Panduan
OCR PDF scan agar teks bisa dicari dan diperiksa
Ringkasan
OCR mengenali tulisan pada gambar scan sehingga teks dapat dicari atau diambil. Pilih bahasa dokumen, lalu bandingkan hasil dengan gambar sumber. Nama, nomor, serta angka penting tetap harus diperiksa karena teks yang terdengar wajar belum tentu terbaca dengan benar.
Perbaiki sumber sebelum meminta OCR membaca
Cap pudar dan lipatan di atas angka menimbulkan ketidakpastian bagi pembaca maupun pengenal teks. Buka scan pada ukuran besar. Pastikan tepi halaman lengkap, bayangan tidak menutupi tulisan, dan bentuk angka masih terlihat. Detail yang tidak terekam tidak bisa dianggap akan ditebak dengan benar.
Jika dokumen belum dipotret, mulai dari scan dokumen dengan HP. Sumber yang jelas mengurangi pekerjaan koreksi. Berkas yang sangat kecil tetapi kabur bukan titik awal yang baik hanya karena cepat diunggah.
Bagaimana menjalankan pengenalan teks?
Buka salinan pada OCR PDF, pilih bahasa yang sesuai, lalu proses halaman yang diperlukan. Simpan hasil dan buka kembali. Bedakan tujuan memperoleh PDF yang bisa dicari dari tujuan mengambil teks untuk disunting di tempat lain.
Dokumen berbahasa Indonesia bisa memuat nama daerah, singkatan, atau istilah asing. Bahasa yang sesuai membantu pembacaan, tetapi tidak menjamin seluruh nama dikenali. Kualitas scan dan jenis huruf tetap berpengaruh, terutama pada cetakan kecil.
Bagaimana mengecek hasil yang sungguh berguna?
Cari beberapa kata yang jelas terlihat pada sumber. Kemudian salin satu paragraf dan baca hasilnya. Pencarian yang berhasil hanya menguji contoh tersebut. Nomor surat di bagian lain masih mungkin salah meskipun kata pada judul sudah ditemukan.
Pada kuitansi, bandingkan nominal digit demi digit. Pada laporan dua kolom, perhatikan urutan kalimatnya. Kata-kata yang benar tetapi tersusun dengan urutan salah tetap menghasilkan teks yang tidak layak dipakai. Cocokkan juga penanda daftar dan catatan kaki.
Apakah hasilnya langsung menjadi dokumen kerja?
Lapisan teks membantu pencarian, tetapi tidak otomatis membangun paragraf dan tabel yang mudah disunting. Bila perlu menyusun ulang isi, gunakan petunjuk PDF ke Word dan periksa struktur dokumennya. Hindari menyebarkan hasil OCR tanpa koreksi untuk bagian yang menentukan keputusan.
Jika sesudahnya dibutuhkan format arsip, konversi PDF/A merupakan pemeriksaan berbeda. Kesesuaian format tidak menyatakan nama atau angka sudah benar. Simpan scan asal dan hasil yang telah diperiksa dengan penamaan yang jelas, supaya teks yang dipakai dapat ditelusuri ke sumbernya.
Pertanyaan umum
Apakah OCR bisa memperbaiki bagian yang hilang dari foto?
Tidak dapat diandalkan untuk mengembalikan informasi yang tidak terekam. Ambil sumber lebih jelas bila detail penting hilang.
Apakah pencarian yang berhasil berarti semua teks benar?
Tidak. Uji nama, nomor, angka, dan bagian lain secara terpisah dengan sumber.
Apakah pilihan bahasa menjamin tidak ada salah baca?
Tidak. Bahasa membantu, tetapi cetakan kecil, cap, dan gambar buram masih memerlukan pemeriksaan.
Apakah PDF yang bisa dicari sama dengan Word yang mudah diedit?
Tidak. Pencarian dan rekonstruksi paragraf atau tabel merupakan kebutuhan berbeda.