Seiring dengan berkembangnya zaman ditengah-tengah masyarakat moderen teknologi terus-menerus dikembangkan, termasuk di dalam dunia medis.Salah satu- nya pemeriksaan x-ray atau rongten merupakan teknik yang menggunakan sinar X yang pada umumnya digunakan untuk melihat kedaan tulang dan sendi. Salah satu hasil pemeriksaan x-ray yaitu dapat menujukan bagaimana keadaan paru-paru pa- da manusia, apakah dalam kedaan normal atau paru-paru terinfeksi virus, sehingga metode klasifikasi citra menggunakan CNN dapat memudahkan pekerjaan manusia khusunya para petugas medis.
Pada Tugas akhir ini dilakukan klasifikasi gambar hasil x-ray paru-paru dima- na dataset terbagi memnjadi empat kelas yaitu paru normal, Bacterial Pneumonia, COVID-19, Tuberculosis, dan Viral Pneumonia. Kemudian membandingan tiga ar- sitektur DenseNet, yaitu DenseNet-121, DenseNet-169, dan DenseNet-201. Pada model terpilih yang memiliki performa terbaik, akan dilakukan pengujian untuk mengoptimasi kinerja model. Hasil dari sistem ini berupa kelas dan akurasi dari objek yang diprediksi.
Hasil pengujian menunjukkan bahwa model DenseNet-169 memiliki perfor- ma terbaik dari dua model lainnya. Namun, model tersebut masih mengalami ooverfitting dengan selisih nilai akurasi train dan validation sebesar 10,56%. Untuk mengatasi masalah tersebut, dilakukan penyesuaian pada beberapa parameter latih. Sehingga didapatkan model optimal dengan parameter dropout 0,5; epoch 25; dan learning rate 0,0001. Hal ini mengurangi tingkat overfit ditunjukkan dari nilai aku- rasi train 89.54% dan akurasi validation 89.43%, dengan selisih nilai 0,11%. Akan tetapi, setelah dilakukan evaluasi pada metrik precision, recall, dan f1-score, hasil- nya menunjukkan bahwa terdapat ketidakseimbangan. Kelas Bacterial Pneumonia dan Viral Pneumonia mendapatkan hasil yang kurang maksimal, sedangkan kelas lainnya menunjukkan hasil optimal.
KataKunci: Penyakitparu-paru,sinarx-ray,CNN,DenseNet