<![CDATA[Pneumonia adalah infeksi akut pada paru-paru yang disebabkan oleh mikroorganisme seperti virus, bakteri, jamur, dan parasit. Penyakit ini dapat menyerang berbagai usia, terutama balita dan orang tua, namun, balita dan orang tua yang paling sering terdampak. Diagnosis pneumonia masih bergantung pada tenaga medis yang berpengalaman, sehingga diperlukan metode otomatis yang dapat meningkatkan akurasi dan efisiensi dalam deteksi pneumonia. Dengan memanfaatkan pendekatan Deep Learning, khususnya Convulution Neural Network (CNN) yang menjadi pilihan popular dalam klasifikasi gambar dan analisi visual, Penelitian ini bertujuan mengembangkan model CNN berbasis ResNet50 untuk mengklasifikasikan gambar rontgen dalam mendeteksi pneumonia. Model ini dapat memberikan solusi otomatis yang lebih efisian dalam membantu tenaga medis, serta meningkatkan akurasi diagnosis penyakit pneumonia menggunakan ResNet50. Dalam penelitian ini klasifikasi pneumonia menggunakan dataset Chest X-Ray Images yang di ambil dari kaggle dengan format JPG. Dataset berisi citra x-ray dada normal dan pneumonia. Data berjumlah 5.856 gambar yang terbagi kedalam 2 kelas yakni, 1.583 normal dan 4.273 pneumonia. Hasil eksperimen menunjukkan bahwa model ResNet50 dengan optimizer yang digunakan adalah Stochastic Gradient Descent Momentum (SGD-M) dengan learning rate 0.1 menghasilkan penelitihan data train di dapat akurasi sebesar 95.43%, sedangkan tahap pelatihan data test mendapatkan akurasi sebesar 92.25% tingkat akurasi sudah cukup layak.]]>
