Supernatural — Top 100 Words

← Supernatural Semua Episode

Bagi pembelajar bahasa Inggris yang menyukai serial Supernatural, Anda akan menemukan banyak kosakata sehari-hari yang diulang di setiap musim. Kata kerja seperti check out (B1 – memeriksa), figure out (B2 – mencari tahu), dan pick up where one left off (C1 – melanjutkan dari yang terhenti) sering muncul saat Dean dan Sam menyelidiki kasus. Frasa go through (B1 – melewati), let go (B2 – melepaskan), serta umpatan seperti what the hell (B1) dan son of a bitch (B2) membuat dialog terasa alami. Kata dasar seperti save (A2 – menyelamatkan), come back (A2 – kembali), swear (B1 – bersumpah), dan stop (A2 – berhenti) dipadukan dengan istilah bertema monster: trap (B1 – jebakan), hunt (B1 – berburu), family business (B2 – urusan keluarga), go after (B1 – mengejar), show up (B1 – muncul), vanish (B2 – lenyap), wake up (A2 – bangun), dan nightmare (B1 – mimpi buruk). Serial ini ideal karena kosakata diucapkan berulang dalam konteks menegangkan, membantu Anda mengingat makna secara alami.

Untuk belajar tanpa mengganggu alur cerita, SaveWordly menawarkan solusi unik. Janji intinya: Anda tetap menikmati tontonan tanpa jeda atau gangguan. Begini cara kerjanya: pertama, browse daftar kata (termasuk kosakata di atas) sebelum menonton episode Supernatural – ini membangun familiaritas awal. Kedua, tonton episode tanpa berhenti untuk memutar atau mencatat; fokus sepenuhnya pada cerita. Ketiga, setelah selesai, simpan kata-kata yang ingin Anda ingat ke dalam bank pribadi. Terakhir, latih dengan AI tutor yang menciptakan latihan interaktif agar kosakata benar-benar melekat di ingatan. Tidak perlu menyela pemutaran – semua terjadi di luar waktu menonton.

Supernatural paling cocok untuk pembelajar tingkat A2 (dasar) hingga C1 (mahir). Kosakata dasar seperti save atau come back mudah dipahami pemula, sementara idiom seperti pick up where one left off dan istilah spesifik (trap, hunt) menantang pelajar menengah. Dialog antarkarakter seperti Dean, Sam, Castiel, dan Bobby Singer kaya akan ekspresi emosional dan frasa sehari-hari, menjadikannya sumber belajar yang autentik dan menghibur.

#	Word / Phrase	Level	Count
1	check out	A2	25	+
2	figure out	B1	17	+
3	pick up where one left off	B2	15	+
4	go through	B1	15	+
5	let go	A2	14	+
6	what the hell	B1	12	+
7	son of a bitch	B2	11	+
8	trap	B1	9	+
9	hunt	B1	9	+
10	take off	B1	9	+
11	family business	B1	9	+
12	save	B1	8	+
13	come back	A2	8	+
14	swear	B1	8	+
15	go after	B1	8	+
16	show up	B1	8	+
17	vanish	B1	8	+
18	wake up	A2	7	+
19	nightmare	B1	7	+
20	stop	A1	7	+
21	find out	B1	7	+
22	freak out	B1	7	+
23	pick up	B1	7	+
24	go missing	B1	7	+
25	hunting trip	B1	7	+
26	get out of here	A2	6	+
27	calm down	B1	6	+
28	end	A2	6	+
29	go on	A2	6	+
30	hand over	B1	6	+
31	take	B1	6	+
32	possess	B2	6	+
33	take care of	A2	6	+
34	tie up	B1	5	+
35	got to	A2	5	+
36	lock up	B1	5	+
37	help out	B1	5	+
38	deal with	B1	5	+
39	tell the truth	A2	5	+
40	murder	B1	5	+
41	do a favor	B1	5	+
42	see	A2	5	+
43	finish	A2	5	+
44	disappear	B1	5	+
45	know	B1	5	+
46	mean it	B1	5	+
47	find	A2	5	+
48	grab	B1	4	+
49	pull over	B1	4	+
50	kind of	A2	4	+
51	screw up	B2	4	+
52	get	A2	4	+
53	make out	B2	4	+
54	get hurt	B1	4	+
55	better safe than sorry	B1	4	+
56	look for	A2	4	+
57	cut off	B1	4	+
58	poltergeist	B2	4	+
59	blame	B1	4	+
60	hurry up	A2	4	+
61	miss something	B1	4	+
62	shut up	B1	4	+
63	come true	B1	4	+
64	make it	B1	4	+
65	back up	B1	4	+
66	hit the road	B1	4	+
67	drown	B1	4	+
68	responsibility	B1	4	+
69	summon	B2	4	+
70	put down	B1	4	+
71	nuts	B1	4	+
72	come in	A2	4	+
73	freak	B2	4	+
74	in danger	B1	4	+
75	move in	B1	4	+
76	gig	B1	4	+
77	tell	A2	4	+
78	die	B1	4	+
79	make sense	B1	4	+
80	haunt	B2	4	+
81	survive	B1	4	+
82	pull off	B1	4	+
83	control	B1	4	+
84	get it	A2	4	+
85	keep an eye on	B1	4	+
86	have got to	A2	4	+
87	go ahead	A2	4	+
88	grow up	A2	4	+
89	waste	B1	3	+
90	road trip	B1	3	+
91	ask around	B1	3	+
92	lore	B2	3	+
93	not bad	A2	3	+
94	watch out for	B1	3	+
95	stay back	B1	3	+
96	piss off	B1	3	+
97	hook up	B2	3	+
98	kill	B1	3	+
99	suspect	B1	3	+
100	what's going on	A2	3	+

* These frequency counts are approximate values based on AI-extracted vocabulary data.