Pada tahun 2017, sekitar 62% penyakit yang menyebabkan kematian di Indonesia terletak pada rongga toraks [1], dimana umumnya dideteksi menggunakan chest x-ray (CXR) dan bergantung pada pengetahuan profesional serta membutuhkan waktu yang relatif lama. Pada penelitian ini, dibuat suatu sistem klasifikasi untuk membantu dan memudahkan dalam mendiagnosis penyakit toraks dengan membangun model klasifikasi yang berfokus pada area tertentu menggunakan Attention Guided Convolutional Neural Network (AG-CNN). AG-CNN dilatih dengan data CXR sebanyak 112.120 citra, terdiri dari 14 patologi penyakit yang diproses menggunakan teknik preprocessing umum. Kemudian dilakukan beberapa percobaan agar mendapatkan hasil optimal, yaitu dengan membandingkan backbone, fungsi loss yang diboboti dengan yang tidak, dan hyperparameter model. Hasil terbaik yaitu pada saat model dioptimalkan dengan fungsi loss Binary Cross Entropy yang diboboti, dibangun dengan ResNet50 sebagai backbone, dan pada pooling layer terakhir diatur menggunakan global max pooling, kemudian pada attention heatmap menggunakan threshold adaptif. Evaluasi AG-CNN pada data uji memperoleh nilai rata-rata Area Under Curve (AUC) sebesar 0,845 dan kelas penyakit dengan AUC terbesar yaitu emphysema sebesar 0,93115.
Kata Kunci: Attention Guided Convolutional Neural Network, Attention Mechanism, Klasifikasi Multilabel Citra Chest X-Ray, Penyakit Toraks, Weighted Binary Cross Entropy Loss