KLASIFIKASI COVID-19 MENGGUNAKAN U-NET DAN VISUAL GEOMETRY GROUP-19 (VGG-19) PADA CITRA X�RAY DADA

Virus corona merupakan virus yang sangat berbahaya karena dapatrnmenyebabkan gangguan yang parah terhadap pernafasan seperti Severe AcuternRespiratory Syndrome (SARS-CoV) dan Middle East Respiratory Syndromern(MERS-CoV). Penyakit yang disebabkan oleh virus ini dikenal dengan sebutanrnCOVID-19 (Coronavirus Disease 2019). Alat pendeteksi COVID-19 yang dipakairndiseluruh dunia berdasarkan arahan WHO adalah Reverse Transcription-rnPolymerase Chain Reaction (RT-PCR). Virus corona memiliki tingkat kemiripanrndengan penyakit pneumonia yang berpusat pada paru-paru, maka dimungkinkanrnterdapat alternatif lain untuk membuat sistem dalam mendeteksi penyakit inirnyakni menggunakan citra x-ray dada dengan Deep Neural Network. Pada skripsirnini pengujian klasifikasi tersebut menggunakan dataset x-ray dada yang didapatrndari Kaggle, dengan berjumlah 4.945 untuk klasifikasi dan 1.504 untukrnsegmentasi. Pelatihan model segmentasi menggunakan U-Net. Dan modelrnklasifikasi menggunakan Visual Geometry Group-19 (VGG19). Skenariornpengujian mengunakan dataset yang tidak tersegmentasi yakni P1, dan datasetrntersegmentasi yakni P2 dan P3. U-Net sebagai model segmentasi memperolehrnakurasi Dice Similarity Coefficient sebesar 95%. Dengan demikian, U-Net sangatrnbagus untuk segmentasi citra area x-ray dada. Sedangkan VGG-19 sebagai modelrnklasifikasi pada percobaan dataset tanpa segmentasi yakni P1 memperoleh nilairnyang paling besar, yaitu 92.20%. Adapun dataset yang tersegmentasi hanyarnmemperoleh nilai akurasi sebesar 37% untuk P2 dan 81% pada P3. Denganrndemikian, VGG-19 juga mempunyai performa yang bagus untuk klasifikasi.rnBerdasarkan hasil tersebut, klasifikasi tanpa segmentasi area paru-parurnmempunyai hasil yang lebih bagus tanpa harus disegmentasi terlebih dahulu.