COVID-19 adalah penyakit yang menyerang sistem pernapasan dan menyebar dengan cepat. Banyak orang telah terinfeksi oleh virus ini, dan jumlah kematian akibat COVID-19 telah melampaui 1 juta dan akan terus bertambah. Virus COVID-19 membuat dokter kewalahan karena jumlah infeksinya semakin meningkat. Bahkan dokter juga terinfeksi virus COVID-19, sehingga sulit untuk menekan penyebaran virus COVID-19.
Pada penilitian ini akan menggunakan metode Deep Learning dengan arsitektur AlexNet untuk mendeteksi COVID-19 dari hasil CT scan paru-paru karena penelitian-penelitian sebelumnya belum terdapat penelitian menggunakan AlexNet untuk mendeteksi COVID-19. Data CT scan paru-paru yang diperoleh akan dilakukan preprocessing normalisasi untuk membuat gambar dapat terlihat pada layar komputer, preprocessing gaussian untuk menghilangkan noise pada gambar, dan preprocessing CLAHE untuk menambahkan kontras gambar. Total dataset yang digunakan untuk training dan validasi yaitu sebanyak 1000 gambar yang terdiri dari 500 gambar CT scan paru-paru normal dan 500 gambar CT scan paru-paru covid.
Parameter performa yang diperhatikan pada penelitian ini adalah akurasi, loss, dan presisi. Skenario testing menggunakan optimizer Stochastic Gradient Descent (SGD), Adadelta, RMSprop, Adam, dan Adamax dengan learning rate 0.1, 0.001, dan 0.0001. Dari semua percobaan, hasil terbaik yang didapatkan pada penelitian ini yaitu menggunakan preprocessing CLAHE, optimizer Adam, dan learning rate 0.1. Hasil validasi akurasi yang didapatkan pada skenario terbaik adalah 84.8%.