BAB I PENDAHULUAN

1.1.

Latar Belakang

Perkembangan teknologi image processing hingga saat ini terus diperluas dengan tujuan untuk membantu manusia dalam melakukan pekerjaannya. Aplikasinya sendiri antara lain dalam dunia ilmu pengetahuan itu sendiri, keamanan, robotika, dan lain sebagainya. Image processing merupakan salah satu jenis teknologi untuk image

menyelesaikan masalah mengenai pemrosessan gambar. Dalam

processing gambar yang ada diolah sedemikian rupa sehingga gambar tersebut lebih mudah untuk diproses. Salah satu kegunaan image processing adalah pada saat membuat aplikasi yang mampu mengenali plat nomor kendaraan bermotor. Aplikasi ini dapat diterapkan pada SPBU ketika ada kendaraan bermotor yang mengisi bahan bakar. Sistem akan menentukan apakah kendaraan tersebut berhak mendapat subsidi atau tidak. Penentuan plat nomor kendaraan bermotor dengan melihat jenis kendaraan dan tentunya dengan beberapa syarat tertentu. Harga bahan bakar minyak (BBM) di Indonesia jauh lebih murah dibandingkan harga BBM di negara lain. Data Bank Dunia (World Bank) menunjukkan subsidi BBM di Indonesia lebih menguntungkan rumah tangga kelas menengah-atas dibandingkan masyarakat bawah. Menurut survei rumah tangga (Susenas 2009), sebanyak 40 persen dari seluruh manfaat subsidi BBM dinikmati 10 persen penduduk terkaya. Sedangkan, sebanyak 10 persen rumah tangga termiskin hanya menikmati satu persen saja. Pada penerapan aplikasi ini diharapkan dapat mengatasi beban pemerintah menganai subsidi BBM yang tidak tepat sasaran.

1.2.

Perumusan Masalah

1

Berdasarkan latar belakang yang telah disebut di atas maka perumusuan masalah ditekankan pada: 1. Bagaimana standar proses pengambilan citra dengan menggunakan kamera digital. 2. Bagaimana mendeteksi letak plat nomor kendaraan secara akurat untuk kemudian dilakukan image cropping pada posisi plat nomor kendaraan. 3. Bagaimana memisahkan (segemtasi) gambar plat nomor kendaraan yang telah terdetaksi menjadi beberapa bagian karakter. 4. Bagaimana melakukan pengenalan karakter dari hasil segmentasi 5. Bagaimana mencocokkan plat nomor kendaraan dengan database sistem untuk kemudian melihat spesifikasi kendaraan bermotor.

1.3.

Batasan Masalah

Batasan masalah yang dihadapi dalam pembuat aplikasi ini adalah: 1. Jenis plat yang digunakan adalah plat standar kendaraan bermotor yang berlaku di Indonesia. 2. Pada plat tidak boleh ada penambahan objek atau tulisan lain. 3. Image yang ditangkap adalah image dalam posisi ideal.

1.4.

Tujuan

Tujuan dari proyek ini adalah membuat suatu sistem penentuan pengisian BBM bersubsidi dan BBM non-subsidi dengan mengunkan webcam untuk capture gambar dan image processing untuk mengenali plat nomor suatu kendaraan.

1.5.

Metode

Algoritma yang digunakan dalam penelitian ini adalah RLSA (smearing). Smearing adalah suatu metode untuk mengekstraksi lokasi teks dalam suatu gambar. Dengan smearing, gambar akan diproses secara vertikal dan horisontal

2

(scan-lines). Jika angka dari piksel hitam berurutan kurang dari threshold yang ditentukan maka gambar akan diubah menjadi putih. Input gambar pada tahap ini berupa citra berwarna dengan gambar mobil dengan plat nomor kendaraannya. Pada pencarian lokasi plat nomor, metode yang digunakan adalah metode Run-Length Smearing Algorithm (RLSA) atau biasa disebut dengan smearing. Metode ini merupakan salah satu metode yang berfungsi mencari lokasi teks dalam suatu gambar citra biner. Cara kerja metode ini adalah dengan cara melakukan proses scan-lines pada gambar secara vertikal dan horisontal. Perangkat lunak yang dibutuhkan untuk membuat sistem ini adalah sebagai berikut: 1. Sistem operasi Windows 7. 2. Visual Basic 6.0 sebagai graphic user interface. 3. MySQL sebagai database sistem.

3

BAB II DASAR TEORI

2.1.

Computer Vision dan Pengolahan Citra Digital

2.1.1. Computer Vision

Computer vision

adalah ilmu dan metode aplikasi dalam menggunakan

komputer untuk memahami isi citra (image content). Area permasalahan dalam computer vision ada1ah pengukuran dan pemrosessan, yang dapat dilakukan dengan berbagai metode. Computer Vision mempunyai tujuan utama untuk membuat keputusan yang berguna tentang objek fisik nyata dan pemandangan berdasarkan citra yang didapat dari sensor. Computer vision ingin membangun sebuah mesin cerdas yang mampu melihat dan mendeteksi sebuah objek, tentunya hal ini tidaklah mustahil. Ada berbagai contoh dari aplikasi computer vision seperti Human Computer Interaction (HCI), Object Identification, dan Recognation. Dalam mengambil keputusan tentang objek nyata, ternyata selalu dibutuhkan untuk membangun beberapa deskripsi atau model objek-objek tersebut dari gambar yang ada. Oleh karena itu, banyak para ahli berkata bahwa tujuan dari computer vision adalah konstruksi dari deskripsi pemandangan yang diambil dari gambar yang diperoleh. Beberapa area permaslahan computer vision adalah sebagai berikut:

1.

Recognation/Pengenalan bertujuan mengenali objek data citra, aplikasinya seperti Content Based Image Retrieval (CBIR), Optical Character Recognition (OCR).

2.

Motion/gerakan bertujuan mengenali data citra bergerak. Aplikasinya seperti Egomotion yang membagi gerakan 3D dari kamera, Tracking yang memperkirakan satu atau beberapa objek dalam citra bergerak

3.

Restorasi citra, bertujuan untuk mendapatkan data citra, citra bergerak atau objek 3D tanpa noise.

4

2.1.2. Pengolahan Citra Digital

Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :

1.

Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.

2.

Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

Bidang aplikasi kedua yang sangat erat hubungannya dengan ilmu pengetahuan pole (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari. Pengolahan citra dan pengenalan pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum tahapan pengolahan citra digital meliputi akusisi citra, peningkatan kualitas citra, segmentasi citra, representasi dan uraian, pengenalan dan interpretasi.

Akusisi citra Pengambilan data dapat dilakukan dengan menggunakan berbagai media seperti kamera analog, kamera digital, handycamp, scanner, optical reader dan sebagainya. Citra yang dihasilkan belum tentu data digital, sehingga perlu didigitalisasi.

5

Peningkatan kualitas citra Pada tahap ini dikenal dengan pre-processing dimana dalam meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra digital berikutnya.

Segmentasi citra Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan) suatu objek dari keseluruhan citra. Segmentasi terdiri dari downsampling, penapisan dan deteksi tepian. Tahap downsampling merupakan proses untuk menurunkan jumlah piksel dan menghilangkan sebagian informasi dari citra. Dengan resolusi citra yang tetap, downsampling menghasilkan ukuran citra yang lebih kecil. Tahap segmentasi selanjutnya adalah penapisan dengan filter median, hal ini dilakukan untuk menghilangkan derau yang biasanya muncul pada frekuensi tinggi pada spektrum citra. Pada penapisan dengan filter median, gray level citra pada setiap piksel digantikan dengan nilai median dari gray level pada piksel yang terdapat pada window filter. Tahap yang terakhir pada proses segmentasi yaitu deteksi tepian. Pendekatan algoritma Canny dilakukan berdasarkan konvolusi fungsi citra dengan operator Gaussian dan turunan-turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan sebuah tepian yang ideal, dengan ketebalan yang diinginkan. Secara umum, proses segmentasi sangat penting dan secara langsung akan menentukan keakurasian sistem dalam proses identifikasi iris mata.

Representasi dan Uraian Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik

6

dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

Pengenalan dan Interpretasi Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacammacam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan dalam mengartikan objek yang dikenali.

2.2.

Image Analysis

2.2.1. Proses Grayscale

Citra grayscale adalah citra yang hanya menggunakan warna pada tingkatan warna abu-abu. Warna abu-abu adalah satu-satunya warna pada ruang RGB dengan komponen merah, hijau dan biru mempunyai intensitas yang sama. Pada citra beraras keabuan hanya perlu menyatakan nilai intensitas untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra berwarna perlu tiga nilai intensitas untuk tiap pikselnya. Merubah citra RGB menjadi citra grayscale adalah salah satu contoh proses pengolahan citra menggunakan operasi titik. Untuk mengubah citra RGB menjadi citra grayscale adalah dengan menghitung rata-rata nilai intensitas RGB dari setiap piksel penyusun citra tersebut. Untuk mengubah citra berwarna yang mempunyai nilai matrik masingmasing r, g dan b menjadi citra grayscale dengan nilai s, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai r, g dan b sehingga dapat dituliskan menjadi:

7

Gambar 2.1 Konversi citra ke grayscale

2.2.2. Proses Thresholding

Thresholding merupakan salah satu teknik segmentasi yang baik digunakan untuk citra dengan perbedaan nilai intensitas yang signifikan antara latar belakang dan objek utama (Katz,2000). Dalam pelaksanaannya Thresholding membutuhkan suatu nilai yang digunakan sebagai nilai pembatas antara objek utama dengan latar belakang, dan nilai tersebut dinamakan dengan threshold. Thresholding digunakan untuk mempartisi citra dengan mengatur nilai intensitas semua piksel yang lebih besar dari nilai threshold T sebagai latar depan dan yang lebih kecil dari nilai threshold T sebagai latar belakang. Biasanya pengaturan nilai threshold dilakukan berdasarkan histogram grayscale (Gonzales dan Woods, 2002; Fisher, dkk, 2003; Xiaoyi dan Mojon, 2003). Proses thresholding ini pada dasarnya adalah proses pengubahan kuantisasi pada citra, sehingga untuk melakukan thresholding dengan derajat keabuan dapat digunakan rumus: ( ) dimana : w adalah nilai derajat keabuan sebelum thresholding x adalah nilai derajat keabuan setelah thresholding ( )

8

Gambar 2.2 Grayscale dengan beberapa tingkat thresholding

2.2.3. Citra Biner

Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Alasan masih digunakannya citra biner dalam pengolahan citra digital hingga saat ini adalah algoritma untuk citra biner telah berkembang dengan baik dan waktu pemrosesan lebih cepat karena jumlah bit untuk tiap pikselnya lebih sedikit. Citra biner adalah citra yang setiap pikselnya hanya memiliki 2 kemungkinan derajat keabuan yakni 0 dan 1. Proses pembineran dilakukan dengan membulatkan ke atas atau ke bawah untuk setiap nilai keabuan dari piksel yang berada di atas atau bawah harga ambang. Metode untuk menentukan besarnya harga ambang disebut thresholding.

2.3.

Algoritma Pencari Lokasi Nomor Plat

2.3.1. Run-Length Smearing Algorithm (RLSA)

Smearing adalah suatu metode untuk mengekstraksi lokasi teks dalam suatu gambar. Dengan smearing, gambar akan diproses secara vertikal dan horisontal (scan-lines). Jika angka dari piksel hitam berurutan kurang dari threshold yang ditentukan maka gambar akan diubah menjadi putih.

9

Pada pencarian lokasi plat nomor, metode yang digunakan adalah metode Run-Length Smearing Algorithm (RLSA) atau biasa disebut dengan smearing. Metode ini merupakan salah satu metode yang berfungsi mencari lokasi teks dalam suatu gambar citra biner. Cara kerja metode ini adalah dengan cara melakukan proses scan-lines pada gambar secara vertikal dan horisontal. Untuk langkah pertama adalah mengubah input gambar dengan sistem warna RGB menjadi grayscale. Namun dengan adanya kesulitan pada kondisi plat nomor kendaraan di Indonesia, maka sebagai nilai grayscale, digunakan komponen warna biru. Hal ini dikarenakan mobil yang cenderung berwarna gelap memiliki nilai biru yang besar (mendekati putih) sehingga nilai biru dapat digunakan untuk meminimalisir warna hitam yang dapat mengganggu pendeteksian lokasi plat nomor. Setelah itu proses dilanjutkan dengan menentukan nilai batas bawah dan batas atas yang diperoleh dari jarak minimum dari huruf yang satu ke huruf yang lain yang bersebelahan yang dijadikan sebagai nilai batas bawah, sedangkan jarak maksimum dijadikan sebagai nilai batas atas. Nilai batas bawah dan atas dicari baik untuk horizontal (jarak antar huruf) dan vertikal (tinggi huruf). Setelah itu, dilakukan proses perhitungan piksel hitam yang berurutan dalam suatu garis. Jika jumlah dari piksel hitam yang berurutan lebih kecil dari nilai batas bawah atau lebih besar dari nilai batas atas maka seluruh piksel yang berurutan tersebut diubah menjadi putih, sedangkan jika nilai piksel hitam yang berurutan berada diantara nilai batas bawah dan atas maka seluruh piksel yang berurutan tersebut tidak diubah. Proses smearing ini dilakukan sebanyak tiga kali untuk mendapatkan lokasi plat yang benar. Pada smearing pertama kali dilakukan pencarian piksel hitam yang merupakan jarak dari tiap karakter huruf/angka plat nomor, smearing kedua dilakukan pencarian piksel putih yang merupakan lebar huruf dari karakter plat nomor. Setelah kedua smearing diatas dilakukan hasil dari keduanya kemudian digabungkan setelah itu dilakukan lagi smearing untuk menemukan piksel hitam yang merupakan besar dari plat nomor tersebut secara utuh. Setelah lokasi plat nomor didapatkan gambar tersebut akan diekstrak sehingga terbentuk suatu gambar yang berisikan plat nomor saja.

10

2.3.2. Segmentasi Karakter

Dalam segmentasi karakter setiap karakter dari plat akan dibagi menjadi tiap-tiap bagian. Metode yang digunakan adalah dengan membandingkan tiap baris piksel secara tegak. Jika piksel tersebut terdeteksi sebagai awal karakter maka baris dari piksel itu diberi nilai 1 sedangkan jika terdeteksi sebagai akhir dari karakter di berikan nilai 2, jika baris itu terdeteksi sebagai tengah dari karakter maka akan diberi 3. Setelah area ditemukan maka gambar akan dipotong-potong sesuai dengan area-area yang ada. Pada proses ini gambar plat nomor yang telah didapatkan akan dismearing kembali untuk mendapatkan lokasi dari masing-masing karakter pada gambar plat tersebut. Setelah smearing dilakukan, gambar akan dibaca dan diekstrak dari kiri ke kanan sesuai dengan lokasi hasil smearing. Output dari proses ini berupa gambar dari masing-masing karakter huruf/angka dari plat nomor.

11

BAB III PERANCANGAN SISTEM

3.1.

BAHAN PENELITIAN

Pada penelitian ini digunakan bahan berupa citra nomor plat kendaraan sebanyak 100 citra dengan teknik pengambilan secara langsung pada kendaraan. Gambar mobil diambil dari jarak antara 2 sampai 2,5 meter dari mobil dengan menggunakan kamera digital dengan ukuran 640x480 piksel,

3.2.

ALAT PENELITIAN

Penelitian ini menggunakan bahasa pemrograman Microsoft Visual Basic 6 untuk interface dan MySQL sebagai basis datanya. Alat yang diperlukan untuk melakukan penelitian ini adalah perangkat komputer yang dapat menjalankan bahasa pemrograman Microsoft Visual Basic 6 dan MySQL tersebut. Dan alat yang digunakan untuk pengambilan citra nomor plat kendaraan adalah webcam

3.3.

PERANCANGAN SISTEM

Perancangan sistem merupakan tahap yang dilakukan setelah bahan penelitian selesai didapat. Perancangan sistem ini meliputi perancangan diagram alir dan perancangan form sistem.

3.3.1. Pencari Lokasi Nomor Plat

Pada pencarian lokasi plat nomor, metode yang digunakan adalah metode Run-Length Smearing Algorithm (RLSA) atau biasa disebut dengan smearing.

12

Metode ini merupakan salah satu metode yang berfungsi mencari lokasi teks dalam suatu gambar citra biner. Cara kerja metode ini adalah dengan cara melakukan proses scan-lines pada gambar secara vertikal dan horisontal. Untuk langkah pertama adalah mengubah input gambar dengan sistem warna RGB menjadi grayscale. Namun dengan adanya kesulitan pada kondisi plat nomor kendaraan di Indonesia, maka sebagai nilai grayscale, digunakan komponen warna biru. Hal ini dikarenakan mobil yang cenderung berwarna gelap memiliki nilai biru yang besar (mendekati putih) sehingga nilai biru dapat digunakan untuk meminimalisir warna hitam yang dapat mengganggu pendeteksian lokasi plat nomor. Setelah itu proses dilanjutkan dengan menentukan nilai batas bawah dan batas atas yang diperoleh dari jarak minimum dari huruf yang satu ke huruf yang lain yang bersebelahan yang dijadikan sebagai nilai batas bawah, sedangkan jarak maksimum dijadikan sebagai nilai batas atas. Nilai batas bawah dan atas dicari baik untuk horizontal (jarak antar huruf) dan vertikal (tinggi huruf). Setelah itu, dilakukan proses perhitungan piksel hitam yang berurutan dalam suatu garis. Jika jumlah dari piksel hitam yang berurutan lebih kecil dari nilai batas bawah atau lebih besar dari nilai batas atas maka seluruh piksel yang berurutan tersebut diubah menjadi putih, sedangkan jika nilai piksel hitam yang berurutan berada diantara nilai batas bawah dan atas maka seluruh piksel yang berurutan tersebut tidak diubah. Proses dari pencarian lokasi plat nomor ini ditunjukkan dalam bentuk flowchart pada gambar 3.1 dan gambar 3.2.

13

Gambar 3.1 Flowchar smearing bagian 1

14

Gambar 3.2 Flowchart smearing bagian 2

Proses smearing ini dilakukan sebanyak tiga kali untuk mendapatkan lokasi plat yang benar. Pada smearing pertama kali dilakukan pencarian piksel hitam yang merupakan jarak dari tiap karakter huruf/angka plat nomor, smearing kedua dilakukan pencarian piksel putih yang merupakan lebar huruf dari karakter plat nomor. Setelah kedua smearing diatas dilakukan hasil dari keduanya kemudian digabungkan setelah itu dilakukan lagi smearing untuk menemukan piksel hitam yang merupakan besar dari plat nomor tersebut secara

15

utuh. Setelah lokasi plat nomor didapatkan gambar tersebut akan diekstrak sehingga terbentuk suatu gambar yang berisikan plat nomor saja.

3.3.2. Segmentasi Karakter (Character Segmentation)

Dalam segmentasi karakter setiap karakter dari plat akan dibagi menjadi tiap-tiap bagian. Metode yang digunakan adalah dengan membandingkan tiap baris piksel secara tegak. Jika piksel tersebut terdeteksi sebagai awal karakter maka baris dari piksel itu diberi nilai 1 sedangkan jika terdeteksi sebagai akhir dari karakter di berikan nilai 2, jika baris itu terdeteksi sebagai tengah dari karakter maka akan diberi 3. Setelah area ditemukan maka gambar akan dipotong-potong sesuai dengan area-area yang ada. Pada proses ini gambar plat nomor yang telah didapatkan akan di-smearing kembali untuk mendapatkan lokasi dari masing-masing karakter pada gambar plat tersebut. Setelah smearing dilakukan, gambar akan dibaca dan diekstrak dari kiri ke kanan sesuai dengan lokasi hasil smearing. Output dari proses ini berupa gambar dari masingmasing karakter huruf/angka dari plat nomor.

3.3.3. Pengujian Sistem

Pengujian akan dilakukan pada gambar mobil seperti pada gambar 5. Pertama-tama, sistem akan memisahkan ketiga komponen warna dari gambar input (lihat gambar 3.3). Setelah itu dilakukan proses thresholding untuk mendapatkan gambar biner (lihat gambar 3.4).

16

Gambar 3.3 Hasil Grayscale

Gambar 3.4 Hasil Thresholding

Pada proses pencarian lokasi plat nomor kendaraan dilakukan 3 kali proses smearing. Smearing yang pertama dilakukan untuk mencari lokasi hitam dari plat nomor. Hasil dari smearing pertama dapat dilihat pada gambar 3.5.

17

Gambar 3.5 Hasil smearing pertama

Proses smearing kedua dilakukan untuk mencari lokasi dari karakter plat nomor. Daerah yang memenuhi persyaratan sebagai karakter diwarnai dengan warna biru. Hasil dari smearing kedua dapat dilihat pada Gambar 3.6.

Gambar 3.6 Hasil smearing kedua

Setelah daerah-daerah yang dianggap sebagai karakter, proses selanjutnya adalah menggabungkan hasil smearing pertama dengan kedua. Proses penggabungannya adalah dengan cara menghitamkan hasil smearing kedua (daerah berwarna biru) pada hasil smearing pertama, sehingga didapatkan hasil seperti pada Gambar 3.7.

18

Gambar 3.7 Hasil penggabungan smearing I dan II

Setelah itu dilakukan lagi smearing untuk proses akhir pencarian lokasi plat kendaraan dengan cara mencari lokasi hitam dari plat nomor hasil penggabungan smearing I dan II. Hasil dari smearing akhir dapat dilihat pada Gambar 3.8.

Gambar 3.8 Hasil smearing akhir

Pada proses selanjutnya yang dilakukan adalah cropping dari lokasi plat yang telah didapatkan. Gambar 3.9 menunjukkan hasil cropping dari lokasi plat nomor kendaraan.

Gambar 3.9 Hasil cropping

19

Proses segmentasi dilakukan untuk mendapatkan karakter yang ada pada plat nomor. Hasil dari segmentasi dapat dilihat pada gambar 3.10.

Gambar 3.10 hasil segmentasi karakter

Setelah hasil segmentasi didapat maka hasil segmentasi akan dibagi menjadi beberapa region untuk proses add sample ataupun recognize. Pada menu add sample user diharuskan mengisi desire ouput untuk tiap karakter. Sedangkan pada menu recognize user dapat menekan tombol recognize untuk mengenali karakter.

3.3.4. Perancangan Form

Perancangan form merupakan perancangan antar muka dari perangkat lunak yang akan dibangun. Perancangan form termasuk salah satu unsur yang penting dalam membangun sebuah perangkat lunak. Semakin baik tampilan antar mukanya maka akan semakin mudah pula penggunaan perangkat lunak tersebut. Pada sistem pengenalan nomor plat kendaraa, form yang ada hanya satu yaitu form utama. Form ini sudah mencakup semua aspek di dalam sistem pengenalan plat nomor kendaran

20

Gambar 3.11 Perancangan Form

21