OCR

Bayangkan juru ketik di kantor kelurahan yang menyalin surat tulisan tangan ke komputer. Dia membaca huruf demi huruf, lalu mengetik ulang. Kalau tulisannya rapi, hasilnya cepat dan benar. Kalau tintanya luntur, dia mulai menebak.

OCR melakukan hal yang sama, cuma jauh lebih cepat. Bedanya, juru ketik paham isi surat dan bisa curiga kalau ada angka yang janggal. OCR hanya mengenali bentuk huruf dan angka, tanpa tahu apakah hasilnya masuk akal.

Contoh yang mungkin ada di sakumu: Teks Langsung di kamera iPhone. Arahkan kamera ke tulisan, tunggu bingkai kuning muncul, lalu teksnya bisa disalin, dicari, atau diterjemahkan. Itu kerja OCR: tulisan di gambar diubah jadi teks. Apple mencatat fitur ini belum tersedia di semua wilayah dan bahasa.

Hasilnya bergantung pada gambar. Dokumentasi Tesseract, mesin OCR gratis yang punya data bahasa Indonesia, menyebut hasil terbaiknya didapat dari gambar minimal 300 dpi. Panduan Gemini dari Google juga meminta gambar yang jelas dan tidak buram. Dari foto buram, satu angka bisa salah baca dan hasilnya tetap terlihat wajar. Artinya buat kamu: angka penting dari hasil OCR, seperti nominal, NIK, atau nomor rekening, selalu cocokkan lagi dengan aslinya.

"OCR itu teknologi AI baru." Tesseract mulai dikembangkan di laboratorium Hewlett-Packard pada 1985. HP membukanya sebagai open source pada 2005, lalu Google mengembangkannya sampai 2017. Yang baru adalah AI multimodal, yang bisa membaca tulisan di gambar sekaligus menjawab pertanyaan soal isinya.

"PDF hasil scan pasti bisa dicari kata-katanya." PDF hasil scan isinya gambar halaman, bukan teks. Pencarian baru berfungsi setelah PDF itu diproses OCR. Dokumentasi Tesseract menjelaskan, hasilnya berupa PDF berisi gambar asli plus lapisan teks hasil pengenalan yang bisa dicari. Kalau OCR-nya salah baca, kata yang kamu cari juga bisa tidak ketemu.