Optimasi Kinerja Model VGG Deep Learning Untuk Deteksi COVID-19 Berdasarkan Citra X-Ray

Virus Corona (Covid-19) adalah penyakit menular yang baru–baru ini ditemukan pada tahun 2019 di Wuhan, China. Berdasarkan data WHO, jumlah kasus virus corona di dunia saat penelitian ini dibuat sudah mencapai angka 123.902.242 kasus, dan sekitar 2.727.837 kematian terjadi akibat penyakit Covid-19. Salah satu cara yang dapat untuk memberantas virus ini adalah memutus rantai penyebarannya dengan melakukan deteksi dini kepada pasien. Machine Learning yang merupakan pendekatan dalam Artificial Intelligence (AI) karena banyak digunakan untuk melakukan klasifikasi secara otomatis. Machine Learning memiliki perluasan bidang yang lain seperti deep learning. Deep Learning memanfaatkan jaringan syaraf tiruan untuk implementasi permasalahan dalam pengenalan objek. Convolutional Neural Network (CNN) merupakan salah satu metode deep learning yang memiliki kemampuan yang kuat dalam merepresentasikan gambar untuk melakukan pengenalan (object recognition), deteksi objek (object detection) atau pengelompokan objek (object classification). Pada penelitian ini melakukan klasifikasi citra X-Ray_Covid dan X_Ray_Normal dengan menggunakan 2 arsitektur model CNN dan 3 algoritma optimasi yaitu VGG16, VGG19 dan Adam, RMSprop, Adadelta. Data set yang digunakan berasal dari salah satu peneliti di kaggle.com dan hasil pengujian dianalisis menggunakan matriks performa standar. Hasil penelitian yang didapatkan menunjukkan akurasi yang didapat pada model VGG-16 dan VGG-19 yaitu akurasi sebesar 99,31% dan 99,35% menggunakan optimasi Adam, 99,54% dan 99,17% menggunakan optimasi RMSprop, 97,50% dan 97,32% menggunakan optimasi Adadelta. Optimasi yang digunakan dapat mempengaruhi kinerja model, melihat dari segi akurasi terlihat bahwa model VGG-16 memiliki performa tertinggi menggunakan optimasi RMSprop dan Adadelta sedangkan model VGG-19 lebih unggul ketika menggunakan optimasi Adam.
Kata kunci: Covid-19. Deep Learning, Optimasi, VGG-16 dan VGG-19