<![CDATA[Abstrak - Penyakit paru-paru merupakan kontributor utama angka kematian global, dengan diagnosis dini yang krusial namun sering terhambat keterbatasan sumber daya dan subjektivitas interpretasi citra radiografi. Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk deteksi dini penyakit paru-paru melalui klasifikasi citra radiografi dada ke dalam empat kategori: COVID-19, Pneumonia, Normal, dan Tuberkulosis. Model ini bertujuan meningkatkan akurasi klasifikasi dan efisiensi komputasi untuk penerapan di fasilitas kesehatan terbatas. Data radiografi dada diperoleh dari Kaggle. Pra-pemrosesan meliputi resize, normalisasi, penghapusan noise, dan augmentasi data. Model CNN terdiri dari lapisan convolutional, pooling, flatten, dan fully connected dengan aktivasi ReLU dan Softmax. Pelatihan selama 25 epoch dengan batch size 32, pembagian data 70% latih, 15% validasi, dan 15% uji. Akurasi tertinggi pelatihan 0,9301 dan validasi 0,9025. Evaluasi model menunjukkan akurasi keseluruhan 89%. Kelas Pneumonia dan Normal memiliki performa terbaik (F1-score 92%), namun performa Tuberkulosis masih perlu ditingkatkan karena kesalahan klasifikasi signifikan dengan COVID-19, mengindikasikan kesulitan model membedakan kelas serupa secara visual. Kendala utama adalah ketidakseimbangan kelas dataset. Kata Kunci: Klasifikasi, CNN, Citra, Radiografi, Paru-Paru]]>
Copyrights © 2025
