Berdasarkan WHO kanker paru merupakan jenis kanker terbanyak pada laki-laki di Indonesia dan terbanyak kelima untuk semua jenis kanker pada perempuan. Kebiasaan merokok adalah penyebab utama kanker paru-paru namun tidak memungkinkan orang perokok pasif pun dapat beresiko terkena kanker paru. Kanker paru di Indonesia semakin hari semakin meningkat pesat hingga menduduki urutan ke-8 di asia tenggara, mengalami peningkatan dalam lima tahun terakhir sebanyak 10.85%. Jumlah kematian akibat kanker paru-paru meningkat sebesar 18% pada tahun 2020. Ahli radiologi yang terlatih diperlukan untuk mengidentifikasi kanker paru-paru pada citra CT-scan secara akurat. Biaya yang diperlukan relatif tinggi dan pembacaan hasil yang masih sering digunakan secara manual, Secara tidak langsung menyebabkan berkurangnya deteksi tanda-tanda awal kanker paru-paru dan dengan demikian membuat penyembuhan penyakit ini jauh lebih sulit. hal ini Diperlukan teknologi untuk membantu dokter dan ahli radiologi dalam mengevaluasi citra CT-Scan secara otomatis. Pada penelitian ini menggunakan desain penelitian untuk pengolahan data menggunakan Cross Industry standard ptocess for data mining (CRISP-DM) dan Salah satu metode deep learning yang bermanfaat untuk analisis citra CT-Scan adalah Convolutional Neural Network dengan menggunakan arsitektur ResNet152 dan VGG19 yang telah terbukti efektif dalam klasifikasi. Penelitian ini menggunakan 1000 data dari Kaggle ,terbagi menjadi 4 class yaitu Adenocarcinoma, Large Cell Carcinoma , Normal, dan Squamos Cell Carcinoma. split data yaitu 70% sebagai data train , 20% sebagai data test, dan 10% sebagai data valid. Dengan menggunakan metode CNN, penelitian ini mencapai akurasi yang optimal, yaitu 97% pada arsitektur ResNet152 dan 90% pada arsitektur VGG19.

According to WHO, lung cancer is the most common type of cancer in men in Indonesia and the fifth most common type of cancer in women. Smoking is the main cause of lung cancer, but it is not possible that passive smokers can also be at risk of lung cancer. Lung cancer in Indonesia is increasing rapidly to rank 8th in Southeast Asia, having increased by 10.85% in the last five years. The number of deaths from lung cancer increased by 18% in 2020. Trained radiologists are needed to accurately identify lung cancer on CT scan images. The costs involved are relatively high and the reading of the results is still often done manually, indirectly reducing the detection of early signs of lung cancer and thus making it much more difficult to cure this disease. This requires technology to help doctors and radiologists automatically evaluate CT scan images. This study uses a research design for data processing using the Cross Industry standard ptocess for data mining (CRISP-DM) and One of the deep learning methods that is useful for CT Scan image analysis is the Convolutional Neural Network using the ResNet152 and VGG19 architectures which have been proven effective in classification. This study uses 1000 data from Kaggle, divided into 4 classes, namely Adenocarcinoma, Large Cell Carcinoma, Normal, and Squamos Cell Carcinoma. split data is 70% as train data, 20% as test data, and 10% as valid data. By using the CNN method, this study achieved optimal accuracy, which is 97% on the ResNet152 architecture and 90% on the VGG19 architecture