Dalam dunia medis frekuensi pernapasan menjadi salah satu indikator awal yang dapat digunakan untuk mendiagnosa suatu gangguan yang berhubungan dengan sistem pernapasan. Pengukuran frekuensi pernapasan dapat dilakukan dengan alat bantu seperti radar. Radar adalah salah satu pendekatan yang bagus untuk mengukur frekuensi pernapasan manusia. Hasil pengukuran frekuensi pernapasan oleh radar masih berupa sinyal yang memerlukan penanganan lebih lanjut untuk mengetahui kondisi dari pernapasan seseorang. Maka dari itu, dibutuhkan sistem yang secara otomatis yang dapat mengklasifikasikan kondisi pernapasan seseorang dengan melihat sinyal radar tersebut.
Pada penelitian ini bertujuan untuk merancang sistem klasifikasi kondisi pernapasan melalui sinyal radar dalam tiga kelas yaitu low, normal, dan high. Dataset yang diperoleh berasal dari zenodo.org dan berdasar jurnal dengan bentuk citra scalogram.
Penelitian sistem klasifikasi kondisi pernapasan ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNet. Parameter pengujian terbaik yang didapatkan adalah nilai epoch 100, nilai batch size 8, nilai learning rate 0,0001, dan dengan optimizer Adam. Hasil pengujian dengan parameter terbaik mendapatkan nilai akurasi 96,5% dengan nilai loss 0,104, nilai presisi 96,6%, nilai recall 96,4%, dan nilai f1-score 96,5%.
Kata Kunci: Pernapasan,, Klasifikasi, Sinyal Radar, Convolutional Neural Network (CNN), MobileNet