KLASIFIKASI CITRA COVID-19 MENGGUNAKAN METODE DEEP LEARNING

Pandemi COVID-19, yang pertama kali muncul di Wuhan, Cina pada tahun 2019, telah menyebabkan krisis kesehatan global yang signifikan. Virus ini dikenal sebagai Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) dan menyebabkan pneumonia parah yang dapat berakibat fatal. Metode diagnostik utama untuk COVID-19 adalah tes Polymerase Chain Reaction (PCR), namun metode ini memiliki keterbatasan sensitivitas. Sebagai alternatif, citra radiologi dada seperti Computed Tomography (CT) dan sinar-X telah digunakan untuk diagnosis dini. Dengan keterbatasan alat tes yang optimal pada awal pandemi, klinisi di Cina mengandalkan hasil klinis dari citra X-ray dan CT dada. Teknologi deep learning, khususnya Convolutional Neural Network (CNN), telah menunjukkan keunggulan dalam klasifikasi citra medis, termasuk deteksi pneumonia COVID-19. Penelitian ini menggunakan metode kajian literatur untuk mengumpulkan dan menganalisis 15 artikel dari jurnal terakreditasi SINTA 1 hingga SINTA 4 yang diterbitkan antara tahun 2020 hingga 2024. Analisis literatur menunjukkan berbagai arsitektur CNN yang diterapkan dalam deteksi pneumonia dari citra X-ray dada, dengan akurasi yang bervariasi. Model CNN seperti AlexNet, VGG-16, ResNet-152, dan InceptionResNet-V2 menunjukkan performa yang menjanjikan dengan akurasi hingga 99%. Literatur Review ini menyimpulkan bahwa CNN dapat menjadi alat yang efektif dalam mendukung diagnosis pneumonia COVID-19, terutama di situasi dengan keterbatasan tenaga medis. Melalui sintesis informasi dari berbagai sumber literatur, penelitian ini memberikan panduan untuk pengembangan lebih lanjut dalam deteksi pneumonia menggunakan teknologi deep learning