ABSTRAK Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Nurlaila H. Tan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
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.