Pneumonia, atau paru-paru basah, adalah infeksi paru-paru yang umum disebabkan oleh bakteri, virus, atau jamur, sering kali menimbulkan gejala seperti batuk berdahak, demam, dan kesulitan bernapas. Menurut UNICEF, pneumonia merupakan penyebab utama kematian pada anak-anak di bawah usia 5 tahun di seluruh dunia pada tahun 2021, dengan lebih dari 700.000 balita meninggal setiap tahunnya. Di Indonesia, kasus pneumonia mengalami peningkatan signifikan, seperti yang tercatat oleh Dinas Kesehatan DKI Jakarta pada awal tahun 2023. Diagnosis pneumonia sering kali mengalami keterlambatan, terutama di daerah dengan sumber daya terbatas, karena kurangnya ahli radiologi yang dapat menganalisis citra rontgen secara manual. Ini dapat memperlambat proses diagnosis dan meningkatkan angka kematian. Studi ini menggunakan deep learning dengan Convolutional Neural Network (CNN) untuk mengklasifikasikan citra rontgen dada. Dataset berisi 5840 citra X-Ray dari Kaggle, dengan dua arsitektur CNN, yaitu ResNet101V2 dan DenseNet-169, mencapai akurasi 92% dan 93% masing-masing. Penelitian ini menunjukkan bahwa CNN efektif dalam mendeteksi pneumonia dari citra medis, memberikan harapan untuk meningkatkan diagnosis dini dan pengelolaan penyakit ini secara global.

Pneumonia, or wet lung, is a common lung infection caused by bacteria, viruses, or fungi, often presenting symptoms such as productive cough, fever, and difficulty breathing. According to UNICEF, pneumonia was the leading cause of death in children under 5 years old worldwide in 2021, with more than 700,000 young children dying each year. In Indonesia, pneumonia cases have significantly increased, as recorded by the Jakarta Health Office in early 2023. Diagnosis of pneumonia is often delayed, especially in resource-limited areas, due to the lack of radiologists who can manually analyze chest X-rays. This can slow down the diagnosis process and increase mortality rates. This study utilizes deep learning with Convolutional Neural Network (CNN) to classify chest X-ray images. The dataset consists of 5840 X-ray images from Kaggle, with two CNN architectures, ResNet101V2 and DenseNet-169, achieving accuracies of 92% and 93%, respectively. This research demonstrates that CNN is effective in detecting pneumonia from medical images, offering hope for improving early diagnosis and management of this disease globally.