Cara membuat PDF hasil scan bisa dicari, dipilih, dan disalin (OCR)
Oleh Tim mypdf.id ·
Dokumen hasil scan atau foto terlihat seperti teks, tetapi sebenarnya hanya gambar. Anda tidak bisa mencari kata di dalamnya, menyalin kalimat, atau mengubahnya ke Word. Teknologi yang menyelesaikan masalah ini disebut OCR (Optical Character Recognition), yaitu mengenali huruf pada gambar dan menjadikannya teks sungguhan.
Panduan ini memakai OCR PDF di mypdf.id. Alatnya gratis, mendukung bahasa Indonesia, dan berjalan di browser Anda tanpa mengunggah scan ke server.
Bagaimana tahu PDF perlu OCR?
Ada uji sederhana. Buka PDF di browser atau aplikasi pembaca, lalu coba blok satu baris teks dengan kursor. Atau tekan Ctrl+F dan cari satu kata yang jelas ada di halaman.
- Kalau teks bisa diblok dan kata ditemukan, PDF sudah memuat teks dan tidak perlu OCR.
- Kalau tidak bisa diblok atau pencarian tidak menemukan apa pun, halamannya hanya gambar. Inilah yang perlu OCR.
Langkah menjalankan OCR
- Buka OCR PDF, lalu pilih atau seret satu file PDF hasil scan.
- Pilih bahasa dokumen. Centang semua bahasa yang ada, misalnya Indonesia dan Inggris. Paket bahasa diunduh saat pertama kali dipakai.
- Pilih resolusi. Tinggi (bawaan) cocok untuk dokumen kantor biasa. Ultra untuk tulisan kecil atau scan buram. Standar bila ingin lebih cepat.
- Mulai prosesnya, lalu unduh PDF yang sudah bisa dicari. Anda juga bisa menyalin atau mengunduh teks hasil OCR sebagai file .txt.
Tampilan dokumen tidak berubah. Halaman asli tetap sama, dan di atas tulisan pada scan ditambahkan lapisan teks yang tidak terlihat. Hasilnya, dokumen tampak identik tetapi teksnya kini bisa dicari dan disalin.
Tips agar hasil OCR akurat
Kualitas hasil sangat bergantung pada kualitas scan.
- Scan yang terang, jelas, dan lurus. Halaman miring sebaiknya diluruskan dulu dengan Luruskan PDF.
- Aktifkan binarisasi bila scan pudar atau kontrasnya rendah.
- Pakai teks cetak. OCR bekerja paling baik pada tulisan cetak. Tulisan tangan umumnya tidak terbaca baik.
- Pilih resolusi Ultra untuk tulisan kecil atau halaman yang buram, walaupun prosesnya lebih lama.
- Foto dari HP sebaiknya diambil di tempat terang, dari atas, tanpa bayangan.
Kalau yang Anda punya masih berupa foto
Foto dokumen dari HP perlu diubah ke PDF dulu sebelum di-OCR. Gunakan JPG ke PDF, gabungkan beberapa halaman bila perlu, lalu jalankan OCR pada hasilnya.
Apa yang bisa dilakukan setelah OCR?
Begitu teksnya bisa dikenali, banyak hal jadi mungkin:
- Mencari kata di seluruh dokumen dengan Ctrl+F.
- Menyalin kutipan untuk catatan, skripsi, atau laporan.
- Mengubah ke Word dengan PDF ke Word agar isinya bisa diedit.
- Mengambil teks saja sebagai file .txt, terpisah dari PDF.
Perlu diingat, mesin OCR tidak sempurna. Nama, angka, dan istilah khusus sebaiknya diperiksa ulang sebelum dipakai di dokumen resmi.
Ukuran file dan privasi
Mesin OCR dan paket bahasa diunduh ke browser, sedangkan halaman scan dan teks hasil pengenalan tetap di perangkat Anda. Ini penting karena dokumen yang di-scan sering berisi data sensitif seperti KTP, ijazah, atau surat resmi. Bila ukuran PDF hasilnya besar, kecilkan dengan Kompres PDF.
Pertanyaan yang Sering Diajukan
Bagaimana tahu PDF saya perlu OCR?
Coba blok satu baris teks di aplikasi pembaca PDF. Kalau tidak bisa dipilih atau pencarian tidak menemukan apa pun, halamannya hanya gambar dan perlu OCR.
Apakah bahasa Indonesia didukung?
Ya. Tersedia lebih dari 100 bahasa termasuk Indonesia. Centang semua bahasa yang muncul di dokumen agar halaman berbahasa campuran terbaca sekaligus.
Apakah tampilan dokumen berubah setelah OCR?
Tidak. Halaman asli tetap sama, lalu ditambahkan lapisan teks tak terlihat tepat di atas tulisan pada scan. Tampilannya sama tetapi teks bisa dicari dan disalin.
Bisakah membaca tulisan tangan?
Kurang andal. Mesin OCR dilatih untuk teks cetak, jadi tulisan tangan umumnya menghasilkan teks yang kacau.