Bangun alur Python untuk membaca foto struk dengan OCR, membersihkan hasilnya, lalu menyusun rekap pengeluaran berbentuk tabel.
Skill yang dibangun
Menjelaskan alur pemrosesan dari foto struk, hasil OCR, data terstruktur, hingga rekap pengeluaran serta mengenali titik kegagalannya.
Menjalankan OCR pada file gambar dengan Python dan memeriksa hasil teks untuk menemukan karakter, baris, atau angka yang terbaca keliru.
Membersihkan dan mengubah teks struk menjadi field seperti nama toko, tanggal, subtotal, pajak, dan total menggunakan aturan pemrosesan data yang dapat diuji.
Menyimpan hasil validasi ke tabel atau CSV, menangani data yang tidak lengkap, dan menguji aplikasi dengan variasi foto struk yang berbeda.
Pemula yang telah memahami dasar Python seperti variabel, fungsi, struktur data, dan penggunaan pustaka sederhana. Cocok bagi mahasiswa, staf administrasi, pemilik usaha kecil, atau analis pemula yang ingin mengurangi pencatatan struk secara manual dan memahami alur dasar proyek AI berbasis data. Peserta tidak perlu memiliki pengalaman sebelumnya dengan computer vision atau machine learning, tetapi perlu siap bekerja dengan file gambar, data tabel, dan aturan pembersihan data sederhana.
Project outcomes
Sebuah alur kerja Python sederhana yang membaca satu atau beberapa foto struk, menjalankan OCR, mengekstrak informasi pengeluaran, membersihkan format angka dan tanggal, menandai hasil yang meragukan, lalu menyimpan rekap ke file CSV untuk diperiksa atau diolah lebih lanjut.
Pencatatan pengeluaran dari foto struk tidak berhenti pada membaca teks. Hasil OCR dapat mengandung karakter keliru, format tanggal yang beragam, baris item yang terpecah, atau angka total yang ambigu. Kursus ini mengajak kita melihat seluruh alur sebagai proses data: gambar menjadi teks, teks menjadi field terstruktur, lalu field divalidasi sebelum dipakai untuk rekap.
Peserta akan menggunakan Python dan mesin OCR untuk memproses contoh foto struk, memeriksa hasil ekstraksi, serta menerapkan aturan pembersihan data yang sederhana tetapi dapat diuji. Setiap keputusan dibahas bersama batasannya, termasuk pengaruh kualitas gambar, tata letak struk, format angka, dan kegagalan ketika pola struk berubah.
Di akhir kursus, peserta memiliki aplikasi sederhana yang menerima foto struk dan menghasilkan rekap pengeluaran dalam format tabel atau CSV. Proyek ini tidak menjanjikan akurasi penuh tanpa pemeriksaan manusia; justru peserta belajar menandai hasil yang meragukan dan memvalidasi keluaran sebelum digunakan.
Bangun pipeline Python untuk menemukan aspek produk dan mengukur sentimen dari ulasan berbahasa Indonesia.
Bangun pipeline ekstraksi entitas dan relasi dari teks Bahasa Indonesia, lalu evaluasi hasilnya sebagai knowledge graph yang terukur.
Bangun alur Python untuk mengekstrak tabel dari PDF operasional, memvalidasi hasilnya, lalu menyimpannya sebagai CSV siap analisis.
Bangun pipeline synthetic data tabular yang dapat diuji dari sisi privasi, kualitas statistik, dan dampaknya terhadap performa model.