---
title: "Apa itu OCR? Optical character recognition vs LLM vision"
description: "OCR mengubah teks di gambar dan hasil scan menjadi karakter yang bisa dibaca mesin. Cara kerja OCR klasik, LLM vision tanpa OCR, dan apa yang perlu diuji."
url: https://broadrouter.com/id/glossary/ocr/
lang: id
updated: 2026-11-16
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/glossary/ocr/) (diperbarui 2026-11-16).

# Optical character recognition (OCR)

Diperbarui 2026-11-16

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.

Disebut juga: OCR, pengenalan karakter optik, pengenalan teks, gambar ke teks, ubah gambar jadi teks, OCR dokumen, ekstraksi teks hasil scan, optical character recognition, text recognition, image to text, document OCR, scanned text extraction

OCR adalah langkah yang mengubah foto struk menjadi teks yang bisa dicari, disimpan, atau dicek oleh program.

## Cara kerjanya

Mesin OCR klasik menemukan area teks di halaman, memecahnya menjadi baris, lalu mengenali karakter di setiap baris. Tesseract, mesin open-source paling terkenal, menambahkan jaringan saraf LSTM di versi 4 yang mengenali satu baris utuh, dan langsung bisa “recognize more than 100 languages” (terjemahan: mengenali lebih dari 100 bahasa). Output-nya tersedia sebagai teks biasa, hOCR (HTML), PDF, PDF dengan teks tak terlihat, TSV, ALTO, atau PAGE, sehingga Anda juga mendapat posisi kata.

OCR klasik berhenti di karakter. Untuk tahu angka mana yang merupakan total atau baris mana yang berisi nama pemasok, Anda menambahkan aturan atau model kedua.

Vision-language model menempuh jalan lain. Halaman task image-text-to-text dari Hugging Face menggambarkan tanya jawab dokumen sebagai “an OCR-free approach” (terjemahan: pendekatan tanpa OCR): gambar dokumen langsung masuk ke [vision-language model](https://broadrouter.com/id/glossary/vision-language-model/), yang membacanya lalu menjawab. Anda bisa langsung meminta field tertentu dan menerimanya kembali sebagai [output terstruktur](https://broadrouter.com/id/glossary/structured-output/).

|  | OCR klasik (mis. Tesseract) | LLM vision |
| --- | --- | --- |
| Output | karakter plus posisi | jawaban, ringkasan, atau field JSON |
| Pemahaman tata letak | terbatas, perlu aturan | membaca tabel dan label sesuai konteks |
| Berjalan di | lokal, tanpa biaya per panggilan | biasanya API, ditagih per token |
| Risiko | karakter salah baca | karakter salah baca dan nilai yang dikarang |

## Mengapa penting

-   **Biaya.** Gambar yang dikirim ke API LLM ditagih sebagai [token](https://broadrouter.com/id/glossary/token/) input. OCR lokal tidak punya biaya per panggilan, tetapi butuh server dan pemeliharaan.
-   **Pengecekan akurasi.** Model vision bisa mengembalikan total yang masuk akal tetapi tidak ada di halaman. Minta model mengutip teks sumbernya dan cek penjumlahan dengan kode.
-   **Bahasa Arab.** Teks kanan-ke-kiri, bentuk huruf yang bersambung, dan campuran angka Arab dan Latin menambah kesulitan. Uji mesin atau model apa pun dengan hasil scan Anda sendiri.

## Di BroadNet Inference

BroadNet tidak mendokumentasikan endpoint OCR terpisah. Dokumentasinya menunjukkan cara membaca invoice dengan mengirim gambar sebagai URL `data:` ke model chat yang baris modelnya mencantumkan gambar atau vision, seperti [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/), [BroadNet Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) atau [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/). Pada kunci bayar sesuai pemakaian, gambar dihitung sebagai token input dengan harga input model ($0.10 per 1M di Gemma), dan gambar yang lebih besar memakai lebih banyak token. Ikuti langkahnya di [panduan invoice berbahasa Arab](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/), dan lihat [OCR bahasa Arab dengan LLM vision](https://broadrouter.com/id/blog/arabic-ocr-vision-llm/) untuk kapan OCR klasik masih menjadi alat yang lebih tepat.

## Pertanyaan umum

### Apa bedanya OCR dan LLM vision?

OCR mengembalikan karakter yang ditemukannya beserta letaknya. LLM vision membaca gambar dan bisa menjawab pertanyaan, seperti "berapa total invoice ini?", atau mengembalikan field bernama dalam JSON.

### Apakah BroadNet punya endpoint OCR?

Tidak ada endpoint OCR terpisah yang didokumentasikan. Anda mengirim gambar ke model chat yang mendukung vision di /v1/chat/completions dan meminta teks atau field yang Anda butuhkan.

### Apakah OCR klasik masih layak dipakai?

Ya, untuk halaman cetak yang bersih dalam volume besar ketika Anda hanya butuh teks dan posisinya. OCR klasik berjalan lokal tanpa biaya per panggilan. Model vision lebih baik saat Anda butuh field, tabel, atau jawaban, bukan karakter mentah.

## Lihat juga

-   [Vision-language model (VLM)](https://broadrouter.com/id/glossary/vision-language-model/) (istilah)
-   [AI multimodal (multimodal AI)](https://broadrouter.com/id/glossary/multimodal/) (istilah)
-   [Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/) (istilah)
-   [Token](https://broadrouter.com/id/glossary/token/) (istilah)
-   [Normalisasi Unicode (Unicode normalization)](https://broadrouter.com/id/glossary/unicode-normalization/) (istilah)
-   [Token gambar (image tokens)](https://broadrouter.com/id/glossary/image-tokens/) (istilah)
-   [Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/) (panduan)
-   [OCR bahasa Arab vs vision LLM: membaca dokumen dan faktur Arab](https://broadrouter.com/id/blog/arabic-ocr-vision-llm/) (artikel)
-   [Ekstrak data faktur, struk, dan formulir ke JSON dengan vision LLM](https://broadrouter.com/id/blog/extract-data-from-documents-with-vision-llm/) (artikel)

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-glossary-ocr&utm_content=page-cta) ·

**Sumber**

-   [Tesseract OCR, repositori GitHub resmi (diperiksa 2026-11-16)](https://github.com/tesseract-ocr/tesseract)
-   [Hugging Face Tasks, image-text-to-text (tanya jawab dokumen tanpa OCR) (diperiksa 2026-11-16)](https://huggingface.co/tasks/image-text-to-text)
-   [Referensi API BroadNet Inference, chat dengan gambar (diperiksa 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-ocr&utm_content=sources)
