Coronavirus disease 2019 atau lebih dikenal dengan COVID-19 merupakan penyakit yang menyerang sistem pernafasan manusia disebabkan oleh virus Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-Cov-2). Penyakit COVID-19 dan pneumonia menunjukkan gejala yang mirip yakni demam, batuk, bahkan sakit kepala. Diagnosis pneumonia dapat dilakukan tes diagnostik, meliputi tes darah, rontgen dada, dan pulse oksimetri, sedangkan diagnosis COVID-19 yang direkomendasikan oleh WHO yakni dengan swab test (RT-PCR). Namun pada kenyataannya, metode swab test membutuhkan waktu yang relatif lama, yakni satu hingga tujuh hari serta biaya yang tidak murah. Untuk itu perlu adanya perkembangan yang dapat menjadi salah satu pilihan dalam diagnosis COVID-19 dan pneumonia sekaligus, terlebih kedua penyakit tersebut memiliki gejala yang mirip. Salah satu pilihan yang dapat dilakukan yakni diagnosis menggunakan rontgen dada. Tujuan penelitian ini mendeteksi penyakit COVID-19 dan pneumonia melalui citra rontgen dada menggunakan transfer learning agar dapat menambah akurasi diagnosis penyakit dengan waktu yang lebih efisien. Arsitektur yang digunakan yakni EfficientNet B0 dengan variasi parameter optimasi, learning rate, dan epochs. Model EfficientNet B0 optimasi Adam dengan learning rate 0,001 pada epochs ke-6 merupakan model yang sangat baik yang diperoleh. Selanjutnya dari evaluasi model diperoleh akurasi, presisi, recall, dan f1-score sebesar 92%. Kemudian dilakukan visualisasi model menggunakan Grad-CAM. Untuk implementasi model terbaik dilakukan pembangunan aplikasi web guna mempermudah dalam mendeteksi penyakit COVID-19 maupun pneumonia.