Bayangkan seorang staf akuntansi menerima ratusan struk dan invoice setiap bulan. Cara tradisional mengharuskannya membaca satu per satu, kemudian mengetik tanggal, nama pemasok, nomor invoice, dan nilai transaksi ke dalam sistem. Sekarang, sebagian pekerjaan tersebut dapat dibantu oleh teknologi. Foto struk atau hasil pindai invoice dapat diubah menjadi teks dan data menggunakan teknologi yang disebut Optical Character Recognition atau OCR. OCR menjadi salah satu teknologi yang mendukung otomatisasi proses akuntansi, khususnya untuk mengurangi pekerjaan manual dalam membaca dan memasukkan data dari dokumen transaksi (El Idrissi et al., 2026).

Apa Sebenarnya OCR?

Optical Character Recognition adalah teknologi yang memungkinkan komputer mengenali teks dari gambar atau dokumen hasil pemindaian. Secara sederhana, OCR mengubah sesuatu yang awalnya hanya terlihat sebagai kumpulan piksel menjadi karakter yang dapat dibaca dan diproses komputer.

Misalnya, sebuah struk memiliki tulisan:

Tanggal: 20 Agustus 2026
Total: Rp185.000

Bagi komputer, foto awalnya hanyalah sebuah gambar. OCR membantu mengenali bahwa bagian tertentu merupakan kata “Tanggal”, angka “20 Agustus 2026”, kata “Total”, dan nilai “Rp185.000”.

Teknologi tersebut kemudian dapat dikombinasikan dengan machine learning untuk menentukan informasi mana yang merupakan nama vendor, tanggal invoice, nomor dokumen, nilai transaksi, atau informasi lainnya (IBM, 2026).

Dari Foto Menjadi Data Akuntansi

Proses otomatisasi invoice biasanya tidak berhenti setelah OCR berhasil membaca tulisan. IBM menjelaskan bahwa automated invoice processing menggunakan OCR, machine learning, dan teknologi lainnya untuk menerima dokumen, mengekstrak informasi, melakukan validasi, dan mengarahkan invoice melalui proses yang diperlukan dalam sistem accounts payable (IBM, 2026). Secara sederhana, prosesnya dapat digambarkan sebagai berikut.

Pertama, struk atau invoice difoto, dipindai, atau diterima dalam format digital. Kedua, OCR membaca karakter yang terdapat pada dokumen.Ketiga, sistem mengidentifikasi informasi penting, seperti nama pemasok, tanggal, nomor invoice, pajak, dan jumlah pembayaran. Keempat, informasi tersebut diubah menjadi data terstruktur yang dapat dikirim ke sistem akuntansi untuk diperiksa dan diproses lebih lanjut.

Penelitian mengenai otomatisasi invoice juga menggunakan alur serupa. Dokumen invoice terlebih dahulu diproses melalui OCR, kemudian hasil pengenalan teks dianalisis menggunakan model machine learning untuk menemukan informasi tertentu di dalam dokumen (Dusek et al., 2023).

Mengapa Teknologi Ini Menarik bagi Akuntansi?

Pekerjaan akuntansi memiliki banyak aktivitas yang berulang, termasuk memasukkan data transaksi dan memproses dokumen. Studi terbaru pada perusahaan akuntansi menemukan bahwa keterbatasan otomatisasi dan pekerjaan input manual menjadi salah satu sumber inefisiensi. Penelitian tersebut mengusulkan OCR berbasis AI sebagai salah satu pendekatan untuk mengurangi proses transkripsi manual invoice dan memindahkan data secara lebih terstruktur ke sistem akuntansi (El Idrissi et al., 2026). Kajian literatur mengenai otomatisasi akuntansi juga menunjukkan bahwa AI, Robotic Process Automation, cloud computing, dan teknologi digital lainnya semakin banyak dibahas sebagai teknologi yang mendukung otomatisasi proses akuntansi (Gotthardt et al., 2024). Artinya, OCR bukan teknologi yang bekerja sendirian. OCR dapat menjadi pintu masuk yang mengubah dokumen menjadi data, kemudian teknologi lain memproses data tersebut lebih lanjut.

Apakah Akuntan Masih Perlu Memeriksa?

Ya. Otomatisasi dapat mengurangi pekerjaan input data, tetapi kualitas hasil tetap perlu dikendalikan. IBM menjelaskan bahwa sistem pemrosesan invoice modern dapat menggabungkan proses ekstraksi dengan validasi sebelum informasi diteruskan ke proses pembayaran (IBM, 2026). Dalam praktik akuntansi, pemeriksaan menjadi penting karena kesalahan membaca satu angka dapat mengubah nilai transaksi.

Misalnya, OCR yang membaca Rp1.500.000 sebagai Rp15.000.000 dapat menghasilkan pencatatan yang salah jika data tersebut langsung diterima tanpa kontrol. Karena itu, manfaat utama OCR bukan membuat manusia tidak diperlukan. Teknologi ini membantu mengurangi aktivitas membaca dan mengetik dokumen secara berulang sehingga staf dapat lebih fokus pada pemeriksaan, analisis, dan pengendalian. Jadi, ketika foto struk dapat berubah menjadi transaksi pada aplikasi akuntansi, prosesnya bukan sekadar kamera membaca angka. Di belakangnya terdapat OCR yang mengubah gambar menjadi teks, sistem yang mencari informasi penting, serta teknologi lain yang mengubah informasi tersebut menjadi data yang dapat diproses. Dari selembar struk menuju pencatatan digital, OCR menjadi salah satu jembatan yang membuat pekerjaan akuntansi semakin otomatis.

 

Bibliography

Dusek, J., et al. (2023). Automated invoice processing: Machine learning-based information extraction for long tail suppliers. International Journal of Accounting Information Systems. https://www.sciencedirect.com/science/article/pii/S2667305323001102

El Idrissi, M., et al. (2026). Process efficiency in Moroccan accounting firms: A qualitative study and an OCR-based automation proposal. Procedia Computer Science, 280, 1278–1283. https://www.sciencedirect.com/science/article/pii/S1877050926011841

Gotthardt, M., et al. (2024). Emerging ICT in accounting processes automation: Literature review. Procedia Computer Science, 246, 4873–4882. https://www.sciencedirect.com/science/article/pii/S1877050924023780

IBM. (2026). What is accounting automation? https://www.ibm.com/think/topics/accounting-automation

IBM. (2026). What is automated invoice processing? https://www.ibm.com/think/topics/automated-invoice-processing

Javed, K., et al. (2021). Denoising letter images from scanned invoices using stacked autoencoders. Computers, Materials & Continua. https://www.sciencedirect.com/org/science/article/pii/S1546221821001168