Coronavirus Diseases 19 (COVID-19) pertama kali muncul di kota Wuhan, China, pada akhir tahun 2019 dan menyebar ke beberapa negara dalam waktu singkat. Dengan penyebaran yang cepat diperlukan diagnosis dini COVID-19 untuk mencegah penyebaran lebih lanjut dan mengurangi jumlah kematian. Reverse Transcription Polymerase Chain Reaction (RT-PCR) merupakan salah satu metode yang digunakan untuk deteksi COVID-19 dengan mengambil spesimen pernapasan (oropharyngeal swabs atau nasopharyngeal sampling). Akan tetapi metode tersebut membutuhkan waktu yang lama sehingga diperlukan metode lain. Chest x-ray dapat digunakan sebagai alternatif untuk mendeteksi gejala spesifik terkait COVID-19. Convolutional Neural Network (CNN) secara luas digunakan untuk deteksi penyakit berbasis citra medis. Pada penelitian ini dibangun model klasifikasi untuk deteksi COVID-19 dengan optimasi Simulated Annealing (SA) untuk mengoptimasi kedalaman layer, number of feature maps, ukuran filter layer konvolusi, tipe pooling, ukuran filter pooling, number of neurons fully connected, fungsi aktivasi dan dropout rate. Berdasarkan percobaan yang telah dilakukan diperoleh arsitektur model CNN yang paling optimal adalah model dengan menggunakan cooling rate SA 0.80 dengan nilai F1-Score, Recall, dan Accuracy berturut-turut sebesar 0.96, 0.97, dan 0.95.
Kata Kunci: Chest X-ray, CNN, Covid-19, Simulated Annealing