Cara Kerja AI Membaca Struk Belanja jadi Kategori Pengeluaran

Pernah penasaran gimana caranya aplikasi keuangan bisa langsung tahu bahwa struk minimarket yang kamu foto itu masuk kategori "Belanja Rumah Tangga", padahal kamu nggak mengetik apa pun selain upload fotonya? Di balik itu ada proses yang cukup menarik untuk dipahami, supaya kamu juga makin percaya dan tahu cara memaksimalkan fitur ini.

Kenapa Proses Ini Terdengar Rumit Tapi Terasa Instan Buat Penggunanya

Meski melibatkan beberapa tahap teknis di baliknya, dari sisi kamu sebagai pengguna, seluruh proses ini terjadi dalam hitungan detik setelah foto diunggah. Kompleksitas teknisnya sengaja disembunyikan supaya pengalaman penggunanya tetap sederhana—kamu cukup lihat hasilnya sudah jadi, tanpa perlu tahu atau peduli dengan detail cara kerja di belakang layar. Tapi memahami garis besarnya tetap berguna, terutama supaya kamu tahu kenapa kadang hasilnya kurang tepat, dan apa yang bisa kamu lakukan untuk memperbaikinya.

Dari Gambar Jadi Teks: Proses Pembacaan Struk

Tahap pertama yang terjadi saat kamu upload foto struk adalah proses membaca teks dari gambar, dikenal dengan istilah OCR (optical character recognition). Sistem "melihat" tiap karakter di struk—huruf dan angka—dan mengubahnya jadi teks digital yang bisa diproses lebih lanjut. Ini termasuk nama toko di bagian atas struk, daftar barang beserta harga masing-masing, sampai baris total di bagian bawah.

Tantangan di tahap ini biasanya soal kualitas gambar. Struk kasir umumnya dicetak dengan kertas termal yang tipis dan mudah pudar, ditambah font kecil yang kadang tumpang tindih. Karena itu foto yang jelas dan terang sangat berpengaruh pada seberapa akurat hasil pembacaan nantinya.

Peran Riwayat Transaksi Sebelumnya

Selain nama toko dan jenis barang di struk itu sendiri, sistem kategorisasi yang baik juga bisa mempertimbangkan pola transaksimu sebelumnya. Kalau kamu sering belanja di toko yang sama dan biasanya masuk kategori tertentu, kemungkinan besar transaksi baru dari toko yang sama akan diarahkan ke kategori serupa. Ini membuat hasil kategorisasi makin lama makin relevan dengan kebiasaan belanjamu sendiri, bukan cuma mengandalkan aturan umum yang sama untuk semua orang.

Dari Teks Jadi Kategori: Proses Penentuan Kategori

Setelah teks berhasil dibaca, tahap berikutnya adalah memahami konteksnya. Di sinilah AI berperan menentukan kategori pengeluaran yang paling sesuai. Caranya biasanya dengan mencocokkan nama toko atau jenis barang yang terdeteksi dengan kategori yang relevan—misalnya struk dari minimarket dengan barang-barang kebutuhan harian akan diarahkan ke kategori Makanan atau Belanja Rumah Tangga, sementara struk dari apotek akan diarahkan ke kategori Kesehatan.

Proses ini nggak sekadar mencocokkan kata kunci secara kaku, tapi mempertimbangkan konteks keseluruhan struk—nama toko, jenis barang yang dominan, sampai pola pengeluaran serupa sebelumnya. Karena itu, hasil kategorisasi bisa jadi cukup akurat meski struknya nggak menyebutkan kategori secara eksplisit.

Contoh Perbedaan Kategorisasi Antar Jenis Struk

Supaya lebih kebayang, coba lihat beberapa contoh. Struk dari minimarket dengan item sabun, beras, dan minyak goreng akan diarahkan ke kategori kebutuhan rumah tangga. Struk dari restoran atau warung makan dengan nama menu makanan akan masuk kategori Makanan & Minuman. Struk dari SPBU dengan nominal dan jenis bahan bakar akan diarahkan ke kategori Transportasi. Struk dari apotek dengan nama-nama obat akan masuk kategori Kesehatan. Masing-masing kategori ini ditentukan bukan dari satu kata kunci tunggal, tapi dari kombinasi nama toko dan pola barang yang biasanya muncul bersamaan di jenis transaksi tersebut.

Kenapa Kategori yang Tepat Itu Penting

Kategori bukan cuma label—ini fondasi dari laporan keuanganmu. Kalau kategorinya salah atau semua digabung jadi satu kategori "Lain-lain", kamu jadi nggak bisa lihat pola pengeluaran yang sebenarnya. Misalnya, kamu mungkin nggak sadar bahwa pengeluaran untuk jajan ternyata lebih besar dari cicilan bulanan, kalau semuanya tercampur dalam kategori yang sama. Kategorisasi otomatis yang akurat membantu kamu melihat gambaran nyata tanpa harus repot mengelompokkan sendiri satu per satu.

Batas Kemampuan yang Wajar Dipahami

Seakurat apa pun prosesnya, kategorisasi otomatis dari struk tetap punya batas. Struk yang sangat pudar, robek sebagian, atau ditulis tangan tanpa format standar mungkin butuh koreksi manual setelah sistem membacanya. Ini bukan tanda teknologinya gagal, tapi konsekuensi wajar dari proses membaca gambar yang kualitas sumbernya di luar kendali sistem. Yang penting, sebagian besar struk cetak standar dari toko modern biasanya terbaca dengan cukup baik, dan proses koreksi—kalau memang dibutuhkan—jauh lebih cepat dibanding mengetik ulang seluruh struk dari nol.

Bagaimana Sakuin Menerapkan Ini

Fitur Foto Struk Belanja (AI) di Sakuin menjalankan persis dua tahap di atas: membaca total belanja dari foto struk yang kamu upload, lalu otomatis menentukan kategori pengeluarannya. Sakuin juga sudah dilengkapi kategori kontekstual Indonesia yang relevan dengan kebiasaan belanja lokal—mulai dari kategori standar seperti Makanan, Transportasi, dan Kesehatan, sampai kategori khusus seperti Zakat/Infaq/Sedekah, THR & Hari Raya, dan Mudik & Perjalanan. Untuk kebutuhan yang lebih spesifik, pengguna paket Pro dan Max juga bisa membuat kategori dan sub-kategori kustom sendiri.

Fitur Foto Struk ini berbagi kuota dengan fitur AI Sakuin lainnya seperti Catat Otomatis lewat chat: paket Free dan Pro mendapat 10 kali uji coba seumur pakai, sementara paket Max mendapat 300 kali per bulan untuk yang ingin mengandalkan fitur ini setiap kali belanja.

Sama seperti proses OCR pada umumnya, hasil pembacaan struk di Sakuin juga tetap bisa kamu cek dan sesuaikan sebelum disimpan, jadi kamu tetap punya kendali kalau ada bagian yang perlu dikoreksi.

Setelah tahu prosesnya, semoga kamu makin yakin bahwa scan struk bukan cuma gimmick—ada logika nyata di baliknya yang dirancang supaya kategorisasi keuanganmu tetap rapi tanpa kamu harus mengelompokkan semuanya secara manual.