digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVID-19 adalah penyakit pernapasan yang disebabkan oleh virus corona. Teknik tes paling umum yang digunakan saat ini untuk diagnosis COVID-19 adalah real- time reverse transcription-polymerase chain reaction (RT-PCR). Meskipun begitu dibandingkan dengan RT-PCR, pencitraan radiologi seperti X-Ray dan computer tomography (CT) mungkin merupakan teknologi yang lebih presisi, berguna, dan lebih cepat untuk klasifikasi COVID-19. X-Ray lebih mudah diakses karena banyak tersedia di seluruh rumah sakit di dunia dan lebih murah dari CT Scan, namun hasil klasifikasi COVID-19 menggunakan citra CT Scan lebih sensitif dibandingkan dengan X-Ray. Oleh karena itu, citra CT Scan dapat digunakan untuk deteksi dini pasien COVID-19. Salah satunya yaitu menggunakan metode deep learning. Pada penelitian ini akan dipilih algoritma CNN dengan arsitektur VGG-16 untuk melakukan klasifikasi citra CT Scan COVID-19, Intermediate, dan non-COVID, dengan menggunakan 2481 dataset citra. Pertama dilakukan pre-processing atau mengubah ukuran citra, saluran citra menjadi RGB dan membagi dataset menjadi training dataset dan testing dataset, kemudian dilanjutkan dengan proses konvolusi dengan memanfaatkan pre-trained model VGG-16 dari ImageNet. Diperoleh hasil pengujian data dengan akurasi 97%. Maka disimpulkan jika model yang dipakai untuk mengklasifikasikan citra CT Scan COVID-19, Intermediate, dan non-COVID efektif dan memperoleh hasil yang baik.