Deteksi COVID-19 pada Citra X-Ray Dada Menggunakan Kombinasi Xception dan ResNet50V2

Penelitian ini bertujuan untuk mengembangkan model Deep Learning guna meningkatkan akurasi deteksi COVID-19 dari citra X-Ray dada dengan menggabungkan arsitektur Xception dan ResNet50V2. Data citra X-Ray dada diperoleh dari repository Kaggle dan dibagi menjadi tiga set data: validasi, pelatihan, dan uji. Hasil penelitian menunjukkan bahwa kombinasi model Xception dan ResNet50V2 dapat meningkatkan performa deteksi COVID-19 pada citra X-Ray dada. Pengujian dengan data seimbang memberikan hasil terbaik, dengan akurasi sebesar 96,4% dan presisi 96,6%. Ini menunjukkan bahwa keseimbangan jumlah sampel antar kelas berdampak positif pada akurasi dan presisi model. Presisi tinggi dalam skenario data seimbang menunjukkan kemampuan model untuk mengidentifikasi infeksi COVID-19 dengan sedikit false positive. Penelitian ini diharapkan dapat membantu dokter dalam mendiagnosis pasien COVID-19 dengan lebih cepat dan akurat serta memberikan kontribusi pada pengembangan teknologi di bidang kesehatan melalui pemanfaatan metode Deep Learning. Dalam penelitian selanjutnya, pengembangan lebih lanjut pada model Deep Learning dan pengujian pada dataset yang lebih besar diharapkan dapat meningkatkan nilai akurasi dan generalisasi model untuk berbagai kondisi medis