Kanker paru-paru merupakan salah satu jenis kanker yang paling mematikan di dunia, dengan prevalensi dan angka kematian yang terus meningkat. Meskipun berbagai metode pengobatan telah dikembangkan, deteksi dini masih menjadi tantangan utama. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra kanker paru-paru menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNetB0 dan VGG19. Model ini diterapkan untuk mendeteksi empat jenis kanker paru-paru, yaitu Adenocarcinoma, Large Cell Carcinoma, Squamous Cell Carcinoma, dan Normal, berdasarkan citra CT scan yang diperoleh dari Kaggle dengan total dataset yang terdiri dari 1000 gambar. Dalam penelitian ini, kedua arsitektur CNN dievaluasi untuk mengukur akurasi dalam mengklasifikasikan jenis kanker paru-paru. Hasil penelitian menunjukkan bahwa model EfficientNetB0 berhasil mencapai akurasi sebesar 94%, sementara model VGG19 mencapai akurasi sebesar 90%. Dengan demikian, model yang dikembangkan diharapkan dapat menjadi alat bantu diagnostik yang efektif bagi tenaga medis dalam mendeteksi kanker paru-paru secara dini. Penelitian ini memberikan kontribusi penting dalam pemanfaatan teknologi deep learning, khususnya CNN, dalam bidang kesehatan untuk mendukung deteksi dini kanker paru-paru

Lung cancer is one of the deadliest types of cancer globally, with its prevalence and mortality rates continuously rising. Despite the development of various treatment methods, early detection remains a significant challenge. This study aims to develop a lung cancer image classification model using the Convolutional Neural Network (CNN) method with EfficientNetB0 and VGG19 architectures. The model is applied to detect four types of lung cancer: Adenocarcinoma, Large Cell Carcinoma, Squamous Cell Carcinoma, and Normal, based on CT scan images obtained from Kaggle, with a total dataset consisting of 1000 images.In this study, both CNN architectures were evaluated to measure their accuracy in classifying types of lung cancer. The results showed that the EfficientNetB0 model achieved an accuracy of 94%, while the VGG19 model reached an accuracy of 90%. Thus, the developed model is expected to serve as an effective diagnostic tool for medical professionals in the early detection of lung cancer. This research provides significant contributions to the application of deep learning technology, particularly CNN, in the healthcare sector to support the early detection of lung cancer.