<![CDATA[Gangguan pada paru-paru seperti pneumonia,tuberculosis, dan Covid-19 merupakan gangguan yang cukupserius dimana dapat menyerang sistem pernapasan manusiadan bisa berakibat fatal jika tidak ditangani dengan serius.Gejala yang muncul yaitu sakit tenggorokan, batuk, demam,dan kesulitan dalam bernapas. Pengamatan kondisi paru-parupasien dilakukan paramedis melalui foto rontgen (Chest Xrays). Namun, kualitas citra rontgen terkadang kurang optimal,sehingga dikembangkan sistem otomatisasi berbasis CAD.Oleh karena itu, pada proyek akhir ini merancang sistem untukmeningkatkan citra pada kinerja deep learning. Terutama padaperbandingan performasi sistem sebelum preprocessing dansetelah preprocessing. Penelitian ini bertujuanmengembangkan sistem otomatisasi untuk mendeteksi danmengklasifikasikan penyakit paru-paru pada citra rontgenmenggunakan Convolutional Neural Network (CNN) denganarsitektur Inception V3. Sebuah dataset multi-kelas yangmencakup Normal, Pneumonia, Tuberkulosis (TB), dan Covid19 digunakan untuk melatih dan menguji model. Evaluasiperforma sistem dilakukan sebelum dan setelah preprocessingcitra dengan metode Unsharp Masking (UM) dan HighFrequency Emphasis Filtering (HEF). Hasil penelitian Padadata latih tanpa preprocessing, model mencapai akurasi sekitar86.11%, dengan tingkat presisi, recall, dan F1-Score yang cukupseimbang. Sedangkan data latih sesudah preprocesing modelmencapai akurasi sekitar 99.31%, dan presisi, recall, serta F1-Score mendekati 99.32%. Kata kunci— Chest X-Ray, Convolutional Neural Network (CNN), Inception V3, Tuberculosis, Pneumonia, COVID-19]]>
