Teknologi di dunia kedokteran semakin berkembang. Hal tersebut memudahkan untuk mendeteksi penyakit pada manusia termasuk penyakit diabetes. Penyakit diabetes menyebabkan permasalahan pada mata yang disebut juga dengan Diabetic Retinopathy. Untuk mendeteksi penyakit tersebut, tahap awal yang dilakukan adalah dengan melakukan segmentasi pada pembuluh darah. Penelitian ini menerapkan Laplacian of Gaussian sebagai metode segmentasi. Terbagi tiga proses utama antara lain preprocessing, segmentasi, dan perbaikan citra setelah proses segmentasi. Tahap pertama adalah preprocessing, yaitu mengambil citra green channel, dan memperbaiki kontras citra dengan Contrast Limited Adaptive Histogram Equalization (CLAHE). Tahap kedua adalah segmentasi dengan Laplacian of Gaussian. Laplacian of Gaussian mempunyai dua parameter, yaitu koordinat (x,y) dan variansi. Hasil dari Laplacian of Gaussian adalah matrik mask yang digunakan untuk mengkonvolusi citra. Tahap ketiga dilakukan proses noise removal, overlapping mask, operasi morfologi dilasi dan field of view removal. Hasilnya dibandingkan dengan citra groundtruth untuk menghitung tingkat akurasi. Pengujian dilakukan pada database Digital Retinal Images for Vessel Extraction (DRIVE) sebanyak 20 citra. Hasil citra segmentasi dibandingkan dengan citra groundtruth. Akurasi dengan hasil terbaik sebesar 88,88 % dan 79,29 % untuk akurasi terendah. Rata-rata akurasi sebesar 85,53 %. Citra yang dihasilkan dari segmentasi cukup baik sehingga metode Laplacian of Gaussian mampu melakukan segmentasi dengan baik.

Technology in Biomedics is growth increasingly and easier to detect diseases for human. One of them is Diabetic. Diabetic cause a problem in eyes. That is Diabetic Retinopathy. For detect this desease, vessel segmentation must to do in retinal images. Laplacian of Gaussian was proposed in this research for vessel segmentation. Three main processes in this research was used. First process was preprocessing, second was segmentation, and third was cleaning. In preprocessing were used green channel and Contrast Limited Adaptive Histogram Equalization (CLAHE) for contrast enhancement. For vessel segmentation was used Laplacian of Gaussian. Laplacian of Gaussian have two parameter. They were (x,y) coordinate and variance. Laplacian of Gaussian was resulting mask matrix that used to image convolution. Last step were noise removal, overlapping mask, dilation morphological operation and field of view removal. Result from that process were segmented images. Images were comparing with groundtruth to calculate accuracy. Experiment was done in 20 vessel images from Digital Retinal Images for Vessel Extraction (DRIVE). The best accuracy was 88,88 % and 79,29 % for the lowest accuracy. Average of accuracy was 85,53 %. Laplacian of Gaussian might be good for segmentation since segmentation was resulting good images.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal