---
title: "Ekstrak data faktur ke JSON dengan vision LLM | BroadRouter"
description: "Pipeline produksi untuk faktur, struk, dan formulir: persiapan gambar, prompt skema JSON, validasi Pydantic, cek aritmetika, retry, dan antrean review manusia."
url: https://broadrouter.com/id/blog/extract-data-from-documents-with-vision-llm/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/extract-data-from-documents-with-vision-llm/) (diperbarui 2026-11-14).

# Ekstrak data faktur, struk, dan formulir ke JSON dengan vision LLM

Oleh tim BroadNet Inference · 4 menit baca · Dipublikasikan 2026-11-14

Render setiap halaman menjadi gambar, kirim ke model vision dengan prompt yang menyebut setiap field beserta formatnya, dan minta JSON saja. Lalu validasi di kode: parse, periksa skemanya, pastikan jumlah item baris sama dengan totalnya, dan ulangi sekali dengan pesan error-nya. Arahkan kegagalan berulang ke manusia.

## Poin penting

-   Model yang membaca; kode Anda yang memutuskan. Jangan pernah menulis data hasil ekstraksi ke pembukuan tanpa cek skema dan aritmetika.
-   Sebutkan setiap field, tipe, dan formatnya di prompt, dan katakan apa yang harus dikembalikan jika field tidak ada (null, jangan pernah tebakan).
-   Cek aritmetika menangkap sebagian besar salah baca: total baris harus berjumlah subtotal, dan subtotal ditambah pajak harus sama dengan total.
-   Ulangi sekali dengan error validasi di prompt; arahkan kegagalan berulang ke antrean manusia.
-   Pada skema bayar sesuai pemakaian, gambar ditagih sebagai token input dan gambar yang lebih besar memakai lebih banyak token, jadi ubah ukurannya sebelum dikirim.

**Di halaman ini**

1.  Seperti apa pipeline-nya?
2.  Bagaimana menyiapkan gambar dokumen?
3.  Bagaimana menulis prompt ekstraksinya?
4.  Bagaimana mendapatkan output terstruktur dan memvalidasinya?
5.  Cek mana yang menangkap error paling banyak?
6.  Bagaimana mengukur akurasi sebelum go-live?
7.  Model vision mana yang cocok di BroadNet Inference?
8.  Di mana posisi BroadNet Inference?

_[image: A paper invoice headed "فاتورة" (invoice) with tabs labelled Vendor, Date and Total, and the text "Turn documents into useful data."]_

Illustrative example.

Faktur, struk, dan formulir punya masalah yang sama: datanya ada di dalam gambar, sementara Anda membutuhkannya di database. OCR berbasis template rusak setiap kali ada tata letak vendor baru. [Vision-language model](https://broadrouter.com/id/glossary/vision-language-model/) membaca halaman dan langsung mengembalikan field-nya. Masalahnya, model ini bisa salah dengan penuh percaya diri, jadi pekerjaan sebenarnya ada di pipeline di sekelilingnya. Artikel ini membahas pipeline umum untuk bahasa apa pun. Untuk dokumen berbahasa Arab, lihat [membaca faktur berbahasa Arab dengan vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/) untuk penyiapannya dan [OCR Arab vs vision LLM](https://broadrouter.com/id/blog/arabic-ocr-vision-llm/) untuk kapan OCR klasik lebih tepat.

## Seperti apa pipeline-nya?

1.  **Siapkan** setiap halaman: render PDF menjadi gambar, perbaiki rotasi, ubah ukuran.
2.  **Ekstrak**: satu permintaan per dokumen dengan prompt per field, JSON saja.
3.  **Validasi**: parse, cek skema, cek aritmetika.
4.  **Ulangi** sekali dengan pesan error jika validasi gagal.
5.  **Review**: apa pun yang masih gagal dikirim ke manusia, beserta gambar dan drafnya.
6.  **Ukur** akurasi per field pada sampel berlabel, dan jalankan ulang setiap kali Anda mengganti model atau prompt.

## Bagaimana menyiapkan gambar dokumen?

Render PDF menjadi gambar dengan PyMuPDF dan jaga teks terkecil tetap tajam tanpa mengirim piksel lebih banyak dari yang diperlukan:

```python
# pip install pymupdf pillow
import base64, io
import pymupdf  # older code imports it as fitz
from PIL import Image

def pdf_pages_as_data_urls(path, long_edge=1800):
    urls = []
    for page in pymupdf.open(path):
        pix = page.get_pixmap(dpi=200)
        img = Image.open(io.BytesIO(pix.tobytes("png"))).convert("RGB")
        img.thumbnail((long_edge, long_edge))
        buf = io.BytesIO()
        img.save(buf, format="JPEG", quality=90)
        urls.append("data:image/jpeg;base64," + base64.b64encode(buf.getvalue()).decode())
    return urls
```

Di BroadNet Inference, gambar dimasukkan ke pesan sebagai URL `data:` dengan tipe MIME yang akurat, dan pada skema [bayar sesuai pemakaian](https://broadrouter.com/id/glossary/pay-as-you-go/) ditagih sebagai token input; gambar yang lebih besar memakai lebih banyak. Ukur token per halaman sekali lewat blok `usage` dan tentukan ukuran batch dari situ; [menghitung token sebelum mengirim](https://broadrouter.com/id/blog/count-tokens-before-sending/) menunjukkan caranya, dan [biaya vision LLM per gambar](https://broadrouter.com/id/blog/cheapest-vision-llm-api/) mengubah token menjadi biaya per halaman. Untuk memperkirakan token per halaman sebelum mengirim apa pun, masukkan contoh hasil scan ke [kalkulator token gambar](https://broadrouter.com/tools/image-token-calculator/).

## Bagaimana menulis prompt ekstraksinya?

Tuliskan key, tipe, format, dan nilai kosong secara persis. Jika Anda juga butuh JSON Schema untuk validasi atau untuk penyedia yang memberlakukannya, [JSON schema generator](https://broadrouter.com/tools/json-schema-generator/) gratis bisa membuatnya dari contoh faktur:

```python
PROMPT = """Extract this invoice. Reply with one JSON object only, no prose.
Keys:
- vendor_name: string, as printed
- vendor_tax_id: string or null
- invoice_number: string
- invoice_date: string, YYYY-MM-DD
- currency: ISO 4217 code, e.g. USD, EUR, SAR
- line_items: list of {description: string, quantity: number, unit_price: number, line_total: number}
- subtotal: number
- tax: number or null
- total: number
Rules: numbers without currency symbols or thousands separators. If a field is not on the page, use null. Never guess."""
```

“Never guess” (jangan pernah menebak) ditambah `null` yang eksplisit adalah bagian terpenting. Tanpa itu, model mengisi celah dengan nilai yang tampak masuk akal, yang lebih buruk daripada kosong karena lolos dari pengecekan sederhana.

## Bagaimana mendapatkan output terstruktur dan memvalidasinya?

Ada dua tingkat [output terstruktur](https://broadrouter.com/id/glossary/structured-output/). JSON mode menjamin JSON yang valid. Output yang dibatasi skema juga menjamin bentuknya. Panduan OpenAI menyatakannya dengan gamblang: keduanya menghasilkan JSON yang valid, tetapi hanya Structured Outputs yang memastikan kepatuhan pada skema. Dukungan untuk keduanya berbeda-beda menurut penyedia dan model, jadi validasi di kode apa pun janji API-nya:

```python
import json, os
from decimal import Decimal
from pydantic import BaseModel, ValidationError, model_validator
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

class Line(BaseModel):
    description: str
    quantity: Decimal
    unit_price: Decimal
    line_total: Decimal

class Invoice(BaseModel):
    vendor_name: str
    vendor_tax_id: str | None = None
    invoice_number: str
    invoice_date: str
    currency: str
    line_items: list[Line]
    subtotal: Decimal
    tax: Decimal | None = None
    total: Decimal

    @model_validator(mode="after")
    def sums(self):
        tol = Decimal("0.02")
        if abs(sum(l.line_total for l in self.line_items) - self.subtotal) > tol:
            raise ValueError("line_totals do not sum to subtotal")
        if abs(self.subtotal + (self.tax or 0) - self.total) > tol:
            raise ValueError("subtotal + tax != total")
        return self

def extract(image_urls, model="broadnet/qwen3.8-27b"):
    content = [{"type": "text", "text": PROMPT}] + [
        {"type": "image_url", "image_url": {"url": u}} for u in image_urls]
    messages = [{"role": "user", "content": content}]
    for attempt in range(2):
        r = client.chat.completions.create(model=model, messages=messages, max_tokens=4000, temperature=0)
        raw = (r.choices[0].message.content or "").strip().removeprefix("```json").removesuffix("```")
        try:
            return Invoice.model_validate(json.loads(raw)), r.usage
        except (json.JSONDecodeError, ValidationError, ValueError) as e:
            messages += [{"role": "assistant", "content": raw},
                         {"role": "user", "content": f"That failed validation: {e}. Re-read the image and reply with corrected JSON only."}]
    return None, r.usage  # send to human review
```

Gunakan `Decimal`, bukan `float`, untuk nilai uang. Buat `max_tokens` longgar: Qwen3.8 27B bernalar sebelum menjawab, dan penalaran dihitung dalam batas itu; batas kecil mengembalikan string kosong. Lihat [kenapa model penalaran mengembalikan balasan kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).

## Cek mana yang menangkap error paling banyak?

| Cek | Yang tertangkap | Biaya |
| --- | --- | --- |
| JSON bisa di-parse | Teks di sekitar JSON, terpotong | Gratis |
| Skema tervalidasi | Key hilang, tipe salah | Gratis |
| Jumlah baris sama dengan subtotal | Angka salah baca, baris terlewat | Gratis |
| Subtotal + pajak = total | Total atau pajak salah baca | Gratis |
| Tanggal bisa di-parse dan tidak di masa depan | Hari/bulan tertukar, noise OCR | Gratis |
| Nomor pajak vendor cocok dengan daftar pemasok Anda | Vendor salah, penipuan | Satu lookup |
| Nomor faktur duplikat per vendor | Pembayaran ganda | Satu query |

Cek aritmetika memberi nilai paling besar: satu angka yang salah baca hampir selalu merusak penjumlahan. Struk sering tidak punya rincian per baris, jadi periksa yang ada dan terima jumlah cek yang lebih sedikit untuk struk.

## Bagaimana mengukur akurasi sebelum go-live?

Beri label 50 hingga 100 dokumen nyata secara manual, jalankan pipeline-nya, dan beri skor **per field**, bukan per dokumen. Total dan tanggal layak mendapat standar lebih ketat daripada deskripsi. Lacak tiga angka: akurasi field, porsi dokumen yang lolos validasi tanpa retry, dan porsi yang dikirim ke review. Cara merancang langkah review itu, termasuk audit acak terhadap dokumen yang lolos, ada di [menjadikan review manusia bagian dari alur kerja AI dokumen Anda](https://broadrouter.com/id/blog/document-review-queues/). Saat mencoba model lain, jalankan set yang sama; [mengevaluasi LLM sebelum beralih](https://broadrouter.com/id/blog/evaluate-llm-before-switching/) membahas metodenya.

## Model vision mana yang cocok di BroadNet Inference?

| Model | Gambar | Context | Catatan |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) | Ya | 262.144 | Tools, output terstruktur, dan penalaran tercantum; diuji BroadNet dalam bahasa Arab |
| [Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) | Ya | 32.768 | Harga BroadNet terendah; bisa dipakai dengan kredit gratis dan kunci per jam |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/) | Ya | 1.048.576 | Gambar termasuk dalam paket unlimited |

Harga per 1 juta token ada di [halaman harga](https://broadrouter.com/id/pricing/); kalikan token per halaman yang Anda ukur dengan volume bulanan di [kalkulator biaya API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/).

## Di mana posisi BroadNet Inference?

BroadNet Inference menerima gambar pada tiga model chat lewat format pesan standar OpenAI, dan tidak menyimpan prompt, gambar, maupun jawaban setelah permintaan selesai, hal yang penting untuk faktur yang penuh nama, nomor pajak, dan detail rekening bank ([zero data retention](https://broadrouter.com/id/privacy/)). Dokumentasinya mencantumkan output terstruktur untuk Qwen3.8 27B tetapi tidak mendokumentasikan parameter skema, jadi andalkan lapisan validasi di atas, bukan API, untuk memberlakukan skema Anda. BroadNet tidak menerbitkan batas ukuran gambar atau produk AI dokumen khusus, dan dokumentasinya menjelaskan input gambar, bukan unggahan PDF, jadi render halaman menjadi gambar terlebih dulu. Untuk pemrosesan bervolume tinggi dengan anggaran tetap, [paket unlimited DeepSeek V4.1 Flash](https://broadrouter.com/id/guides/unlimited-llm-api-sessions/) sudah termasuk gambar.

Alat gratis untuk topik ini (bahasa Inggris)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/)

Output terstruktur adalah fitur API LLM yang membatasi balasan model pada format yang ditentukan developer, biasanya JSON Schema, agar kode bisa mem-parse-nya dengan andal. Fitur ini lebih ketat daripada JSON mode, yang menjamin JSON valid tetapi tidak menjamin bentuk tertentu.

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Optical character recognition (OCR)](https://broadrouter.com/id/glossary/ocr/)

Optical character recognition (OCR) adalah teknologi yang mendeteksi dan mengubah teks cetak atau tulisan tangan di dalam gambar, hasil scan, atau PDF menjadi karakter yang bisa dibaca mesin. OCR klasik menghasilkan teks dan posisinya di halaman; vision-language model bisa membaca teks dan langsung menjawab pertanyaan tentangnya.

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Vision-language model (VLM)](https://broadrouter.com/id/glossary/vision-language-model/)

Vision-language model (VLM) adalah model yang menerima gambar dan teks sekaligus sebagai input dan menghasilkan teks, sehingga bisa mendeskripsikan gambar, menjawab pertanyaan tentangnya, serta membaca dokumen, grafik, atau screenshot. VLM juga disebut model image-text-to-text atau model multimodal.

[JSON Schema (skema JSON)](https://broadrouter.com/id/glossary/json-schema/)

JSON Schema adalah kosakata yang ditulis dalam JSON untuk mendeskripsikan dan memvalidasi struktur data JSON: tipe, field wajib, nilai yang diizinkan, dan susunan bertingkat. Versi terbarunya 2020-12. API LLM memakainya untuk mendefinisikan parameter tool dan bentuk persis yang harus diikuti output terstruktur.

[Zero data retention (ZDR)](https://broadrouter.com/id/glossary/zero-data-retention/)

Zero data retention (ZDR) adalah kebijakan penanganan data di mana penyedia AI memproses prompt dan output hanya untuk melayani permintaan dan tidak menyimpan konten itu sesudahnya, baik di log, cache, maupun data pelatihan. Catatan tanpa konten seperti jumlah token dan durasi biasanya tetap disimpan.

## Pertanyaan umum

### Bisakah vision LLM menggantikan OCR untuk faktur?

Untuk banyak tata letak, bisa. Model vision membaca gambar dan memetakan teks ke field dalam satu langkah, tanpa template per vendor. Namun sesekali ia masih salah membaca angka, jadi pertahankan validasi dan antrean review.

### Bagaimana mendapatkan JSON yang andal dari model vision?

Cantumkan key, tipe, dan format yang persis di prompt, minta JSON saja, lalu parse di kode. Jika model mendukung output yang dibatasi skema, gunakan. Apa pun pilihannya, validasi dengan library skema dan ulangi sekali dengan pesan error-nya.

### Bagaimana mengekstrak data dari faktur PDF beberapa halaman?

Render setiap halaman menjadi gambar, lalu kirim semua halaman satu faktur dalam satu permintaan jika muat di context model, agar total di halaman terakhir bisa dicocokkan dengan baris di halaman pertama.

### Berapa resolusi gambar faktur yang sebaiknya?

Cukup tinggi agar angka terkecil tetap tajam, dan tidak lebih. Gambar yang lebih besar memakai lebih banyak token input. Sisi panjang sekitar 1.500 hingga 2.000 piksel adalah titik awal yang masuk akal untuk halaman A4; uji dengan dokumen Anda sendiri.

### Bagaimana mengukur akurasi ekstraksi?

Beri label 50 hingga 100 dokumen nyata secara manual dan beri skor per field. Lacak total dan tanggal terpisah dari field teks bebas seperti nama vendor, karena biaya kesalahannya berbeda.

## Baca juga

-   [OCR bahasa Arab vs vision LLM: membaca dokumen dan faktur Arab](https://broadrouter.com/id/blog/arabic-ocr-vision-llm/)
-   [Perbandingan API OCR Arab: Google, Azure, Textract, Mistral, LLM](https://broadrouter.com/id/blog/arabic-ocr-api-comparison/)
-   [API LLM vision termurah: biaya per gambar dan per halaman, dihitung](https://broadrouter.com/id/blog/cheapest-vision-llm-api/)
-   [JSON mode vs json\_schema: output terstruktur yang andal](https://broadrouter.com/id/blog/structured-output-json-schema/)
-   [Cara mengevaluasi LLM sebelum berpindah penyedia](https://broadrouter.com/id/blog/evaluate-llm-before-switching/)
-   [Cara menghitung token sebelum mengirim permintaan LLM](https://broadrouter.com/id/blog/count-tokens-before-sending/)
-   [Jadikan review manusia bagian dari workflow AI dokumen Anda](https://broadrouter.com/id/blog/document-review-queues/)
-   [Hardware GPU dan pendekatan serving BroadNet, menurut BroadNet](https://broadrouter.com/id/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache respons API LLM untuk memangkas biaya: exact cache di Python](https://broadrouter.com/id/blog/cache-llm-responses-cut-cost/)
-   [Panduan: Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/)
-   [Panduan: Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)
-   [Panduan: Memakai OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/id/guides/openai-python-sdk/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-extract-data-from-documents-with-vision-llm&utm_content=page-cta) ·

**Sumber**

-   [Referensi API BroadNet Inference: chat dengan gambar, tipe MIME, gambar pada paket (diakses 2026-11-14) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-extract-data-from-documents-with-vision-llm&utm_content=sources#requests)
-   [Harga, model, dan modalitas BroadNet Inference yang dapat dibaca mesin, pricing.json (diakses 2026-11-14) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-extract-data-from-documents-with-vision-llm&utm_content=sources)
-   [Panduan Structured Outputs OpenAI, JSON mode vs kepatuhan skema (diakses 2026-11-14)](https://developers.openai.com/api/docs/guides/structured-outputs)
-   [Dokumentasi Pydantic, model dan validasi (diakses 2026-11-14)](https://docs.pydantic.dev/latest/concepts/models/)
-   [Dokumentasi PyMuPDF, merender halaman menjadi gambar (diakses 2026-11-14)](https://pymupdf.readthedocs.io/en/latest/recipes-images.html)
