Apa Itu PDF? Struktur, Sejarah, dan Tips Konversi

Saat mengirim kontrak lewat email, Anda ingin dokumen itu terbuka di sisi penerima dengan tata letak, font, dan pemisah halaman yang sama. PDF (Portable Document Format) dibuat persis untuk itu. Kini sebagian besar dokumen yang dianggap "final", mulai dari faktur dan putusan pengadilan hingga makalah ilmiah dan boarding pass, dikirim dalam bentuk PDF. Artikel ini menjelaskan asal-usul PDF, isi file-nya, versi yang ada, serta apa yang dipertahankan atau hilang ketika PDF dikonversi ke format lain.

Apa itu PDF?

PDF adalah format file yang mendeskripsikan setiap halaman dokumen dengan tampilan yang tetap. Dalam format penyuntingan seperti Word, teks "mengalir": jika jendela dipersempit atau font diganti, baris-baris akan tersusun ulang. Dalam PDF, posisi setiap karakter, garis, dan gambar di halaman sudah ditentukan sejak awal. File ini membawa teks, font (biasanya disematkan), gambar, dan grafik vektor dalam satu paket, sehingga dokumen tampil sama di komputer yang tidak memiliki aplikasi aslinya, di ponsel, maupun di printer.

Rancangan ini ada harganya: PDF adalah format keluaran. PDF tidak selalu memuat informasi semantik seperti paragraf, judul, atau tabel. Sering kali isinya hanya instruksi seperti "gambar glyph ini di koordinat ini". Memahami perbedaan ini menjelaskan mengapa menyunting PDF, atau mengubahnya kembali menjadi dokumen Word, itu sulit.

Sejarah singkat

PDF berawal dari proposal tahun 1991 oleh salah satu pendiri Adobe, John Warnock, yang disebut "The Camelot Project". Tujuannya adalah menangkap dokumen dari aplikasi apa pun lalu menampilkan atau mencetaknya di mesin apa pun. Menurut Adobe, upaya ini telah menjadi PDF pada 1992, dan PDF beserta perangkat lunak Acrobat untuk membacanya dirilis pada 15 Juni 1993.

Selama lima belas tahun pertama, PDF adalah spesifikasi milik Adobe dan fiturnya bertambah dari rilis ke rilis: formulir interaktif (AcroForms) di versi 1.2, transparansi dan metadata XMP di 1.4, serta layer, object stream, dan cross-reference stream di 1.5 yang terbit pada Agustus 2003. Titik balik sesungguhnya terjadi pada 2008, ketika PDF 1.7 menjadi standar internasional ISO 32000-1:2008 pada 1 Juli 2008 dan kendali atas format ini berpindah ke sebuah komite ISO. PDF 2.0 (ISO 32000-2) menyusul pada 2017, dengan edisi kedua yang telah dikoreksi pada Desember 2020. Sejak April 2023, PDF Association menyediakan ISO 32000-2 untuk diunduh secara gratis.

Sebagai gambaran skalanya: dalam sebuah posting blog Juni 2023, Adobe menyebut para pelanggannya telah membuka lebih dari 400 miliar PDF di produk Acrobat sepanjang tahun sebelumnya. Angka itu hanya mencakup produk Adobe; penampil bawaan browser dan perangkat lunak lain tidak termasuk.

Apa isi sebuah file PDF?

Jika Anda membuka PDF di editor teks, baris pertamanya menampilkan penanda versi seperti %PDF-1.7. Sisa file terdiri atas empat bagian utama:

1. Header: baris pertama yang menyatakan format dan versi.
2. Body: "indirect object" yang membentuk dokumen. Setiap objek memiliki nomor objek dan nomor generasi. Halaman, font, gambar, dan content stream semuanya adalah objek.
3. Tabel cross-reference (xref): mencantumkan offset byte setiap objek, sehingga pembaca bisa langsung melompat ke halaman mana pun tanpa memindai seluruh file. Sejak PDF 1.5, tabel ini juga bisa disimpan sebagai "xref stream" yang terkompresi.
4. Trailer dan akhir file: sebuah dictionary yang menunjuk ke katalog dokumen (/Root), diikuti startxref (letak awal xref) dan penanda %%EOF.

Contoh yang disederhanakan terlihat seperti ini:

%PDF-1.7
1 0 obj << /Type /Catalog /Pages 2 0 R >> endobj
2 0 obj << /Type /Pages /Kids [3 0 R] /Count 1 >> endobj
3 0 obj << /Type /Page /Parent 2 0 R /Contents 4 0 R >> endobj
4 0 obj << /Length 44 >> stream
BT /F1 12 Tf 72 720 Td (Hello) Tj ET
endstream endobj
xref ...
trailer << /Root 1 0 R /Size 5 >>
startxref ...
%%EOF

Isi halaman yang sebenarnya berada di content stream. Dalam contoh di atas, blok BT ... ET adalah objek teks, Tf memilih font dan ukurannya, Td menentukan posisi, dan Tj menggambar teksnya. Perhatikan bahwa di sini tidak ada konsep "paragraf" atau "judul", hanya glyph yang ditempatkan pada posisi tertentu. Bahkan satu baris visual sering terpecah menjadi beberapa fragmen.

Fitur PDF lainnya adalah incremental update. Saat Anda menambahkan komentar atau tanda tangan, perangkat lunak bisa menambahkan objek baru dan bagian xref baru di akhir file alih-alih menulis ulang seluruhnya. Tanda tangan digital memanfaatkan mekanisme ini agar konten yang ditandatangani tetap utuh.

Profil dan substandar PDF

Selain ISO 32000, ada profil PDF terbatas untuk keperluan khusus. Yang paling terkenal adalah PDF/A, yang dirancang untuk pengarsipan jangka panjang. Bagian pertamanya, PDF/A-1, diterbitkan sebagai ISO 19005-1 pada Oktober 2005. File PDF/A wajib menyematkan semua font, mendefinisikan warna secara independen dari perangkat, dan menyertakan metadata XMP, sedangkan enkripsi, JavaScript, audio, video, dan dependensi eksternal dilarang. Karena itulah lembaga arsip dan instansi pemerintah sering meminta PDF/A.

Pembedaan yang lebih praktis adalah antara PDF berbasis teks dan PDF hasil pindaian. File yang dibuat dengan "Save as PDF" dari Word atau browser berisi teks sungguhan yang bisa dipilih, dicari, dan disalin. Selembar kertas yang dimasukkan ke pemindai hanyalah gambar di dalam PDF. Untuk mengambil teksnya diperlukan OCR (optical character recognition).

Di mana PDF digunakan?

• Korespondensi hukum dan resmi: kontrak, permohonan, dan putusan, didukung oleh fitur tanda tangan digital.
• Akuntansi dan e-commerce: faktur, kuitansi, dan rekening koran.
• Penerbitan dan cetak: file siap cetak, e-book, dan katalog.
• Akademik: makalah, tesis, dan catatan kuliah.
• Formulir: formulir pendaftaran dan pernyataan yang bisa diisi.
• Pengarsipan: dokumen yang harus disimpan selama puluhan tahun, menggunakan PDF/A.

Kelebihan dan kekurangan

Program apa yang bisa membuka PDF?

Anda jarang perlu memasang apa pun. Chrome, Edge, Firefox, dan Safari semuanya sudah dilengkapi penampil PDF. Di macOS, PDF dibuka oleh Preview, sedangkan di Windows oleh Edge. Untuk penyuntingan lanjutan, desain formulir, dan penandatanganan, Adobe Acrobat adalah pilihan yang umum. Microsoft Word juga bisa membuka PDF dan mencoba mengubahnya menjadi dokumen yang dapat disunting, dengan hasil yang bergantung pada kerumitan file. Di Linux, Evince, Okular, dan perangkat Poppler banyak digunakan.

Masalah umum dan cara mengatasinya

Teks yang disalin dari PDF jadi berantakan

PDF bisa menyimpan teks dalam urutan penggambaran, bukan urutan baca. Pada makalah dua kolom, baris-barisnya bisa saling bercampur, dan sebagian font disematkan tanpa pemetaan Unicode sehingga karakter beraksen bisa tampak rusak. Mengonversi PDF ke TXT atau Word biasanya memberi hasil yang lebih rapi daripada menyalin langsung dari penampil.

File terenkripsi dan tidak bisa dibuka atau dikonversi

PDF bisa memiliki dua jenis kata sandi: kata sandi untuk membuka dan kata sandi izin (untuk menyunting atau mencetak). Tidak ada konverter yang bisa membaca file berkata sandi pembuka tanpa mengetahuinya. Jika Anda memiliki kata sandinya, buka file tersebut, hapus proteksinya, simpan ulang, lalu konversikan.

PDF hasil pindaian tidak bisa dicari

File tersebut berisi gambar, bukan teks, sehingga pencarian dan penyalinan tidak berfungsi. Anda memerlukan perangkat lunak OCR untuk menambahkan lapisan teks.

Font terlihat berbeda dari aslinya

Jika aplikasi pembuatnya tidak menyematkan font, penampil akan menggantinya dengan font yang mirip. Mengaktifkan opsi "embed fonts" saat ekspor, atau menyimpan sebagai PDF/A, dapat mencegah hal ini.

Tips mengonversi file PDF

Mengonversi PDF berarti menyusun ulang tata letak halaman yang tetap menjadi dokumen yang mengalir, jadi alat terbaik pun harus membuat tebakan yang masuk akal. Begini cara konverter kami menanganinya: saat Anda mengonversi PDF ke Word, file diunggah ke server kami, perangkat open source Poppler membaca setiap fragmen teks beserta posisinya, lalu baris-baris itu digabungkan kembali menjadi paragraf. Format karakter seperti tebal dan miring, serta alur bacaan, sebagian besar dipertahankan, tetapi halaman multikolom, tabel yang rumit, dan kotak berposisi tetap mungkin tidak persis sama dengan aslinya. File yang diunggah dihapus dari server dalam 30 menit.

• Jika Anda hanya butuh teksnya, mengonversi PDF ke TXT memberi hasil paling bersih: format dibuang dan yang tersisa adalah teks polos yang mudah dibaca.
• Jika Anda ingin mempertahankan tampilan halaman di web, PDF ke HTML menempatkan teks pada posisi aslinya di halaman.
• PDF hasil pindaian tidak berisi teks, sehingga konverter kami tidak dapat mengambil teks yang bisa disunting darinya. Jalankan OCR terlebih dahulu.
• PDF terenkripsi tidak bisa dikonversi; Anda akan melihat pesan yang meminta Anda menghapus kata sandinya.

Arah sebaliknya lebih mudah. Dengan Word ke PDF, file DOCX, DOC, dan RTF langsung diubah ke PDF melalui LibreOffice tanpa langkah perantara, sehingga tata letak halaman, header dan footer, tabel, serta gambar tetap terjaga. Jika Anda memakai font yang tidak terpasang di server, font itu mungkin diganti dengan yang mirip. Sumber seperti HTML, Markdown, dan TXT ditata pada halaman A4 lalu dicetak ke PDF oleh mesin browser.

Pertanyaan yang Sering Diajukan

Kapan PDF diciptakan?

Gagasannya berawal dari proposal Camelot John Warnock pada 1991. PDF dan Acrobat dirilis pada 15 Juni 1993, dan format ini menjadi standar internasional ISO 32000-1 pada 2008.

Apa perbedaan PDF 1.7 dan PDF 2.0?

PDF 1.7 adalah versi terakhir dari Adobe, yang distandardisasi sebagai ISO 32000-1 pada 2008. PDF 2.0 (ISO 32000-2) dikembangkan sepenuhnya di dalam ISO, diterbitkan pada 2017, dan dikoreksi dalam edisi 2020. Dalam penggunaan sehari-hari, keduanya bisa dibuka di program yang sama.

Apa itu PDF/A dan kapan sebaiknya digunakan?

PDF/A adalah profil PDF terbatas untuk pengarsipan jangka panjang. Profil ini mewajibkan font tersemat dan melarang fitur seperti enkripsi dan JavaScript. Pilih PDF/A jika dokumen harus terbuka dengan cara yang sama bertahun-tahun ke depan, atau jika sebuah lembaga mewajibkannya.

Mengapa tata letak rusak saat PDF dikonversi ke Word?

Karena PDF biasanya tidak memiliki informasi paragraf atau tabel, hanya glyph yang ditempatkan pada posisi tertentu. Konverter harus menyusun ulang baris dan paragraf dari fragmen-fragmen tersebut. Dokumen sederhana satu kolom terkonversi dengan sangat baik; halaman multikolom atau yang penuh tabel mungkin perlu dirapikan secara manual.

Bisakah PDF hasil pindaian diubah menjadi teks yang bisa disunting?

Untuk itu diperlukan OCR. Konverter kami tidak melakukan OCR; konverter hanya memindahkan teks yang benar-benar ada di dalam PDF. Jalankan dokumen pindaian melalui perangkat lunak OCR terlebih dahulu, lalu konversikan.

Apakah aman mengonversi PDF saya?

Konversi dokumen berjalan di server kami. File hanya digunakan untuk konversi dan dihapus dalam 30 menit. Untuk materi yang sangat rahasia, Anda mungkin tetap lebih memilih untuk tidak mengunggahnya ke layanan online mana pun.

Sumber

• Adobe: What is a PDF? (The Camelot Project dan lahirnya PDF)
• Adobe Blog: Celebrating 30 years of digital transformation with Adobe Acrobat (15 Juni 2023)
• Library of Congress: deskripsi format PDF 1.5
• Library of Congress: PDF/A-1, ISO 19005-1:2005
• Wikipedia: PDF (sejarah dan struktur file, sumber sekunder)
• Pustaka rendering PDF Poppler