Penyakit kardiovaskular dapat diamati melalui perubahan struktur pembuluh darah pada retina. Baik arteri dan vena memiliki pola perubahan tersendiri pada setiap penyakit, sehingga visualisasi arteri dan vena pada retina diperlukan untuk membantu proses diagnosis. Segmentasi dalam satu tahapan dapat dilakukan dengan graf, sedangkan segmentasi dengan dua tahapan umumnya memanfaatkan transfer learning pada algoritma deep learning. Sebagai upaya dalam memperbaiki kinerja pada metode sebelumnya, penelitian ini mengimplementasikan U⊃2;-Net untuk melakukan segmentasi pembuluh darah arteri dan vena dalam satu tahapan tanpa penggunaan transfer learning. Hasil penguijian pada U⊃2;-Net standart mendapatkan akurasiav sebesar 96,5%, 93,5%, 94,8%, dan 96,3% untuk dataset DRIVE-AV, LES-AV, AVRDB, dan HRF. Dengan dataset yang sama, pengujian pada U⊃2;-Net lite mendapatkan akurasiav sebesar 95,3%, 92,5%, 93,3%, dan 93,9%. Dengan hasil yang telah dicapai, U⊃2;-Net dapat menjadi salah satu jaringan yang dapat digunakan untuk melakukan segmentasi pembuluh darah sebagai salah satu upaya untuk memudahkan diagnosa penyakit kardiovaskular, penyakit pada sistem syaraf, hingga penyakit berdampak pada retina.
