Detail Cantuman

Covid-19 merupakan salah satu penyakit yang sangat menular dengan penyebarannya yang sangat cepat, dan dapat berakibat fatal bagi yang mengalami Covid-19 jika tidak segera ditangani. Sumber daya dan kemampuan ahli kesehatan yang terbatas juga dapat mempengaruhi dalam pendeteksian Covid-19, baik dalam pendeteksian menggunakan gambar x-ray paru - paru maupun secara gejala yang dialami oleh penderita, ditambah dengan sulitnya dibedakan secara visual oleh mata jika dilihat dari gambar x-ray paru – paru secara langsung. Deep learning merupakan solusi yang tepat untuk melakukan pengidentifikasian Covid-19 tersebut dengan memanfaatkan teknologi. CNN merupakan salah satu dari metode deep learning yang penggunaannya cukup banyak di kehidupan sekitar, dan sering dimanfaatkan untuk deteksi berdasarkan citra atau image classification. Sehingga CNN dinilai cukuplah tepat dalam melakukan pengidentifikasian Covid-19. Salah satu arsitekur CNN yaitu DenseNet-264 memiliki konektivitas yang lebih padat dan mempunyai koneksi langsung dari setiap lapisan ke lapisan lainnya. Sehingga CNN dengan arsitektur DenseNet-264 ini akan terasa tepat jika dilakukan dalam pengidentifikasian Covid-19 berdasarkan citra x-ray paru – paru. Setelah dilakukan penelitian dengan menggunakan beberapa model DenseNet-264 yang mengatur hyperparameter nya, maka didapat nilai accuracy, precision, recall (sensitivity), f1-
score, dan specificity sekitar diatas sama dengan 93%, ditambah dengan nilai roc – auc score sekitar 0.96.