Laporan ini membahas pengembangan sistem Bank Statement Analyzer untuk mengotomatisasi analisis laporan rekening koran yang sebelumnya dilakukan secara manual, lambat, dan rentan terhadap kesalahan. Sistem ini dirancang untuk menangani dokumen keuangan yang tidak terstruktur dan memiliki variasi format dengan memanfaatkan Large Language Model (LLM) yang dikombinasikan dengan Optical Character Recognition (OCR) dalam mengekstraksi informasi dari dokumen PDF digital maupun hasil pindaian. Pengembangan dilakukan menggunakan pendekatan Agile Scrum dan diimplementasikan sebagai aplikasi berbasis web dengan arsitektur microservices. Fungsionalitas utama sistem meliputi ekstraksi data transaksi, validasi konsistensi saldo dan urutan tanggal, konsolidasi transaksi harian, perhitungan metrik keuangan, identifikasi transaksi non-bisnis, verifikasi visual data pada dokumen asli, serta ekspor hasil analisis ke format Excel. Hasil implementasi menunjukkan bahwa sistem mampu meningkatkan efisiensi dan akurasi proses analisis rekening koran secara signifikan dibandingkan metode manual, sehingga berpotensi menjadi solusi pendukung yang efektif dalam proses analisis kredit dan pengolahan dokumen keuangan.