PDF ke Word, Teks, atau Markdown: sebaiknya pilih yang mana?

Ketiga alat ini sama-sama mengambil tulisan dari PDF. Bedanya ada pada seberapa banyak tampilan halaman yang ikut dipertahankan. Word membangun ulang halamannya, teks biasa hanya menyisakan huruf-hurufnya, dan Markdown berada di tengah-tengah. Pilihan yang tepat bergantung pada ke mana tulisan itu akan dibawa setelahnya.

Word, kalau dokumennya sendiri yang akan Anda edit

PDF ke Word menyusun ulang setiap halaman menjadi .docx. Paragraf, ukuran huruf, teks tebal, gambar, dan tabel muncul kurang lebih di tempat asalnya. Ini pilihan untuk memperbarui kontrak, mengoreksi laporan, atau memakai ulang surat tahun lalu dengan tanggal baru.

Yang hilang adalah makna di balik formatnya. Judul biasanya datang sebagai teks besar dan tebal bergaya Normal, bukan Heading 1, dan judul yang punya garis di bawahnya bahkan bisa berubah jadi tabel satu sel. Poin-poin sering berupa karakter • yang diketik, bukan daftar Word sungguhan. Tampilannya benar, tapi Navigation Pane dan daftar isi otomatis tidak akan menemukan apa pun sampai Anda menerapkan gaya heading sendiri. Tata letak dua kolom dan tabel yang rumit perlu diperiksa dengan teliti.

Teks biasa, kalau yang Anda perlukan hanya kata-katanya

PDF ke Teks menghasilkan satu file .txt berisi teks dari semua halaman, dengan satu baris kosong di antara halaman. Cocok untuk mencari sesuatu di dokumen panjang lewat editor teks, menempel kutipan ke email tanpa ikut membawa font, menghitung jumlah kata, atau memberi masukan ke skrip.

Semua unsur visual dibuang. Gambar dan huruf tebal hilang, dan tabel diratakan menjadi baris-baris nilai yang dipisah spasi. Tabel penjualan per wilayah jadi baris seperti Jawa Barat 120 4%, dengan judul kolom entah di mana di atasnya. Kalau ada sel kosong, Anda tidak bisa lagi memastikan nilai mana milik kolom mana. Penanda poin dan nomor kadang terpisah dari isinya, dan halaman dua kolom bisa keluar dengan urutan yang tidak Anda duga.

Markdown, kalau sebagian struktur perlu bertahan

Markdown adalah teks biasa dengan sedikit penanda: # untuk judul, - untuk poin, garis tegak untuk tabel. Bisa dibuka di aplikasi apa pun dan rapi saat ditempel ke Obsidian, Notion, situs dokumentasi, README, atau obrolan dengan AI yang Anda harap tetap membaca tabel sebagai tabel.

Inilah yang sebenarnya dihasilkan PDF ke Markdown kami:

• Tabel: keunggulan utamanya. Kalau ia menemukan kolom yang sejajar, hasilnya tabel Markdown yang benar, bukan tumpukan angka.
• Daftar: daftar bernomor tetap membawa nomornya, dan poin tetap memakai karakter •, yang oleh kebanyakan editor dianggap teks biasa.
• Judul: keluar sebagai baris biasa. PDF tidak menandai judul sebagai judul, hanya teks yang lebih besar, dan konverternya tidak menebak-nebak. Menambahkan tanda # cukup sekali sunting di editor mana pun.

Huruf tebal, miring, dan gambar tidak ikut terbawa.

Cara cepat memutuskan

1. Dokumennya akan diedit lalu dikirim lagi? Word.
2. Ada tabel, atau akan disimpan di catatan atau situs dokumentasi? Markdown.
3. Selain itu, termasuk pencarian cepat dan tempel-menempel: teks.

PDF hasil scan butuh OCR dulu

Coba blok satu kalimat di PDF Anda. Kalau seluruh halaman tersorot seperti foto, belum ada teks di dalamnya, hanya gambar tulisan. Ketiga alat menanganinya dengan cara berbeda.

• PDF ke Teks punya kotak centang Jalankan OCR. Centang, dan alat ini membaca gambar halamannya lebih dulu. Prosesnya lebih lambat, dan halaman yang sudah berisi teks asli dibiarkan apa adanya.
• PDF ke Markdown berhenti dengan pesan bahwa tidak ada teks yang bisa diekstrak. Menjalankan file-nya lewat OCR PDF lebih dulu mengatasi hal itu, meski teks hasil pengenalan bisa keluar dengan spasi ganda dan sesekali baris yang kacau.
• PDF ke Word memberi Anda dokumen berisi gambar halaman tanpa teks yang bisa diketik, dan menjalankan OCR sebelumnya tidak mengubah hal itu. Untuk scan yang ingin diedit, ambil teksnya dengan PDF ke Teks dan OCR aktif, lalu tempel ke dokumen baru.

Pertanyaan umum

Mana yang paling bagus untuk ditempel ke ChatGPT atau AI lain?

Markdown kalau PDF-nya berisi tabel, karena model bisa melihat angka mana yang ada di kolom mana. Untuk dokumen yang isinya paragraf semua, teks biasa sama baiknya.

Seberapa akurat OCR-nya untuk dokumen berbahasa Indonesia?

OCR kami memakai data bahasa Inggris. Teks Indonesia umumnya tetap terbaca karena hurufnya Latin biasa, tapi kesalahan kecil lebih mudah lolos. Hasil terbaik didapat dari halaman yang bersih, lurus, dan kontrasnya tinggi. Fotokopi pudar, tulisan tangan, dan foto HP yang diambil miring menghasilkan lebih banyak kesalahan, jadi periksa nama dan angka sebelum Anda mengandalkannya.