PERBANDINGAN KINERJA MODEL INCEPTIONV3, INCEPTIONV4 DAN MOBILENET DEEP LEARNING PADA DETEKSI COVID-19 BERDASARKAN CITRA X-RAY

<p>Pada Desember 2019, wabah SARS-Cov-2 yang disebabkan oleh infeksi virus corona mengejutkan puluhan negara termasuk Indonesia. Penyakit ini telah menyebar cepat hingga menjadi sebuah pandemi baru, penyebaran penyakit Covid19 ini menjadi ancaman serius bahkan menghancurkan berbagai sektor kehidupan. Seiring dengan perkembangan teknologi telah dikembangkan pemeriksaan untuk deteksi Covid-19 yang berupa pencitraan X-Ray menggunakan Convolutional Neural Network yang bertujuan untuk mempresentasikan penggunaan pembelajaraan mendalam. Pada penelitian ini mengklasifikasikan citra X-Ray paruparu berdasarkan dua kelas yaitu Covid-19 dan Normal dengan menggunakan dataset yang berjumlah 2169 citra dan menggunakan tiga model seperti InceptionV3, InceptionV4 dan MobileNet yang dimana ketiga model tersebut belum pernah ada yang melakukan perbandingan dalam memprediksi Covid-19 berdasarkan citra X-Ray yang tujuan-nya untuk untuk mengetahui hasil kinerja perbandingan ketiga model seperti InceptionV3, InceptionV4 dan MobileNet dalam memprediksi covid-19. Dari hasil penelitian didapatkan model InceptionV3 memperoleh rata-rata nilai akurasi 99.62%, nilai presisi 99.65%, nilai recall 99.5%, nilai spesifisitas 99.5%, dan nilai f-score 99.52% sedangkan untuk model InceptionV4 memperoleh rata-rata nilai akurasi 97.79%, nilai presisi 98.11%, nilai recall 90.18%, nilai spesifisitas 90.18%, dan nilai f-score 97.25</p>