Hasil OCR Sudah Jadi Teks? Ini Cara Memeriksa Angka dan Tabelnya
Panduan memeriksa hasil OCR pada invoice, laporan, dan arsip scan agar angka, tanggal, serta urutan kolom tetap sesuai dokumen sumber.
Di dalam artikel ini
Coba Langsung: OCR PDF
Lihat opsi dan biaya alat sebelum memproses.
Bisa disalin belum tentu sudah benar
Setelah OCR selesai, teks yang sebelumnya berupa gambar bisa lebih mudah dipakai untuk pencarian atau pekerjaan lanjutan. Tetapi keberhasilan membuka hasil belum cukup untuk memastikan isi dokumen akurat. Pada invoice, satu karakter yang keliru dapat mengubah nomor referensi. Pada laporan, urutan teks yang bergeser bisa membuat angka terlihat milik baris lain.
Perlakukan hasil OCR sebagai salinan kerja yang perlu diperiksa. Pertahankan scan aslinya sebagai pembanding dan hindari menimpa satu-satunya berkas sumber.
Mulai dari gambar yang jelas
Dokumentasi Tesseract menjelaskan bahwa kemiringan halaman, noise, dan kualitas gambar dapat mengurangi akurasi OCR. Untuk mesin tersebut, resolusi sekitar 300 dpi atau lebih juga dapat membantu, bergantung pada materi. Ini bukan jaminan bahwa seluruh teks akan terbaca sempurna. Rujukan: panduan kualitas input Tesseract.
Saat memotret dokumen, letakkan halaman di permukaan rata, gunakan pencahayaan merata, dan pastikan seluruh tepinya masuk bingkai. Perbesar hasil foto untuk memeriksa teks kecil sebelum mengunggah. Bila halaman terlihat buram, mengambil ulang foto biasanya lebih masuk akal daripada mengulang pemrosesan pada gambar yang sama.
Periksa bagian yang paling berpengaruh lebih dulu
Susun pemeriksaan berdasarkan tujuan pemakaian dokumen. Untuk invoice, contoh urutannya dapat seperti berikut:
| Bagian | Yang dicocokkan dengan sumber |
|---|---|
| Identitas dokumen | Nomor invoice, nama penerbit, dan penerima |
| Tanggal | Tanggal terbit dan tenggat yang tercantum |
| Rincian | Nama item, jumlah, satuan, dan harga per item |
| Rekap | Subtotal, potongan, komponen tambahan, dan total |
| Catatan | Syarat atau keterangan yang memengaruhi pembacaan |
Jangan mengandalkan pemeriksaan ejaan untuk angka. Baca nomor penting per kelompok karakter sambil melihat sumber. Pada pekerjaan tim, minta orang kedua memeriksa data yang akan dipakai untuk keputusan atau pencatatan penting.
Baca tabel sebagai baris yang utuh
- Buka scan asli dan hasil OCR berdampingan.
- Pilih satu baris dari nama item sampai kolom terakhir.
- Cocokkan seluruh isi baris sebelum berpindah ke baris berikutnya.
- Periksa sel kosong, teks yang terpotong, serta catatan di bawah tabel.
- Tandai bagian yang tidak terbaca untuk dikonfirmasi, bukan ditebak.
Contoh pemeriksaan: jika baris sumber menyebut 3 unit dengan nilai per unit Rp25.000, pastikan hasil OCR tetap menempatkan angka 3 dan Rp25.000 pada item yang sama. Pemeriksaan sederhana ini membantu menemukan pergeseran kolom yang tidak terlihat saat membaca teks secara berurutan.
Simpan hasil yang sudah ditinjau
Beri nama yang membedakan sumber dan salinan, misalnya invoice-sumber.pdf dan invoice-ocr-ditinjau.txt, sesuai format keluaran yang tersedia. Catat tanggal pemeriksaan dan bagian yang diperbaiki di catatan kerja terpisah. Bila ada angka yang belum jelas, simpan statusnya sebagai perlu konfirmasi.
Mulai dari OCR PDF, baca opsi yang tersedia, lalu tinjau hasilnya dengan dokumen asli. Jika tujuanmu hanya menyalin teks dari PDF yang sudah memiliki lapisan teks, periksa juga pilihan di katalog alat agar prosesnya sesuai kebutuhan.
