Cara mengedit teks di dokumen hasil scan tanpa kehilangan file aslinya

Kenali dulu jenis dokumennya

PDF digital berisi teks dan objek grafis yang dibuat oleh perangkat lunak. Di file seperti ini, kata biasanya bisa diseleksi satu per satu, halaman bisa dicari, dan huruf tetap tajam saat diperbesar. Scan yang hanya berisi gambar berbeda: isinya lebih mirip foto yang disimpan di dalam PDF. Tampilannya bisa saja terlihat benar, tapi tiap kata di dalamnya bukan objek yang berdiri sendiri.

Scan yang bisa dicari ada di antara keduanya. Software OCR sudah menambahkan lapisan teks tak terlihat di atas gambar halaman, jadi teks bisa dicari dan disalin walaupun tulisan yang terlihat tetap tidak bisa diedit dengan rapi. Karena itu, sebelum memilih alat, coba dulu seleksi teksnya, cari satu kata, dan perbesar halamannya. Langkah kecil ini mencegah konversi yang tidak perlu dan penurunan kualitas.

• PDF digital: teksnya bisa diseleksi dan objek dokumennya bisa dipakai ulang.
• Scan yang bisa dicari: gambar halaman ditambah lapisan teks OCR.
• Scan gambar saja: hanya piksel, tanpa teks yang bisa dibaca mesin.

Pahami apa yang bisa—dan tidak bisa—dilakukan OCR

OCR menebak karakter apa saja yang muncul di sebuah gambar. OCR tidak otomatis mengembalikan font asli, susunan kolom, hubungan antarsel dalam tabel, kolom isian formulir, urutan baca, atau tata letak yang bisa diedit. Mengekspor teks hasil OCR ke file pengolah kata yang kosong memang berguna untuk mengutip atau mencari teks, tapi hasilnya jarang bisa menggantikan dokumen aslinya secara utuh.

Rekonstruksi dokumen melangkah lebih jauh. Teks yang dikenali digabungkan dengan tata letak dan geometri halaman untuk membentuk objek digital di posisi yang tepat. Bagian yang masih belum jelas tetap perlu diperiksa orang dan dibandingkan langsung dengan aslinya.

Tentukan dulu hasil akhirnya, baru pilih alur kerjanya

Kalau hanya perlu menemukan kata tertentu, PDF yang bisa dicari biasanya sudah cukup. Kalau hanya satu kalimat terlihat yang perlu diperbaiki, editor PDF yang bisa menangani teks asli lebih pas. Kalau seluruh halamannya hasil scan dan harus benar-benar bisa diedit, dibutuhkan OCR, rekonstruksi tata letak, dan perbandingan yang teliti dengan aslinya.

Formulir, tabel, tulisan tangan, notasi musik, peta, dan cetakan lama perlu penanganan khusus. Untuk dokumen seperti itu, mempertahankan halaman secara utuh lebih aman daripada menghasilkan versi digital yang terlihat meyakinkan tapi sebenarnya belum lengkap.

• Mau mencari atau menyalin teks: tambahkan lapisan OCR yang sudah diperiksa.
• Mau memperbaiki teks digital yang sudah ada: edit objek PDF aslinya kalau memungkinkan.
• Mau memulihkan halaman yang isinya hanya gambar: bangun ulang tata letaknya, lalu periksa hasilnya.
• Mau mengubah isi yang sensitif secara permanen: pakai alur sensor yang sebenarnya, bukan kotak putih.

Jaga file asli tetap utuh

Biarkan file asli apa adanya. Kerjakan salinannya, edit seperlunya saja, lalu ekspor dengan nama file baru. Kalau editor harus meratakan (flatten) halaman yang sudah diubah, simpan file sumber yang masih utuh secara terpisah. Pastikan juga teks tersembunyi yang bisa dicari tidak lagi memuat kalimat yang seharusnya sudah dihapus.

Untuk dokumen rahasia, cek dulu apakah alatnya memproses dokumen di perangkat Anda atau mengirimnya ke server. Baca kebijakan privasi layanannya, jangan berasumsi semua editor online memperlakukan file dengan cara yang sama.

Periksa dokumen hasil ekspor, bukan hanya pratinjau di editor

Buka file hasil ekspor di setidaknya satu pembaca PDF lain. Bandingkan nama, angka, tanggal, tanda baca, urutan paragraf, ukuran halaman, dan pemenggalan baris dengan file sumbernya. Cari beberapa istilah penting, salin satu paragraf sebagai contoh, lalu perbesar bagian tabel atau tanda tangan untuk melihat apakah ada bagian yang terpotong atau gambar yang turun kualitasnya.

Halaman yang terlihat meyakinkan tetap bisa punya lapisan teks atau urutan baca yang salah. Untuk keperluan hukum, keuangan, arsip, atau aksesibilitas, pemeriksaan harus mencakup tampilan sekaligus struktur yang dibaca mesin.

Ekstra hati-hati dengan halaman yang rumit

Tabel, formulir, tulisan tangan, jenis huruf yang tidak biasa, diagram, dan dokumen berkolom banyak lebih sulit diedit dengan rapi. Pastikan barisnya masih sejajar, kolom isiannya masih punya label, dan teksnya mengikuti urutan baca yang benar. Kalau tata letaknya ikut membawa makna, ekspor teks polos saja tidak akan cukup.

Untuk keperluan hukum, keuangan, atau arsip, minta orang lain ikut memeriksa nama, tanggal, nominal, dan klausul yang penting. Simpan salinan file sumber di samping file yang sudah diedit supaya setiap perubahan bisa dicek lagi nanti.