Berbagai varian virus SARS-CoV muncul semenjak tahun 2003 hingga awal tahun 2022. Hal ini mengakibatkan beratnya beban sektor kesehatan dalam melakukan tugas dan layanannya kepada masyarakat. Akan sangat membantu jika tersedia aplikasi berbantuan komputer yang dapat membedakan varian-varian virus SARS-COV tersebut. Dipandang dari sudut keilmuan, hal ini menjadi peluang bagi teknologi informasi untuk memainkan perannya membantu melakukan klasifikasi varian SARS-COV menggunakan algoritma-algoritma yang mendukung, diantaranya pemanfaatan artificial intelligence. Proses berbasis artificial intelligence dan berbantuan computer tentu lebih kebal terhadap efek-efek negatif akibat kerja yang repetitif dan faktor kelelahan.
Pada penelitian ini dilakukan Klasifikasi Citra Virus SARS-COV Menggunakan Deep Learning (CNN) berdasarkan data mikroskopis yang disebut citra Transmission Electron Microscopy (TEM). Tujuan penelitian adalah menghasilkan jaringan neural (CNN/Deep Learning) yang telah terlatih untuk mengklasifikasikan dua jenis varian virus SARS, yaitu virus SARS-COV dan SARS-COV2. Penelitian menggunakan citra TEM yang diperoleh dari repository Robert Koch Institute, Germany. Tahap penelitian meliputi pengumpulan data, pra-process data yang terdiri dari proses konversi format citra dan proses enhancing, dan tahap klasifikasi menggunakan CNN. Tahap klasifikasi dilakukan menggunakan data citra asli dan data citra setelah proses enhancing. Akurasi tertinggi klasifikasi citra virus SARS-COV menggunakan CNN diperoleh saat digunakan data citra asli yaitu 77,66%. Dalam penelitian ini juga ditemukan bahwa akurasi klasifikasi citra virus SARS-COV naik dengan kenaikan ukuran citra input, namun proses enhancing data citra yang digunakan tidak mampu meningkatkan akurasi klasifikasi melebihi akurasi klasifikasi yang dicapai saat menggunakan citra asli.