Perpustakaan Digital ITB

Segmentasi pembuluh darah retina merupakan proses yang penting dalam mendeteksi kelainan yang berhubungan dengan retina, seperti glaukoma, diabetes retinopati, dan kelainan saraf penglihatan. Akan tetapi, akibat terdapat variasi kontras, pembuluh darah yang tipis dan derau pada retina seringkali menyebabkan berkurangnya nilai akurasi pada hasil segmentasi. Akurasi yang baik akan mempengaruhi kualitas analisis citra dan berperan dalam membantu diagnosa dalam bidang oftalmologi. Oleh karena itu, penentuan metode pengolahan citra untuk mendapatkan kualitas citra fundus yang baik menjadi hal yang penting. Dalam tugas akhir ini, dilakukan penelitian untuk mengembangkan metode segmentasi berbasis metode referensi ynag menggunakan k-means clustering. Metode segmentasi berbasis k-means clustering diawali dengan proses ekstraksi kanal hijau, peningkatan kualitas citra kanal hijau dengan CLAHE, konvolusi kanal hijau dengan filter median, mean dan gaussian, subtraksi citra hasil konvolusi, segmentasi dengan k-means dan terakhir menghilangkan derau dengan operasi morfologi. Pengerjaan tugas akhir ini dititikberatkan pada blok peningkatan kualitas citra dengan metode Contrast Limited Adaptive Histogram Equalization (CLAHE), konvolusi dengan tiga macam filter, yaitu filter median, mean dan gaussian, dan operasi morfologi berupa erosi. Untuk mengukur kinerja dari algoritma yang diusulkan, citra hasil segmentasi akan dibandingkan dengan citra referensi dataset. Dalam pengujian kinerja, confusion matrix digunakan untuk menghitung nilai sensitivitas, spesifisitas dan akurasi. Dari hasil pengujian algoritma pada subset dataset DRIVE sejumlah 30 data, didapatkan akurasi rata rata tertinggi sebesar 0,9612 pada filter median dan rata-rata sensitivitas tertinggi sebesar 0,8961 pada filter mean.