Mata merupakan organ indera penglihatan yang memiliki peran vital dalam menangkap cahaya dan mengubahnya menjadi sinyal visual yang diterjemahkan oleh otak. Salah satu bagian terpenting dari mata adalah lensa, yang berfungsi untuk memfokuskan cahaya ke retina. Katarak adalah kondisi medis yang terjadi ketika lensa mata mengalami kekeruhan, sehingga menghambat jalannya cahaya dan menyebabkan penurunan fungsi penglihatan. Katarak menjadi penyebab utama kebutaan yang dapat dicegah, terutama di negara berkembang. Proses diagnosis katarak secara manual memerlukan pemeriksaan intensif oleh dokter spesialis mata, yang bisa memakan waktu dan tidak selalu mudah diakses.
Penelitian ini mengembangkan sistem klasifikasi katarak menggunakan metode Convolutional Neural Network (CNN) dengan memanfaatkan arsitektur MobileNetV2. Sebanyak 3.000 citra primer digunakan, yang dikelompokkan ke dalam tiga kelas, yaitu imatur, matur, dan normal. Seluruh data tersebut melalui proses augmentasi sebelum dibagi menjadi tiga bagian, yaitu 64% untuk proses pelatihan, 20% untuk proses uji dan 16% untuk proses validasi.
Hasil pengujian menggunakan metode CNN dengan arsitektur MobileNet2 menunjukkan bahwa model mampu mencapai akurasi tertinggi sebesar 98,83%. Parameter terbaik yang digunakan pada proses pelatihan terdiri dari jumlah epoch sebanyak 50, learning rate sebesar 0,01, optimizer Adam, dan batch size 32.
Kata kunci: Convolutional Neural Network (CNN), MobileNetV2, Penyakit Mata Katarak.