OPTIMASI KINERJA MODEL VGG DEEP LEARNING UNTUK MENDETEKSI COVID-19 BERDASARKAN CITRA CT-SCAN

<p xss=removed>Penyakit Virus Corona 2019 (COVID-19) adalah salah satu penyakit menular sejenis dengan pneumonia yang disebabkan oleh <em>Servere Acute Respiratory Syndrome Coronavirus 2</em> (SARS-Cov-2). Untuk saat ini standar referensi untuk mendiagnosis COVID-19 adalah tes <em>Reverse Transcription Polymerase Chain Reaction</em> (RT-PCR), dan untuk pemeriksaan radiologis dengan menggunakan CT-Scan juga dapat dilakukan untuk mengidentifikasi infeksi paru-paru fase awal. <em>Deep learning </em>yang merupakan bagian dari <em>mechine learning</em> yang dapat dikembangkan untuk membantu dalam proses mengevaluasi diagnosis COVID-19 menggunakan CT-Scan, sehingga dapat lebih menghemat waktu. Pada saat ini, belum ada penelitian yang menggunakan metode optimasi SGD, Adamax, dan AdaGrad dengan variasi model VGG <em>deep learning</em> untuk mendeteksi COVID-19 berdasarkan citra CT-Scan, dan dengan dataset sebanyak 2038 data gambar. Tujuannya untuk membandingkan kinerja dari metode optimasi agar dapat mendeteksi COVID-19 menggunakan variasi model VGG-16 dan VGG-19 berdasarkan citra CT-Scan, serta untuk mengevaluasi hasil kinerja model. Penelitian ini menghasilkan hasil dari proses uji perbandingan optimasi kinerja dengan menggunakan variasi model VGG <em>deep learning</em> menunjukkan bahwa penggunaan metode optimasi menghasilkan hasil yang mempengaruhi kinerja model. Metode optimasi terbaik dari penelitian ini dalam medeteksi COVID-19 berdasarkan citra CT-Scan adalah metode optimasi Adamax dari kinerja model VGG-16 dengan hasil proses uji rata-rata akurasi 94.11%, dan dari dari kinerja model VGG-19 dengan hasil rata-rata akurasi 93.77%.</p>