Apa Itu OCR? Cara Membuat PDF Hasil Scan Bisa Dicari dan Disalin

Oleh Tim Siriso Lab · 5 November 2026 · 2 menit baca

Penjelasan OCR, sejarah singkat mesin OCR Tesseract, dukungan bahasa Indonesia, tips agar hasil OCR akurat, dan cara OCR PDF di Siriso PDF.

Apa itu OCR?

OCR (Optical Character Recognition) adalah teknologi yang mengubah teks cetak, dokumen pindaian, dan gambar menjadi teks digital yang dapat dibaca mesin, dicari, dan diedit^[1].

Tanpa OCR, PDF hasil scan hanyalah kumpulan gambar: Anda tidak bisa mencari kata dengan Ctrl+F, menyalin kalimat, atau membiarkan pembaca layar membacakannya. Setelah OCR, lapisan teks ditambahkan di balik gambar halaman sehingga semua itu menjadi mungkin.

Tesseract: mesin OCR open source yang lama berkembang

Salah satu mesin OCR open source paling dikenal adalah Tesseract. Menurut dokumentasi resminya:

• Tesseract awalnya dikembangkan di Hewlett-Packard antara 1985 dan 1994^[2].
• Pada 2005, HP menjadikannya open source^[2].
• Dari 2006 hingga Agustus 2017, Tesseract dikembangkan oleh Google^[2].
• Tesseract dapat mengenali lebih dari 100 bahasa secara bawaan^[2], termasuk bahasa Indonesia dengan kode ind^[3].

Tips agar hasil OCR akurat

Adobe mencatat bahwa akurasi OCR bergantung pada kualitas pindaian, pencahayaan, kejelasan font, dan prapemrosesan gambar^[1]. Dokumentasi Tesseract memberi panduan lebih rinci^[4]:

• Resolusi minimal 300 DPI. Tesseract bekerja paling baik pada gambar dengan resolusi setidaknya 300 dpi.
• Luruskan halaman. Kualitas segmentasi baris menurun drastis bila halaman terlalu miring. Foto dokumen dari HP sebaiknya dipotong dan diluruskan dulu.
• Kurangi noise. Bintik dan kotoran tertentu tidak bisa dihilangkan otomatis dan dapat menurunkan akurasi.
• Pilih bahasa yang tepat. Untuk dokumen berbahasa Indonesia, pilih bahasa Indonesia agar kamus dan pola hurufnya sesuai.

Di Siriso PDF, fitur Scanner HP memotong dan meluruskan foto dokumen mengikuti tepi kertas sebelum dijadikan PDF, sehingga hasilnya lebih siap untuk OCR.

Cara OCR PDF di Siriso PDF

1. Buka alat OCR PDF (alamat /ocr) dan unggah PDF hasil scan.
2. Pilih bahasa dokumen, misalnya bahasa Indonesia, dan bahasa lain jika dokumen bercampur.
3. Jalankan OCR. Hasilnya PDF dengan lapisan teks yang bisa dicari dan disalin.
4. Periksa beberapa kata kunci dengan Ctrl+F untuk memastikan teks terbaca dengan benar.

Pertanyaan yang sering diajukan

Apakah OCR bisa 100% akurat?

Tidak selalu. Akurasi bergantung pada kualitas pindaian, kejelasan huruf, pencahayaan, dan kemiringan halaman. Periksa ulang angka penting seperti nomor rekening atau nominal setelah OCR.

Apakah OCR mendukung bahasa Indonesia?

Ya. Tesseract mengenali lebih dari 100 bahasa secara bawaan, termasuk bahasa Indonesia dengan kode ind. Pilih bahasa Indonesia saat menjalankan OCR agar hasilnya lebih akurat.