau yang dikumpulkan seseorang sepanjang hidupnya.

Cakupan teks bersambung adalah ukuran yang berbeda, dan dengan ukuran itu, 2.000-3.000 jatuh di rentang 97-99%. Jadi angka itu diam-diam menggambarkan apa yang dibutuhkan untuk cakupan karakter yang hampir lengkap. Angka itu disodorkan kepada pemula seolah-olah harga tiket masuk, dan hanya itulah yang salah darinya: tidak ada yang menyebutkan bahwa sebagian besar manfaatnya datang di seperlima pertama perjalanan.

Artinya bagi apa yang kamu pelajari

Ada tiga kesimpulan, dan tidak ada yang rumit.

Urutan frekuensi mengalahkan urutan buku teks untuk seribu karakter pertama. Selama kurvanya masih curam, perbedaan antara daftar yang urutannya baik dan yang buruk sangat besar: urutan yang buruk bisa membuat usaha mempelajari ratusan karakter terbuang. Begitu kamu melewati 1.500, kurvanya cukup datar sehingga urutan tidak lagi terlalu penting, dan sebaiknya apa yang kamu baca yang menentukan apa yang kamu pelajari.

Pelajari karakter di dalam kata, bukan sebagai daftar. Argumen efisiensi untuk karakter memang nyata, tetapi karakter yang dipelajari secara terpisah hanyalah bentuk dengan arti yang ditempelkan. Jika dipelajari di dalam 电脑 atau 意思, karakter itu datang bersama hal yang sebenarnya kamu butuhkan, yaitu kata yang bisa kamu pakai.

Bersiaplah menghadapi fase stagnan, dan ubah taktik saat kamu sampai di sana. Latihan berulang sangat efisien di bagian yang curam dan sangat tidak efisien di bagian yang datar. Di kisaran 1.500 sampai 2.000 karakter, banyak membaca materi yang sedikit terlalu sulit mulai lebih ampuh daripada berlatih dengan kartu hafalan, seberapa pun tekunnya kamu, karena karakter yang tersisa cukup langka sehingga kamu baru benar-benar mempelajarinya saat menemuinya dalam konteks. Bacaan berjenjang dibuat persis untuk tahap itu, dan perbandingan kami tentang aplikasi terbaik untuk belajar bahasa Mandarin membahas aplikasi yang layak untuk waktumu.

Cara kami menghitung

Angka-angka di halaman ini berasal dari data frekuensi milik Hanzio sendiri. Data ini bersifat eksklusif, dibangun sendiri dari korpus besar bahasa Mandarin dalam ragam lisan maupun tulis, dan diberi bobot agar tidak ada satu ragam pun yang mendominasi.

Totalnya mencapai 33 miliar karakter Han dan 19.361 karakter yang berbeda. Setiap korpus dihitung secara terpisah dan dinormalisasi terhadap totalnya sendiri sebelum bobot diterapkan, sehingga korpus yang besar tidak bisa menenggelamkan korpus yang kecil. Karakter dihitung sebagaimana muncul dalam teks bersambung, termasuk di dalam kata yang terdiri dari beberapa karakter, itulah sebabnya totalnya berupa hitungan karakter, bukan hitungan kata. Setiap persentase di halaman ini adalah bagian dari token karakter, yaitu karakter yang benar-benar kamu temui, bukan bagian dari kamus.

Ada tiga batasan yang perlu disampaikan terus terang. Ini hanya berlaku untuk karakter sederhana: kami belum mengukur karakter tradisional, jadi tidak satu pun angka ini boleh dikutip untuknya. Campurannya adalah model, bukan pengukuran atas bacaanmu: model ini menggambarkan pembaca yang membagi perhatiannya antara bahasa Mandarin lisan dan tulis dalam proporsi tersebut, dan tidak ada yang persis melakukannya. Korpusnya membuang butir yang paling langka, yang sedikit sekali mendorong angka cakupan ke atas: efeknya kecil, tetapi arahnya optimis, bukan pesimis, dan kamu perlu tahu ke mana kecenderungannya.

Hanzio menampilkan angka frekuensi di setiap entri kamus: sebagai kata, sebagai unsur pembentuk di dalam kata yang lebih panjang, dan sebagai komponen karakter lain. Angka itu berupa skor pada skala 0-100, bukan peringkat seperti yang dipakai di sini, dan skor itu memisahkan penggunaan sebagai kata dan sebagai unsur pembentuk, sementara halaman ini menjumlahkan keduanya. Jadi skor itu secara umum berkorelasi dengan peringkat di sini, tetapi tidak identik: 不 berada di urutan kelima pada kurva halaman ini, tetapi pertama pada ukuran unsur pembentuk dan terakhir dalam kelompok itu pada ukuran kata yang berdiri sendiri. Datanya sama, pertanyaannya berbeda.

Pertanyaan yang sering diajukan

Apakah 2.000 karakter cukup untuk membaca koran berbahasa Mandarin?

Dengan 2.000 karakter, kamu mengenal sekitar 97% karakter dalam teks bersambung. Kedengarannya hampir lengkap, tetapi itu berarti kira-kira satu karakter tak dikenal di setiap 34 karakter, atau beberapa per paragraf. Kamu bisa mengikuti artikel berita dengan kamus terbuka dan menebak cukup banyak dari konteks. Namun, membaca dengan nyaman tanpa terputus butuh lebih dari sekadar karakter: kamu butuh kosakata yang dibentuk oleh karakter-karakter itu. Jadi, anggap 3.000 sebagai bagian karakter dari pekerjaan ini, bukan keseluruhannya.

Berapa banyak karakter yang dibutuhkan untuk mencakup 90% teks Mandarin sehari-hari?

Sekitar 1.090. Kurvanya curam di awal dan datar di akhir: 500 karakter sudah mencakup 75% teks bersambung dan 1.000 karakter mencakup 89%, tetapi setiap tambahan 500 karakter memberi lebih sedikit daripada 500 karakter sebelumnya. Untuk naik dari 90% ke 95%, kamu butuh kira-kira 500 karakter lagi.

Berapa banyak kata bahasa Mandarin yang perlu kamu kuasai?

Jauh lebih banyak daripada karakter. Untuk mencapai cakupan 89% yang sama dengan yang diberikan 1.000 karakter, kamu butuh sekitar 11.800 kata. Itulah alasan praktis untuk belajar karakter sejak awal: karakter adalah unit yang lebih kecil dan lebih sering dipakai ulang. Namun, itu bukan alasan untuk mempelajarinya sebagai pengganti kata, karena mengenal dua karakter tidak memberi tahu apa arti gabungannya.

Berapa banyak karakter yang dikenal penutur asli?

Penutur asli dewasa yang berpendidikan biasanya diperkirakan mengenal sekitar 6.000 karakter, dan sekolah di Tiongkok menargetkan kira-kira 3.500. Tabel standar nasional lengkapnya memuat 8.105 karakter. Itu adalah hitungan inventaris tentang isi sebuah standar, pertanyaan yang berbeda dari seberapa banyak teks bersambung yang dicakup oleh sejumlah karakter tertentu.

Apakah angka-angka ini berlaku untuk karakter tradisional?

Tidak. Semua yang ada di sini dihitung dari teks berkarakter sederhana, jadi angka-angkanya menggambarkan materi dari Tiongkok Daratan. Bentuk kurvanya, sangat curam di awal dan sangat datar di akhir, juga berlaku untuk karakter tradisional, tetapi kami belum mengukur angka untuk karakter tradisional, jadi kami tidak akan menyebutkan angka apa pun.

Karakter mana yang sebaiknya dipelajari lebih dulu?

Yang paling umum, dan urutan jauh lebih penting di awal daripada nanti. Tiga puluh karakter yang paling sering muncul saja sudah mewakili sekitar 23% dari semua yang kamu baca. Daftar apa pun yang diurutkan menurut frekuensi bisa dipakai; Hanzio menampilkan angka frekuensi di setiap entri kamus agar kamu bisa melihat seberapa umum sebuah karakter sebelum memutuskan untuk mempelajarinya.

Apakah angka-angka ini mencakup nama dan karakter langka?

Sebagian besar, ya. Hitungannya berasal dari daftar frekuensi kami sendiri yang dibangun dari teks mentah, jadi nama orang, nama tempat, dan nama merek semuanya termasuk, dan itu disengaja: semuanya bagian dari apa yang benar-benar kamu temui di sebuah halaman. Namun, daftar itu membuang entri yang paling langka, jadi ekor distribusinya sebenarnya sedikit lebih panjang daripada yang ditunjukkan angka-angka ini: 1% cakupan terakhir tersebar di ribuan karakter yang hanya akan kamu temui sekali, dan jumlahnya sedikit lebih banyak daripada yang kami hitung.

Perlukah bisa menulis karakter dengan tangan?

Tidak untuk membaca. Mengenali sebuah karakter dan menuliskannya dari ingatan adalah dua keterampilan yang berbeda, dan setiap angka di halaman ini hanya tentang mengenali. Menulis tangan memang membantu banyak pelajar membedakan karakter yang mirip, dan dengan cara itulah kebanyakan orang akhirnya sadar bahwa 未 dan 末 tidak sama bentuknya, tetapi itu tujuan yang terpisah.