Paru-paru memiliki peran penting dalam sistem pernapasan manusia. Pneumonia merupakan salah satu penyakit yang mengancam kesehatan paru-paru, disebabkan oleh berbagai mikroorganisme seperti bakteri, virus, jamur, dan parasite dapat menyebabkan gangguan pernapasan yang serius. Diagnosis yang cepat dan akurat sangat penting untuk mengurangi tingkat kematian akibat penyakit ini. Convolutional Neural Network (CNN) meruapakan salat satu metode deep learning yang sering digunakan untuk analisis sebuah citra. Dengan mmengimplementasikan metode CNN arsitektur VGG-16 dan AlexNet, dapat mengklasifikasikan citra X-Ray dada untuk mendeteksi pneumonia dan melihat perbandingan anatara kedua arsitektur tersebut. Dataset yang digunakan dalam penelitian ini adalah dataset publik dari Mendeley yang terdiri dari 2.525 citra yang terbagi dalam dua kelas: pneumonia dan normal. Hasil menunjukkan bahwa VGG16 memiliki kinerja yang lebih baik dalam metrik evaluasi sebesar 90% dibandingkan dengan AlexNet sebesar 89%, meskipun AlexNet lebih unggul dalam hal kecepatan. Pemilihan hyperparameter yang tepat sangat berpengaruh terhadap hasil klasifikasi yang optimal.

The lungs play an important role in the human respiratory system. Pneumonia is a disease that threatens the health of the lungs health, caused by various microorganisms such as bacteria, viruses, fungi, and parasites that can cause serious respiratory problems. A quick and accurate diagnosis is essential to reduce the mortality rate from this disease. Convolutional Neural Network (CNN) is one of the deep learning methods that is often used for image analysis. By implementing the CNN method of VGG-16 and AlexNet architecture, it can classify chest X-Ray images to detect pneumonia and see the comparison between the two architectures. The dataset used in this study is a public dataset from Mendeley consisting of 2,525 images divided into two classes: pneumonia and normal. The results show that VGG16 has better performance in the evaluation metrics at 90% compared to AlexNet at 89%, although AlexNet is superior in terms of speed. Proper selection of hyperparameters greatly influences the optimal classification results.