KBBI (Kamus Besar Bahasa Indonesia) - Data Lengkap

Data lengkap Kamus Besar Bahasa Indonesia (KBBI) Edisi VI yang diekstrak dari aplikasi resmi KBBI Kemendikdasmen versi 6.0.2.

194.692 entri dengan definisi, contoh, kata turunan, gabungan kata, peribahasa, dan lainnya.

Statistik Data

Field	Jumlah
Total entri	194.692
Entri dengan makna/definisi	193.869
Entri dengan contoh penggunaan	35.072
Entri dengan kata turunan	11.481
Entri dengan gabungan kata	10.187
Entri dengan peribahasa	1.407
Entri dengan etimologi	102
Error	0

Format Data

File kbbi_v6_data.json berisi array of objects dengan struktur:

{
  "kata": "rumah",
  "lema": ["ru.mah"],
  "makna": [
    "1. [n]  bangunan untuk tempat tinggal\n\n2. [n]  bangunan pada umumnya (seperti gedung)"
  ],
  "contoh": ["..."],
  "turunan": ["berumah", "perumahan", "..."],
  "gabungan_kata": ["rumah makan", "rumah sakit", "..."],
  "peribahasa": ["..."],
  "kiasan": ["..."],
  "varian": ["..."],
  "dasar": ["..."],
  "pelafalan": "...",
  "etimologi": "..."
}

Penjelasan Field

Field	Keterangan
kata	Kata kunci (headword)
lema	Lema dengan penanda suku kata (titik) dan homonim
makna	Definisi/arti. Prefix: [n] = nomina, [v] = verba, [a] = adjektiva, [adv] = adverbia, dll. <It> = bahasa asal, {Olr} = bidang ilmu
contoh	Contoh penggunaan dalam kalimat
pelafalan	Cara pelafalan
etimologi	Asal-usul kata
turunan	Kata turunan
gabungan_kata	Gabungan kata / frasa
peribahasa	Peribahasa terkait
kiasan	Ungkapan kiasan
varian	Varian kata
dasar	Kata dasar

Field yang kosong tidak disertakan dalam entri untuk menghemat ukuran file.

Contoh Entri

"tifosi"

{
  "kata": "tifosi",
  "lema": ["ti.fo.si"],
  "makna": ["[n]  <It>  {Olr}  sebutan untuk pendukung fanatik klub olahraga, khususnya yang tergabung dalam tifo"]
}

"cinta"

{
  "kata": "cinta",
  "lema": ["cin.ta"],
  "makna": [
    "1. [a]  suka sekali; sayang benar\n\n2. [a]  kasih sekali; terpikat (antara laki-laki dan perempuan)\n\n3. [a]  ingin sekali; berharap sekali; rindu\n\n4. [a]  (kl)  susah hati (khawatir); risau"
  ]
}

Cara Ekstraksi (Teknis)

Data ini diekstrak dari APK resmi KBBI Kemendikdasmen v6.0.2 melalui proses reverse engineering berikut:

1. Ekstrak APK

APK adalah file ZIP biasa. Ekstrak untuk mendapatkan assets/ yang berisi data kamus:

assets/composeResources/.../files/dictdata/
  acu_nilai.txt      # Daftar kata (word list)
  acu_offlens.txt    # Offset & file number tiap entri
  acu_desc_0.s       # Data deskripsi terenkripsi (file 0-27)
  ...
  acu_desc_27.s

2. Decompile APK

Gunakan jadx untuk decompile APK ke source code Java:

# Download jadx
# https://github.com/skylot/jadx/releases

# Decompile
jadx -d output_dir kbbi.apk

Dari source code yang di-decompile, ditemukan:

• Enkripsi menggunakan Salsa20 stream cipher
• Data dikompresi dengan GZIP setelah enkripsi
• Key 32 byte dan nonce 8 byte di-hardcode dalam aplikasi (di-obfuscate melalui hash computation)

3. Format Binary Kustom

Aplikasi menggunakan format binary kustom:

ValueReader (Varint Encoding):

• Byte 0-239: nilai langsung
• Byte 254: 1 byte berikutnya
• Byte 253: 1 byte berikutnya | 256
• Byte 252: 2 byte berikutnya (big-endian)
• Byte 251: 2 byte berikutnya | 65536
• Byte 250: 3 byte berikutnya (big-endian)

acu_nilai.txt (Word List):

[varint: jumlah kata]
[uint8: panjang kata 1][raw string: kata 1]
[uint8: panjang kata 2][raw string: kata 2]
...

acu_offlens.txt (Offsets):

[varint: jumlah entri]
Untuk setiap entri:
  [varint: delta offset]     # jika 65535 → file number baru, baca varint lagi
  File number disimpan di bit 24-31, offset di bit 0-23

Entry Format (CAV - Code-Attribute-Value):

Setiap entri adalah sequence byte codes:

Code	Tipe Arg	Keterangan
0	string	Teks definisi
1	string	Lema
2	string	Pelafalan
3	string	Entri terkait
4	string	Etimologi
5	string	Lema (bold italic)
10	-	Penanda bagian: Varian
11	-	Penanda bagian: Dasar
12	-	Penanda bagian: Gabungan kata
13	-	Penanda bagian: Kata turunan
14	-	Penanda bagian: Peribahasa
15	-	Penanda bagian: Kiasan
20	string	Kelas kata
21	string	Bahasa asal
22	string	Bidang ilmu
23	string	Nama ilmiah
24	string	Rumus kimia
25	string	Ragam
30	-	Label: ki (kiasan)
31	-	Label: kp (kepanjangan)
32	-	Label: akr (akronim)
33	-	Label: ukp (ungkapan)
40	number	Rujukan (index ke word list)
41	number	Rujukan panah
42	string	Teks bold
50	string	Contoh penggunaan
60	string	Bold
61	string	Italic
62	string	Subscript
63	string	Superscript
74	string	Subscript berwarna
255	-	End of entry

4. Pipeline Dekripsi

File .s (encrypted) → Salsa20 decrypt → GZIP decompress → Binary data → Parse CAV codes → JSON

5. Jalankan Extractor

npm install @stablelib/salsa20
node extract_v6.js

Catatan Penting tentang Decompiler

Saat men-decompile dengan jadx, terdapat bug decompiler pada operasi Kotlin hashCode().toLong() shl 31. jadx menerjemahkan ini sebagai Java hashCode() << 31 (operasi 32-bit), padahal seharusnya ((long) hashCode) << 31 (operasi 64-bit). Perbedaan ini menghasilkan key enkripsi yang salah. Perlu verifikasi dengan bytecode asli atau source code original untuk mendapatkan key yang benar.

Privasi & Kontak

Data ini diekstrak dari aplikasi KBBI yang tersedia secara publik di Google Play Store untuk keperluan pendidikan dan penelitian.

Jika ada masalah terkait privasi, hak cipta, atau permintaan penghapusan, silakan hubungi:

Email: prasetyo.rahman@icloud.com

Lisensi

Data kamus adalah milik Badan Pengembangan dan Pembinaan Bahasa, Kemendikdasmen Republik Indonesia.

Script ekstraksi dalam repository ini disediakan apa adanya (as-is) untuk keperluan pendidikan dan penelitian.

Kredit

• KBBI: Badan Pengembangan dan Pembinaan Bahasa, Kemendikdasmen RI
• Aplikasi KBBI: yuku
• Decompiler: jadx
• Salsa20: @stablelib/salsa20