ABSTRAK
Sejak tahun 2020 dunia telah dihadapi dengan pendemi COVID-19. Virus Corona adalah virus yang umumnya menyerang saluran pernapasan. Banyak sekali orang yang terkena dengan virus corona tercatat sudah lebih 191 juta jiwa terkena covid di dunia. Untuk mendeteksi virus corona sendiri bisa menggunakan beberapa cara salah satunya dengan menggunakan CT-Scan. Karena tingkat akurasi CT-Scan cukup tinggi, oleh karena itu pada penelitian ini akan menggunakan CT-Scan sebagai dataset.
Pada penelitian kali ini dilakukan klasifikasi untuk mendeteksi covid-19 menggunakan metode Convolutional Neural Network (CNN) dan juga menggunakan arsitektur VGG16. Proses klasifikasi dataset CT-Scan akan diuji dengan 2 kelas, normal dan covid. Jumlah dataset sebanyak 1000 data dan juga dilakukan skenario tambahan untuk model terbaik dengan menggunakan jumlah data sebanyak 1900 untuk training dan validasi juga 200 data untuk testing.
Pengujian arsitektur menggunakan parameter optimizer adam, SGD, nadam, adamax, RMSprop dengan learning rate yang bervariasi. Proses klasifikasi sebelum dan setelah data di Preprocessing diperoleh akurasi terbaik dengan nilai akurasi 100% dengan menggunakan optimizer adam, nadam, adamax, RMSprop dan learning rate yang digunakan sebesar 0,0001 dan dengan menggunakan optimizer SGD didapat akurasi 100% dengan menggunakan learning rate 0,01. Berdasarkan semua optimizer yang terbaik adalah optimizer Adam, karena mempunyai overfitting yang cukup rendah. Dilakukan tambahan skenario pada model terbaik optimizer adam dengan 4 preprocessing menggunakan 1900 data validasi dan training serta 200 data untuk testing, didapatkan hasil terbaik yaitu menggunakan preprocessing CLAHE optimizer adam dengan nilai 96% untuk validasi dan untuk testing didapatkan 93%.
Kata Kunci: CT-Scan, COVID-19, CNN, VGG16.