COVID-19 telah menginfeksi jutaan orang dan menyebabkan ribuan korban jiwa di Indonesia. Teknologi yang memungkinkan deteksi cepat pada infeksi COVID-19 dengan akurasi tinggi dapat sangat membantu tenaga kesahatan. Alat klinis utama yang saat ini digunakan untuk diagnosis COVID-19 adalah reverse transcription polymerase chain reaction (RT-PCR). RT-PCR memiliki sensitifitas kurang lebih 80 persen, masih ada kemungkinan 20 persen kasus yang tidak terdeteksi. Sehingga, laporan CT scan atau x-ray juga harus menjadi faktor pemandu dalam pengobatan pasien, daripada hanya mengandalkan tes RT-PCR saja. Tujuan penelitian ini adalah mengusulkan teknik yang kuat dalam deteksi otomatis sebagai alat pelengkap untuk menyempurnakan ketepatatan deteksi COVID-19 sehingga dapat lebih menyakinkan hasil diagnosis. Sistem ini membuat pendekatan baru menggunakan teknologi deep learning dan image processing untuk mengklasifikasi pasien COVID-19, viral pneumonia, lung opacity (penyakit paru-paru selain COVID-19), dan normal dari citra x-ray paru-paru. Penelitian ini terdiri dari lima tahapan, yaitu data preprocessing, hyperparameter tuning, model training, model evaluation, dan model testing. Proses training memanfaatkan teknik transfer learning dari pre-trained model convolutional neural network (CNN) Tensorflow untuk menghasilkan model yang dapat dijadikan solusi. Kemudian melakukan uji coba menggunakan data yang tidak dilatih untuk mengevaluasi kinerja model menggunakan confusion matrix dan performance metric. Sebagai upaya optimasi model, dilakukan uji coba dengan preprocessing citra menggunakan CLAHE. Hasil percobaan menggunakan empat pre-trained network (InceptionV3, Xception, VGG19, dan ResNet50), Model ResNet50 memiliki performa paling baik dengan hasil akurasi 92,62 persen, sensitifitas COVID-19 97 persen, dan presisi COVID-19 97 persen. Hal ini membuktikan bahwa CNN menggunakan pre-trained model Tensorflow dapat menjadi solusi dalam mendeteksi COVID-19 dari citra x-ray.