Pneumonia merupakan salah satu penyakit infeksi saluran pernafasan akut (ISPA) bagian bawah yang disebabkan adanya faktor peradangan pada jaringan dan kantung udara di paru-paru. Untuk mengetahui apakah seseorang mengidap Pneumonia atau tidak dilakukan beberapa cara dalam pendeteksian, dan salah satunya adalah dengan melihat kondisi dari paru-paru pasien tersebut. Pengambilan gambar dari paru-paru manusia dilakukan dengan berbagai Teknik salah satunya dengan memanfaatkan teknologi X-Ray. X-Ray merupakan sebuah cara untuk melihat kondisi dari tubuh pasien terutama bagian thoraks yang tidak dapat dilihat oleh mata secara langsung. Namun hasil dari pengambilan thoraks menggunakan X-Ray ini tidak selalu menghasilkan kualitas yang baik, sehingga akan berpengaruh terhadap diagnosa yang dilakukan oleh tenaga medis. Hal inilah yang menjadi tujuan dari penelitian ini. Dimana mengimplementasikan metode Convolutional Neural network terhadap sistem yang dibuat, sehingga output dari sistem tersebut dapat menjadi pembanding antara pengamatan visual dan pengamatan secara komputasi untuk meningkatkan keakuratan dalam mengklasifikasikan citra X-Ray tersebut tergolong normal atau terindikasi penyakit Pneumonia bakteri maupun virus. Dataset yang digunakan dalam penelitian ini sebanyak total 5859 data. Data tersebut terbagi atas data train (5217 data), data test (624 data), dan data val (18 data). Hasil pengujian dari sistem klasifikasi yang dibangun ini menggunakan Confusion Matrix. Dari proses training model didapatkan tingkat akurasi sebesar 92.05% dengan epoch 15. Dan diambil 15 sample data yang diujikan pada sistem menghasilkan nilai akurasi dari confusion matrix sebesar 80%.

Pneumonia is one of the lower acute respiratory tract infections (ARI) caused by inflammatory factors in the tissues and air sacs in the lungs. To find out whether someone has pneumonia or not, there are several ways of detection, and one of them is by looking at the patient's lungs. Taking pictures of the human lungs is done by various techniques, one of which is by utilizing X-Ray technology. X-Ray is a way to see the condition of the patient's body, especially the chest that cannot be seen directly by the eye. However, the results of taking a thorax using X-Ray do not always produce good quality, so it will affect the diagnosis made by medical personnel. This is the aim of this research. Where to implement the Convolutional Neural network method on the system created, so that the output of the system can perform visual observations and computational observations to increase accuracy in classifying the X-Ray image as normal or indicated by bacteria or viruses. The dataset used in this study was 5859 data. The data is divided into train data (5217 data), test data (624 data), and val data (18 data). The test results of this built classification system use the Confusion Matrix. From the training model process, an accuracy rate of 92.05% with 15 epochs was obtained. And 15 samples of the data tested on the system resulted in an accuracy value of the confusion matrix of 80%.