<![CDATA[Penyakit paru-paru seperti tuberkulosis, bronkitis, dan pneumonia masih menjadi masalah kesehatan serius di Indonesia dengan angka kematian yang tinggi. Di Sulawesi Utara, RSUD Maria Walanda Maramis menghadapi tantangan dalam diagnosis dini karena keterbatasan tenaga medis spesialis dan beban kerja yang tinggi. Penelitian ini bertujuan mengembangkan model ensemble soft voting dari hybrid Convolutional Neural Network (CNN) dan transfer learning untuk meningkatkan akurasi klasifikasi penyakit paru-paru menggunakan citra X-ray dada. Metode yang diusulkan menggabungkan tiga model berbeda yaitu VGG16, MobileNetV2, dan CNN custom melalui teknik soft voting ensemble. Dataset terdiri dari 589 citra X-ray pasien RSUD Maria Walanda Maramis yang telah diberi label oleh ahli radiologi. Evaluasi menggunakan 5-fold cross validation menunjukkan bahwa model ensemble mencapai akurasi 75.44%, precision 75.12%, recall 75.44%, dan F1-score 74.88%, lebih tinggi dibandingkan model individual terbaik (MobileNetV2 dengan akurasi 71.93%). Analisis statistik menggunakan uji McNemar membuktikan perbedaan signifikan secara statistik antara model ensemble dan model individual. Hasil penelitian ini menunjukkan potensi sistem berbasis kecerdasan buatan sebagai alat bantu diagnosis untuk mendukung tenaga medis dalam meningkatkan ketepatan dan kecepatan diagnosis penyakit paru-paru di fasilitas kesehatan dengan sumber daya terbatas.]]>
