Mata merupakan organ penglihatan yang sangat penting, karena memungkinkan manusia memperoleh sekitar 80% informasi melalui penglihatan. Secara global, terdapat sekitar 191 juta orang yang mengalami gangguan penglihatan, dengan 5% di antaranya yaitu anak-anak dengan usia di bawah 15 tahun. Diperkirakan bahwa dampak negatif pada mata dapat terjadi akibat kelainan atau gangguan tertentu. Beberapa masalah yang dapat menyerang mata antara lain katarak, glaukoma, dan penyakit retina, yang bila tidak cepat ditangani dapat berakibat pada kebutaan.
Pada penelitian tugas akhir ini akan merancang sistem untuk mengklasifikasi penyakit mata pada citra fundus. Klasifikasi penyakit mata dibagi menjadi 3 yaitu normal, cataract, glaucoma. Dataset citra fundus menggunakan Kaggle terdiri dari 6.185 citra fundus yang terdiri “normal” ( 2.280 citra), “cataract” (1.505 citra), “Glucoma” ( 1.878citra), dengan file citra yang digunakan excel dan png. Penelitian ini mengembangkan sistem deteksi penyakit mata dengan menerapkan Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2.
Untuk Klasifikasi penyakit mata pada penelitian ini menggunakan CNN arsitektu MobileNetV2. Parameter yang mempengaruhi performa sistem berdasarkan pengaruh Optimizer, Learning rare dan Epoch. pengujian yang telah dilakukan, didapatkan hasil terbaik menggunakan Optimizer Nadam, Learning rate 0.0001, dan Epoch 50. Dataset yang terbaik yaitu dataset augmentasu yang telah di Preprocessing dengan akurasi sebesar 94,31%, nilai presisi 94,35%, nilai recall 94,31% dan F1-Score 94,31%.
Kata Kunci : Convolution Neural Network (CNN), MobilrNetV2, Penyakit mata