Paru-paru merupakan bagian dari sistem pernapasan yang berfungsi sebagai tempat terjadinya pertukaran karbon dioksida dan oksigen dalam darah. Gangguan pada paru-paru merupakan gangguan yang cukup serius dimana dapat menyerang sistem pernapasan manusia dan bisa berakibat fatal jika tidak ditangani dengan serius. Pada saat ini deteksi penyakit pada paru-paru masih dilakukan secara manual oleh para dokter ahli, namun proses secara manual memakan waktu lama, yaitu melalui pemeriksaan dan evaluasi foto paru-paru berdasarkan citra x-ray paru-paru. Oleh karena itu, dalam tugas akhir ini dibuat sistem yang dapat mendeteksi dan mengklasifikasi penyakit paru-paru dengan otomatis.
Pada Tugas Akhir ini merancang sistem otomatis untuk mengklasifikasi kondisi paru-paru berdasarkan citra x-ray paru-paru berbasis Convolutional Neural Network (CNN) menggunakan arsitektur MobileNet. Perancangan pada sistem dibagi menjadi beberapa tahapan dimulai dari menginput data citra x-ray paru-paru, tahap selanjutnya preprocessing, pada penelitian ini menggunakan dua jenis preprocessing, yaitu Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Gaussian filter, lalu dari hasil preprocessing dilakukan tahap pelatihan dengan dua jenis optimizer yang berbeda, yaitu Stochastic Gradient Descent (SGD), dan Adaptive moment (Adam). Tahap terakhir mengkalisifikasikan data citra menjadi empat kelas, yaitu Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal dan Tuberculosis.
Dalam penelitian ini dilakukan perbandingan performansi sistem berdasarkan pengujian terhadap pengaruh preprocessing, pengaruh optimizer, pengaruh learning rate, pengaruh variasi epoch, dan perbandingan terhadap performansi sistem. Hasil akhir dari penelitian ini menunjukan optimizer terbaik yaitu Adam menggunakan preprocessing CLAHE pada epoch 50 dan menghasilkan nilai akurasi rata-rata sebesar 95.400%
Kata Kunci : CNN, MobileNet, citra x-ray paru-paru, Viral Pneumonia, Coronavirus Disease-19 (Covid-19), Normal, Tuberculosis.