Apa Itu File TXT? Teks Polos, Pengodean, dan UTF-8

TXT adalah format dokumen paling polos yang dimiliki komputer: tanpa huruf tebal, tanpa font, tanpa tata letak halaman, hanya karakter dan baris baru. Kesederhanaan itu membuatnya sangat mudah dipindahkan ke mana saja. File teks yang ditulis lima puluh tahun lalu bisa Anda buka hari ini, dan apa yang Anda tulis hari ini kemungkinan besar masih bisa dibuka puluhan tahun lagi. Namun, "teks polos" tidak sesederhana kelihatannya. Huruf beraksen yang berubah menjadi "é" atau "?", baris-baris yang menyatu jadi satu, karakter tak terlihat di awal file: semua ini berasal dari satu detail tersembunyi di dalam file TXT, yaitu pengodean karakternya. Artikel ini menjelaskan cara kerja file TXT dan cara mengatasi masalah-masalah tersebut.

Apa itu file TXT?

File berekstensi .txt hanya berisi karakter teks. Tidak ada header, metadata, maupun format; setiap byte adalah bagian dari teks itu sendiri. Pertanyaan pentingnya: byte mana mewakili karakter apa? Pemetaan itu disebut pengodean karakter (character encoding), dan file TXT biasanya tidak menyebutkan pengodean yang dipakainya. Program yang membukanya harus menebak.

Sejarah singkat: dari ASCII ke UTF-8

ASCII pertama kali diterbitkan pada 1963 sebagai ASA X3.4-1963. ASCII memakai 7 bit dan mendefinisikan 128 karakter: alfabet Inggris, angka, tanda baca, dan karakter kontrol seperti line feed. Huruf seperti é, ñ, ö, atau ı dan ş dalam bahasa Turki tidak termasuk dalam ASCII.

Untuk mengisi kekosongan itu, muncullah code page, yang memberikan 128 nilai sisa dari byte 8-bit kepada bahasa yang berbeda-beda: Windows-1252 dan ISO-8859-1 untuk bahasa-bahasa Eropa Barat, Windows-1254 dan ISO-8859-9 untuk bahasa Turki, dan masih banyak lagi. Masalahnya, byte yang sama berarti huruf yang berbeda di code page yang berbeda. Byte FD, misalnya, adalah "ý" di Windows-1252 tetapi "ı" di Windows-1254. Program yang salah menebak code page akan menampilkan teks secara keliru.

Solusi yang bertahan adalah Unicode, yang memberi setiap karakter di setiap sistem tulisan satu nomor unik. UTF-8 adalah cara yang paling banyak dipakai untuk mengubah nomor-nomor itu menjadi byte. Menurut cerita Rob Pike, Ken Thompson merancang UTF-8 di atas alas piring di sebuah diner di New Jersey pada suatu malam sekitar September 1992. Definisinya yang berlaku saat ini adalah RFC 3629 dari November 2003: UTF-8 mengodekan setiap karakter dari U+0000 hingga U+10FFFF dalam 1 sampai 4 byte, dan menulis karakter ASCII sebagai byte tunggal yang sama seperti ASCII.

Web menunjukkan betapa dominannya UTF-8: menurut data W3Techs per 15 Oktober 2026, 99,1% situs web yang pengodean karakternya diketahui memakai UTF-8, disusul ISO-8859-1 sebesar 0,8% dan Windows-1252 sebesar 0,2%.

Apa isi sebuah file TXT?

Karakter dan byte

Simpan kata "café" sebagai UTF-8 dan sebagai Windows-1252, dan Anda akan mendapatkan byte yang berbeda:

Teks:           c   a   f   é
UTF-8:          63  61  66  C3 A9   (5 byte)
Windows-1252:   63  61  66  E9      (4 byte)

Program yang membaca file UTF-8 sebagai Windows-1252 menampilkan C3 dan A9 sebagai dua karakter terpisah, "é". Sebaliknya, program yang membaca file Windows-1252 sebagai UTF-8 menganggap E9 tidak valid dan menampilkan "�" sebagai gantinya. Hampir semua masalah karakter rusak adalah salah satu dari dua skenario ini.

BOM (byte order mark)

Sebagian program menaruh byte EF BB BF di awal file UTF-8. Ini adalah bentuk UTF-8 dari karakter U+FEFF, yang dipakai sebagai tanda tangan yang berarti "file ini UTF-8". RFC 3629 mencatat bahwa tanda tangan ini selalu muncul sebagai tiga byte tersebut. Menurut FAQ Unicode, BOM tidak diwajibkan dalam UTF-8 dan hanya berfungsi sebagai tanda tangan, serta sebaiknya dihindari dalam protokol yang mengharapkan karakter ASCII di awal file. Dalam praktiknya, BOM membantu sebagian program Windows lama dan Excel mengenali UTF-8, tetapi bisa merusak skrip shell Unix dan file konfigurasi yang dibaca perangkat lunak tertentu.

Di UTF-16, BOM bahkan lebih penting karena memberi tahu pembaca urutan byte-nya: FF FE berarti UTF-16 little-endian dan FE FF berarti big-endian.

Akhir baris

Karakter yang menandai akhir baris juga bergantung pada sistem operasi:

Selama bertahun-tahun, Notepad di Windows hanya memahami CRLF, sehingga file yang ditulis di Linux tampil sebagai satu baris panjang. Microsoft mengumumkan dukungan LF dan CR untuk Notepad pada 8 Mei 2018, dan perubahan ini sampai ke pengguna melalui Windows 10 versi 1809.

Di mana TXT digunakan?

• Catatan dan draf: catatan cepat yang tidak memerlukan format.
• Perangkat lunak: file README, teks lisensi, kode sumber, file konfigurasi, dan log.
• Pertukaran data: daftar sederhana dan hasil ekspor yang dipindahkan antarsistem.
• Penyimpanan jangka panjang: teks yang harus diarsipkan tanpa bergantung pada aplikasi apa pun.
• Aksesibilitas dan pemrosesan: masukan paling bersih untuk pembaca layar, mesin pencari, dan alat analisis teks.

Kelebihan dan kekurangan

Kelebihan: bisa dibuka di semua perangkat dan sistem operasi. Ukuran file-nya sangat kecil. Tidak bergantung pada versi program dan risiko kerusakannya sangat kecil. Sistem kontrol versi seperti Git bisa menampilkan perubahan baris demi baris. TXT tidak bisa membawa makro atau objek tersemat, sehingga aman.

Kekurangan: tidak bisa menyimpan format, gambar, tabel, atau tautan. Karena pengodeannya tidak dicatat di dalam file, pengodean bisa salah ditebak. Perbedaan akhir baris menimbulkan masalah kecil tetapi menjengkelkan antarsistem. Jika Anda membutuhkan struktur seperti judul dan daftar, Markdown adalah pilihan yang lebih baik.

Program apa yang bisa membuka TXT?

Notepad di Windows, TextEdit di macOS, serta gedit dan editor serupa di Linux semuanya bisa membuka TXT, dan browser bisa menampilkan file teks secara langsung. Editor tingkat lanjut seperti Visual Studio Code, Notepad++, dan Sublime Text menampilkan pengodean dan jenis akhir baris di bilah status serta memungkinkan Anda mengubah keduanya dengan sekali klik, sehingga menjadi alat paling praktis untuk mendiagnosis masalah pengodean.

Masalah umum dan cara mengatasinya

Karakter beraksen tampil seperti "é" atau "ü"

File disimpan sebagai UTF-8, tetapi program yang membacanya mengira Windows-1252. Buka ulang sebagai UTF-8 di editor yang memungkinkan Anda memilih pengodean. Jika file CSV atau teks tampil seperti ini di Excel, menyimpannya sebagai UTF-8 dengan BOM biasanya menyelesaikan masalah.

Karakter diganti dengan "?" atau "�"

File disimpan dalam code page lama tetapi dibaca sebagai UTF-8. Buka di editor dengan code page yang benar, lalu simpan sebagai UTF-8. Jika teks sudah tersimpan dengan karakter "?" sungguhan, karakter aslinya sudah hilang dan Anda harus kembali ke sumbernya.

Semua teks tampil dalam satu baris

Editor lama tidak memahami akhir baris LF. Gunakan Notepad versi terbaru atau editor tingkat lanjut, atau ubah akhir barisnya menjadi CRLF.

Ada karakter tak terlihat di awal file

Biasanya itu adalah BOM. Jika sebuah skrip atau file konfigurasi gagal di baris pertamanya, simpan sebagai "UTF-8 tanpa BOM".

Tips mengonversi file TXT

Di konverter kami, file TXT diunggah ke server kami dan dihapus dalam 30 menit. Pengodean dideteksi secara otomatis: pertama BOM diperiksa (UTF-8, UTF-16 little-endian dan big-endian); jika tidak ada BOM, file diperiksa apakah UTF-8 yang valid; jika bukan UTF-8 yang valid, file dibaca sebagai Windows-1254, code page Windows lama untuk bahasa Turki. File yang mengandung banyak byte NUL diperlakukan sebagai file biner, bukan teks, dan Anda akan mendapat pesan "ini bukan file teks".

• Dengan TXT ke Word dan TXT ke PDF, setiap baris menjadi paragraf dan baris kosong dipertahankan. Indentasi di awal baris (kode, puisi, atau butir bernomor) diubah menjadi spasi tak terputus agar tidak hilang, dan tab di awal baris menjadi empat spasi.
• TXT ke Markdown adalah titik awal yang baik jika Anda ingin memperkaya teks polos dengan judul dan daftar di kemudian hari.
• Untuk arah sebaliknya, PDF ke TXT dan Word ke TXT membuang format serta memisahkan judul dan paragraf dengan baris kosong. File TXT yang kami hasilkan disimpan sebagai UTF-8 dengan BOM agar karakter beraksen tampil benar di program seperti Notepad dan Excel.

Pertanyaan yang Sering Diajukan

Dengan pengodean apa sebaiknya file TXT disimpan?

UTF-8 untuk file baru. UTF-8 mendukung semua bahasa dan sudah hampir universal di web. Lewati BOM jika file akan dibaca perangkat lunak yang mengharapkan UTF-8 tanpa BOM; tambahkan BOM jika file akan dibuka di program seperti Excel.

Apa perbedaan UTF-8 dan UTF-8 dengan BOM?

Isinya identik; versi dengan BOM hanya diawali byte EF BB BF. Tanda tangan itu membantu sebagian program mendeteksi pengodean, tetapi di program lain bisa muncul sebagai karakter pertama yang tak terlihat.

Apa perbedaan TXT dan RTF?

TXT hanya berisi karakter. RTF membawa format seperti tebal, miring, font, dan tabel melalui perintah kontrol yang disisipkan di dalam teks. Jika Anda tidak membutuhkan format, TXT lebih sederhana dan lebih mudah dipindahkan.

Bagaimana cara mengetahui pengodean file TXT?

Editor seperti Visual Studio Code dan Notepad++ menampilkan pengodean di bilah status. Notepad versi terbaru juga menampilkan pengodean dan jenis akhir baris di bilah status.

Bisakah file TXT mengandung virus?

File teks polos tidak mengandung kode yang bisa dijalankan dengan sendirinya. Waspadai ekstensi ganda seperti "dokumen.txt.exe"; menampilkan ekstensi file di Windows membantu Anda mengenali trik tersebut.

Sumber

• IETF RFC 3629: UTF-8, a transformation format of ISO 10646 (November 2003)
• Unicode Consortium: FAQ UTF-8, UTF-16, UTF-32, dan BOM
• Rob Pike: sejarah UTF-8
• W3Techs: Statistik penggunaan pengodean karakter di situs web
• Microsoft: Introducing extended line endings support in Notepad (8 Mei 2018)
• Wikipedia: ASCII (sumber sekunder)