Diabetic Retinopathy (DR) merupakan komplikasi diabetes yang berpotensi menimbulkankebutaan apabila tidak dikenali sejak awal. Penelitian ini bertujuan membangun sistem deteksiotomatis DR dengan memanfaatkan pendekatan deep learning (pembelajaran mendalam) berbasistransfer learning (pemanfaatan pengetahuan dari model yang telah dilatih sebelumnya) padaarsitektur InceptionV3 (salah satu model CNN yang dikembangkan oleh Google). Metode yangdigunakan adalah eksperimen kuantitatif dengan memanfaatkan dataset publik Kaggle yangterbagi dalam dua kategori: No DR (tanpa retinopati) dan DR (dengan retinopati). Proses datameliputi resizing (penyesuaian ukuran gambar), normalisasi (penyesuaian skala nilai piksel), danaugmentasi (penambahan variasi data secara sintetis) sebelum digunakan untuk melatih modelConvolutional Neural Network (CNN) melalui teknik fine-tuning (penyesuaian ulang parameterpada lapisan akhir) pada lapisan akhir InceptionV3. Evaluasi model dilakukan menggunakanmetrik akurasi, presisi, recall (tingkat keberhasilan mendeteksi kasus positif), dan F1-score (ratarataharmonis antara presisi dan recall). Hasil menunjukkan kinerja yang cukup baik dengan nilairecall mencapai 0,93, menandakan kemampuan sistem dalam mendeteksi sebagian besar kasuspositif DR.Kata kunci : Deteksi, Retinopati, Deep Learning, CNN, InceptionV3