Coronavirus 19 (COVID-19) merupakan salah satu penyakit menular yang menyebabkan infeksi pada sistem pernapasan yang pertama kali ditemukan di Kota Wuhan, China pada bulan Desember tahun 2019. World Health Organization menyatakan COVID-19 sebagai pandemi global pada bulan Maret tahun 2020. Salah satu cara untuk mendeteksi penyakit COVID-19 adalah melalui pemeriksaan CT scan. Untuk mendeteksi COVID-19 dengan cepat dan akurat, diperlukan pendekatan deep learning yang merupakan subbidang khusus dari machine learning. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur DenseNet-121. Data yang digunakan dalam penelitian ini diambil dari Plameneduardo yang merupakan online database yang berisi citra CT scan COVID-19. Augmentasi flip horizontal dan flip vertical digunakan untuk memperbanyak data dan preprocessing resize digunakan agar ukuran data tersebut sama. Fungsi optimasi digunakan untuk meminimalkan loss function ketika melatih model. SGD with momentum, Adam, dan RAdam merupakan fungsi optimasi yang digunakan pada penelitian ini. Hasil penelitian menunjukkan bahwa ketiga fungsi optimasi tersebut memiliki evaluasi kinerja training yang tidak jauh berbeda antara satu sama lainnya. Tetapi, dari hasil eksperimen menunjukkan training loss terbaik dimiliki oleh fungsi optimasi Adam sebesar 16,01%, training accuracy dan validation loss terbaik dimiliki oleh fungsi optimasi RAdam berturut-turut sebesar 94,06% dan 29,78%, kemudian validation accuracy dan running time training terbaik dimiliki oleh fungsi optimasi SGD with momentum berturut-turut sebesar 85,78% dan 568,963 detik. Sedangkan secara keseluruhan, evaluasi kinerja testing yang terbaik dimiliki oleh fungsi optimasi RAdam dengan nilai testing loss 28,74 %, accuracy 87,00%, precision 95,18%, recall 78,00% dan running time testing 0,8446.

---

Coronavirus 19 (COVID-19) is an infectious disease that causes infection in the respiratory system which was first discovered in Wuhan City, China in December 2019. The World Health Organization declared COVID-19 a global pandemic in March 2020. One of the ways to detect COVID-19 is through a CT scan. To detect COVID-19 quickly and accurately, a deep learning approach is needed which is a specialized subfield of machine learning. This study uses the Convolutional Neural Network (CNN) method with DenseNet-121 architecture. The data used in this study was taken from Plameneduardo which is an online database containing CT scan images of COVID-19. Augmentation of horizontal flip and vertical flip are used to multiply the data and preprocessing resize was used so that the size of the data is the same. The optimization function is used to minimize the loss function when training the model. SGD with momentum, Adam, and RAdam are optimization functions used in this study. The results show that the three optimization functions have a training performance evaluation that is not much different from one another. However, the experimental results show that the Adam's optimization function has the best training loss of 16.01%, the best training accuracy and validation loss is owned by the RAdam optimization function of 94.06% and 29.78%, then the best validation accuracy and running time training is owned by the SGD optimization function with momentum of 85.78% and 568.963 seconds, respectively. While overall, the best testing performance evaluation is owned by the RAdam optimization function with a testing loss value of 28.74%, accuracy 87.00%, precision 95.18%, recall 78.00%, and running time testing 0.8446.