PDF ke Excel: Cara Kerja Ekstraksi Tabel yang Sebenarnya

Anda dapat melihat tabel di dalam PDF: baris, kolom, judul, dan jumlah total di bagian bawah. Tampaknya sudah jelas bahwa konverter seharusnya dapat langsung memindahkannya ke spreadsheet. Masalahnya, PDF tidak berisi tabel. PDF berisi instruksi untuk menggambar karakter di posisi tertentu dan garis di posisi lain, dan kisi yang Anda lihat adalah sesuatu yang disusun oleh mata Anda sendiri. Setiap konverter PDF ke Excel harus membangun ulang tabel dari kepingan-kepingan yang tersebar itu, itulah sebabnya hasilnya berkisar dari sempurna hingga tidak dapat digunakan. Panduan ini menjelaskan cara pembangunan ulang itu bekerja, di mana ia gagal, dan cara memasukkan angka yang bersih ke Excel dalam kedua kasus.

Apa Isi Sebenarnya dari Tabel PDF

Ambil satu baris faktur dengan tiga kolom: “Konsultasi”, “12 Mar 2026”, dan “1.250,00”. Di dalam PDF, baris itu adalah sekumpulan potongan teks yang terpisah, masing-masing dengan koordinat x dan y. Potongan-potongan itu belum tentu sesuai dengan kata-katanya: satu program menulis “1.250,00” sebagai satu potongan, program lain sebagai “1.2” dan “50,00”, dan program lain lagi menempatkan setiap karakter secara terpisah. Potongan-potongan itu juga tidak harus muncul sesuai urutan baca. Beberapa program menggambar seluruh tabel kolom demi kolom.

Garis-garis kisi adalah instruksi gambar yang terpisah, tidak terhubung dengan teks. Garis tebal mungkin digambar sebagai banyak segmen pendek, baris yang diarsir mungkin berupa persegi panjang berisi warna tanpa garis sama sekali, dan banyak tabel sama sekali tidak memiliki garis. Tidak ada apa pun di dalam file yang menyatakan “ini adalah sel”, “dua sel ini digabung”, atau “baris ini bagian dari tabel”.

Dua Cara Konverter Menemukan Tabel

Alat ekstraksi tabel umumnya menggunakan salah satu dari dua metode. Alat sumber terbuka seperti Tabula dan Camelot menyebutnya “lattice” dan “stream”.

Mengikuti garis kisi (lattice). Konverter mengumpulkan garis horizontal dan vertikal, menentukan titik persilangannya, dan memperlakukan setiap area tertutup sebagai sel. Lalu konverter memasukkan setiap potongan teks ke sel tempat teks itu berada. Cara ini bekerja sangat baik pada tabel dengan kisi lengkap. Cara ini gagal jika tidak ada garis, jika garisnya terpecah menjadi potongan yang tidak benar-benar bertemu, atau jika arsiran digunakan sebagai pengganti garis batas.
Mengikuti ruang kosong (stream). Konverter mengelompokkan teks menjadi baris berdasarkan ketinggiannya di halaman, lalu mencari celah vertikal yang konsisten di sepanjang baris dan memperlakukannya sebagai batas kolom. Cara ini dapat menangani tabel tanpa garis batas, seperti banyak laporan keuangan. Cara ini kesulitan jika kolom-kolomnya berdekatan, jika suatu kolom rata tengah alih-alih rata kiri atau kanan, atau jika nilai yang panjang di satu baris menjembatani celah yang memisahkan dua kolom di semua baris lainnya.

Kedua metode ini bersifat heuristik. Keduanya andal pada tabel yang bersih dan teratur, tetapi tidak andal pada tabel lainnya, itulah sebabnya tidak ada konverter yang dapat menangani setiap tabel dengan benar.

Di Mana Ekstraksi Tabel Keliru

Bahkan ketika kolom-kolomnya ditemukan dengan benar, beberapa masalah muncul berulang kali:

Sel yang terlipat. Deskripsi yang berlanjut ke baris kedua tampak seperti baris baru yang hanya satu kolomnya terisi.
Judul yang digabung dan membentang. Judul yang berada di atas dua kolom harus ditetapkan ke salah satunya, atau tidak ke keduanya.
Pergantian halaman. Tabel yang berlanjut ke halaman berikutnya mengulang judulnya, dan satu baris dapat terbelah oleh pergantian halaman.
Angka yang masuk sebagai teks. Simbol mata uang, pemisah ribuan, angka negatif yang ditulis dalam tanda kurung, dan penanda catatan kaki yang menempel pada angka semuanya dapat membuat Excel tidak mengenali angka. Angka dengan titik desimal, seperti “1,250.00”, hanya terbaca dengan benar jika Excel Anda menggunakan konvensi yang sama.
Tanggal yang ambigu. 03/04/2026 berarti 3 April di beberapa negara dan 4 Maret di negara lain, dan Excel akan memilih salah satunya berdasarkan pengaturan Anda.
Font tanpa pemetaan teks. Beberapa PDF menyematkan font tanpa tabel yang memetakan setiap glif kembali ke karakternya. Tampilannya sempurna, tetapi menyalin atau mengekstrak teksnya menghasilkan karakter acak yang tidak bermakna.
Hasil pindaian. Halaman hasil pindaian sama sekali tidak memiliki teks, hanya gambar dari teks itu, jadi tidak ada yang bisa diekstrak tanpa OCR terlebih dahulu.

Apa yang Dilakukan Alat PDF ke Excel Kami

Konverter PDF ke Excel kami berjalan di browser Anda, sehingga file tidak diunggah. Alat ini memberi setiap halaman PDF lembar kerjanya sendiri, yang diberi nama Halaman 1, Halaman 2, dan seterusnya. Di kolom A, alat ini menuliskan setiap baris teks pada halaman, dari atas ke bawah, satu baris teks per baris sel, dan menempatkan setiap gambar di titik tempat gambar itu berada di halaman.

Alat ini tidak mencoba menebak letak kolom. Dengan begitu, setiap baris tetap utuh, sesuai urutan baca, tanpa ada yang hilang atau masuk ke kolom yang salah akibat tebakan yang keliru. Namun, ini juga berarti satu baris tabel masuk sebagai satu sel, dengan nilai-nilainya dipisahkan oleh satu spasi, dan Anda sendiri yang memecahnya menjadi kolom. Jika PDF menggambar tabelnya kolom demi kolom, nilai-nilai dari satu baris dapat masuk ke sel-sel yang berurutan.

Tidak ada OCR, jadi halaman hasil pindaian masuk sebagai gambar, bukan teks. PDF yang memerlukan kata sandi untuk dibuka harus dibuka kuncinya terlebih dahulu.

Memecah Satu Kolom Menjadi Kolom Sungguhan di Excel

Excel memiliki alat yang baik untuk paruh kedua pekerjaan ini:

Teks ke Kolom, di tab Data, memecah kolom berdasarkan pemisah. Pilih Dibatasi, lalu Spasi. Cara ini bekerja dengan baik jika nilai-nilainya sendiri tidak mengandung spasi, yang umum pada tabel berisi angka dan kode. Di bagian Tingkat Lanjut, pada langkah terakhir, Anda dapat mengatur pemisah desimal dan ribuan, yang memperbaiki angka bergaya “1,250.00”.
Isi Flash (Ctrl+E) belajar dari contoh. Ketik nilai yang Anda inginkan dari baris pertama ke kolom berikutnya, tekan Ctrl+E, dan Excel mengisi sisanya dengan mengikuti pola yang sama.
Rumus, di Excel untuk Microsoft 365. =TEXTSPLIT(A2;" ") menyebarkan satu baris ke beberapa kolom, dan =TEXTAFTER(A2;" ";-1) mengembalikan semua yang ada setelah spasi terakhir, yang biasanya merupakan jumlah uang di akhir baris. Bungkus dengan VALUE() untuk mengubahnya menjadi angka.

Excel untuk Microsoft 365 di Windows juga dapat mengimpor PDF secara langsung, melalui Data, Dapatkan Data, Dari File, Dari PDF. Fitur ini mencari tabel dengan sendirinya dan layak dicoba pada tabel yang memiliki garis batas yang jelas.

Cara Lain yang Layak Dicoba

Cara paling andal untuk mengeluarkan tabel dari PDF adalah dengan tidak mengeluarkannya dari PDF sama sekali. Angka-angka itu awalnya berasal dari spreadsheet, sistem akuntansi, atau basis data, dan siapa pun yang membuat PDF biasanya dapat mengekspor data yang sama sebagai spreadsheet atau file CSV. Banyak bank, misalnya, memungkinkan Anda mengunduh rekening koran sebagai CSV selain PDF.

Untuk tabel dengan kisi garis yang lengkap, PDF ke Word layak dicoba. Jika tabel keluar sebagai tabel Word yang sungguhan, Anda dapat menyalinnya ke Excel dan sel-selnya tetap menjadi sel. Itu juga cara untuk tabel hasil pindaian, karena PDF ke Word menjalankan OCR pada halaman hasil pindaian.

Periksa Hasilnya Sebelum Menggunakannya

Kesalahan ekstraksi tidak terlihat mencolok. Nilai di kolom yang salah tampak sama validnya dengan nilai di kolom yang benar. Sebelum Anda mengandalkan data hasil ekstraksi:

Jumlahkan satu kolom dengan SUM dan bandingkan dengan jumlah total yang tercetak di PDF. Jika cocok, angka-angkanya hampir pasti masuk dengan benar. Ini adalah pemeriksaan terbaik yang ada.
Hitung jumlah baris dan bandingkan dengan PDF, dan perhatikan dengan saksama baris pertama dan terakhir di setiap halaman, tempat pergantian halaman menimbulkan masalah.
Cari angka yang tersimpan sebagai teks. Secara bawaan, Excel meratakannya ke kiri sel dan menandainya dengan segitiga hijau kecil.
Periksa beberapa tanggal secara manual, terutama tanggal yang harinya 12 atau kurang.

Kesimpulan

Tabel PDF adalah gambar dari sebuah tabel, yang terbuat dari teks dan garis yang hanya tampak terhubung. Konverter membangunnya ulang dari garis kisi atau dari ruang kosong, dan kedua metode gagal pada tata letak yang tidak teratur. Dengan mengetahui hal itu, Anda dapat memilih cara yang tepat: mintalah data sumbernya jika memungkinkan, ekstrak baris-barisnya dan pecah di Excel jika tidak, dan selalu periksa jumlah totalnya sebelum angka-angka itu digunakan untuk hal penting.

Perlu memasukkan teks PDF ke spreadsheet? Coba PDF ke Excel.

← Kembali ke blog