OCR PDF ke Excel: Mengubah Laporan Scan Jadi Data
Untuk mengubah PDF hasil scan menjadi Excel, Anda butuh OCR (Optical Character Recognition), yaitu teknologi yang “membaca” huruf dan angka dari gambar. PDF scan pada dasarnya adalah foto, jadi fitur konversi biasa tidak bisa mengambil teksnya. Setelah OCR membaca isinya, tabel perlu disusun ulang ke kolom dan baris yang benar, lalu dicek.
Situasinya mungkin Anda kenal: setiap akhir bulan ada rekening koran, laporan stok dari gudang cabang, atau tagihan supplier yang datang dalam bentuk PDF scan. Admin mengetik ulang ke Excel, baris demi baris. Makan waktu, dan satu angka salah ketik bisa bikin total tidak cocok. Artikel ini membahas pilihan cara, batasannya, dan kapan sebaiknya diotomatisasi.
Kenapa tabel di PDF scan sulit diekstrak
Ada dua jenis PDF, dan bedanya besar:
- PDF digital (native). Dibuat langsung dari aplikasi, misalnya export laporan dari software akuntansi. Teksnya bisa diblok dan di-copy. Tabelnya relatif mudah diambil.
- PDF scan. Hasil memindai kertas atau foto HP. Isinya gambar, tidak ada teks sama sekali sampai OCR membacanya.
Cara cepat mengeceknya: buka PDF, coba blok satu angka. Kalau bisa diblok dan di-copy, itu PDF digital. Kalau yang terpilih seluruh halaman seperti gambar, itu PDF scan.
Pada PDF scan, tantangannya bukan hanya membaca huruf. OCR juga harus menebak struktur tabel: mana batas kolom, baris mana yang merupakan lanjutan dari baris sebelumnya, dan angka mana yang masuk kolom debit atau kredit. Masalah yang sering muncul:
- Garis tabel tipis atau tidak ada, sehingga kolom bergeser.
- Hasil scan miring, buram, atau ada cap dan tanda tangan di atas angka.
- Format angka Indonesia (titik sebagai pemisah ribuan, koma untuk desimal) terbaca sebagai format lain.
- Tabel yang terpotong di dua halaman, dengan header yang berulang.
Kalau Anda ingin memahami dasar OCR lebih dalam, baca dulu OCR adalah: cara kerja dan pemakaiannya di bisnis.
Opsi tools dan batasannya
Berikut pilihan yang umum, dari yang paling sederhana.
| Cara | Cocok untuk | Batasan utama |
|---|---|---|
| Power Query di Excel (Get Data dari PDF) | PDF digital | Tidak bisa membaca PDF scan karena tidak ada teksnya |
| Excel “Data from Picture” | Satu tabel kecil dari gambar atau screenshot | Satu gambar per proses, harus dicek manual |
| Google Drive (buka PDF dengan Google Docs) | Mengambil teks dari scan sederhana | Tabel biasanya tidak dipertahankan |
| Tools konversi PDF ke Excel online | Dokumen sesekali | Hati-hati dengan data sensitif yang diunggah ke pihak ketiga |
| Ekstraksi dengan AI | Dokumen beragam dan volume rutin | Perlu validasi dan pengaturan awal |
Beberapa catatan penting:
Power Query bisa mengambil tabel dari PDF, tapi hanya dari PDF digital. Untuk PDF scan, hasilnya biasanya kosong karena tidak ada teks yang bisa dibaca. Kalau laporan Anda sebenarnya bisa diminta dalam bentuk PDF digital atau Excel dari sistem sumbernya, itu jalan paling mudah. Coba tanya dulu sebelum repot dengan OCR.
Data from Picture di Excel bisa mengubah gambar tabel menjadi sel. Caranya lewat menu Data, lalu From Picture. Fitur ini bekerja per gambar, jadi untuk PDF banyak halaman Anda perlu screenshot satu per satu. Bahasa Indonesia juga tidak tercantum di daftar bahasa yang didukung resmi, jadi teks berbahasa Indonesia perlu dicek lebih teliti. Angka biasanya lebih aman dibaca daripada teks.
Google Drive bisa melakukan OCR dengan membuka PDF atau gambar memakai Google Docs. Menurut panduan resmi Google, teks dan format dasar cenderung terbaca, tapi tabel dan kolom biasanya tidak terdeteksi. Jadi cocok untuk mengambil teks, kurang cocok untuk tabel angka.
Ekstraksi tabel dengan AI
Beberapa tahun terakhir, model AI yang bisa membaca gambar (sering disebut model multimodal) membuat ekstraksi tabel jauh lebih praktis. Bedanya dengan OCR klasik: AI membaca karakter sekaligus memahami konteks. Ia bisa mengerti bahwa kolom “Mutasi” dengan tanda “DB” berarti debit, atau bahwa baris tanpa tanggal adalah lanjutan keterangan dari baris sebelumnya.
Alurnya biasanya seperti ini:
- PDF dipecah per halaman dan dikirim ke model AI.
- AI diminta mengembalikan data dengan format yang sudah ditentukan, misalnya kolom tanggal, keterangan, debit, kredit, saldo.
- Hasilnya disusun ke spreadsheet atau database.
- Sistem menjalankan pengecekan otomatis (dibahas di bagian berikutnya).
- Baris yang meragukan ditandai untuk dicek manusia.
Untuk dokumen dengan format tetap seperti KTP, NPWP, atau faktur, pendekatannya mirip. Kami membahasnya di artikel AI OCR untuk KTP, NPWP, dan faktur.
Satu hal yang perlu diperhatikan: AI bisa salah dengan sangat meyakinkan. Angka 8 terbaca 3, atau satu baris terlewat. Karena itu, jangan pernah memakai hasil ekstraksi AI tanpa pengecekan.
Mengecek hasil dengan total
Cara paling andal untuk memastikan hasil OCR benar adalah memakai angka kontrol yang sudah ada di dokumen itu sendiri. Hampir semua laporan keuangan punya angka seperti ini.
- Rekening koran: saldo awal + total kredit − total debit harus sama dengan saldo akhir. Cek juga saldo berjalan di setiap baris.
- Laporan stok: stok awal + masuk − keluar = stok akhir, per item.
- Tagihan atau faktur: jumlah semua baris harus sama dengan subtotal, dan subtotal + pajak = total.
- Jumlah baris: kalau dokumen mencantumkan jumlah transaksi, bandingkan dengan jumlah baris hasil ekstraksi.
Pengecekan ini bisa dibuat dengan rumus sederhana di Excel. Kalau totalnya selisih, Anda tahu ada baris yang salah baca atau terlewat, dan cukup mengecek halaman tempat selisih itu muncul.
Setelah angkanya cocok, biasanya masih perlu sedikit perapian: format tanggal diseragamkan, spasi berlebih dihapus, nama supplier dibakukan. Langkah ini biasa disebut data cleaning.
Mengotomatisasi untuk volume besar
Untuk beberapa dokumen per bulan, cara manual dengan tools di atas masih masuk akal. Tapi kalau tim Anda memproses puluhan sampai ratusan PDF per bulan, misalnya klinik yang menerima tagihan dari banyak supplier atau distributor yang merekap laporan dari banyak cabang, otomatisasi mulai layak.
Contoh alur otomatis:
- PDF masuk ke satu folder Google Drive atau alamat email khusus.
- Workflow (misalnya di n8n) mendeteksi file baru dan mengirimnya ke layanan ekstraksi AI.
- Hasilnya divalidasi dengan total seperti di atas.
- Data yang lolos masuk ke Google Sheets atau langsung ke sistem akuntansi lewat API.
- Dokumen yang gagal validasi masuk antrean review, dan admin mendapat notifikasi.
Dengan alur ini, admin tidak lagi mengetik ulang. Tugasnya bergeser menjadi memeriksa pengecualian. Untuk menilai apakah investasinya sepadan, pakai cara di artikel menghitung ROI otomatisasi. Contoh proses dokumen lain yang bisa diotomatisasi ada di bagian contoh penerapan.
Soal data sensitif: rekening koran dan dokumen pelanggan sebaiknya tidak diunggah ke situs konversi gratis yang tidak jelas kebijakan datanya. Pilih layanan dengan ketentuan penyimpanan data yang jelas, atau yang bisa dijalankan di infrastruktur Anda sendiri.
Kalau tim Anda menghabiskan banyak jam untuk mengetik ulang PDF, Aqilatic bisa membantu menilai alur yang paling pas lewat audit proses gratis. Kami melihat jenis dokumen, volume, dan tujuan datanya sebelum menyarankan apa pun.
Pertanyaan yang sering muncul
Apakah bisa mengubah PDF scan ke Excel gratis?
Bisa, untuk volume kecil. Excel “Data from Picture” dan Google Drive bisa dipakai tanpa biaya tambahan kalau Anda sudah punya lisensinya. Hasilnya tetap perlu dicek manual, terutama untuk tabel angka.
Kenapa Power Query tidak bisa membaca PDF saya?
Kemungkinan besar PDF Anda adalah hasil scan, sehingga isinya gambar tanpa teks. Power Query hanya bisa membaca PDF digital. Coba blok teks di PDF tersebut untuk memastikan.
Seberapa akurat OCR dengan AI?
Untuk scan yang jelas, akurasinya biasanya tinggi, tapi tidak pernah 100%. Karena itu pengecekan dengan total dan saldo wajib ada. Kualitas scan (tidak miring, cukup terang, resolusi cukup) sangat memengaruhi hasil.