<![CDATA[Pneumonia dan COVID-19 adalah dua penyakit pernapasan yang dapat menyebabkan kematian. Diagnosis dini kedua penyakit ini sangat penting untuk meningkatkan keberhasilan pengobatan. Salah satu metode diagnosis yang dapat digunakan adalah dengan menggunakan citra foto rontgen dada. Dalam penelitian ini, peneliti mengusulkan metode deteksi pneumonia dan COVID-19 menggunakan aplikasi smartphone. Metode ini menggunakan Convolutional Neural Network (CNN) dan MobileNet. CNN adalah model pembelajaran mesin yang dapat digunakan untuk mengenali pola dalam citra. MobileNet adalah arsitektur CNN yang dirancang untuk komputasi mobile. Data yang digunakan dalam penelitian ini adalah citra foto rontgen dada dari 584 pasien pneumonia bacterial, 715 pasien pneumonia viral, 1114 pasien COVID-19, dan 1197 pasien normal. Citra-citra tersebut dibagi menjadi dua set, yaitu set pelatihan dan set pengujian. Set pelatihan digunakan untuk melatih model CNN, sedangkan set pengujian digunakan untuk mengevaluasi kinerja model. Dalam penelitian ini, peneliti membandingkan kinerja tiga optimizer, yaitu Adam, AdaMax, dan Nadam, dalam pelatihan model CNN. Hasil penelitian menunjukkan bahwa model CNN yang dilatih dengan optimizer Nadam memiliki akurasi tertinggi, yaitu 97% untuk accuracy dan 6% untuk loss. Model CNN yang dilatih dengan optimizer Adam memiliki akurasi 96% dan 10% untuk loss. Model CNN yang dilatih dengan optimizer AdaMax memiliki akurasi 94% dan 13% untuk loss. Hasil penelitian ini menunjukkan bahwa optimizer Adam dapat digunakan untuk meningkatkan kinerja model CNN dalam mendeteksi pneumonia dan COVID-19.]]>
