<![CDATA[Penglihatan merupakan salah satu indera yang sangat penting bagi manusia. Jika terjadi kelainan atau penyakit pada mata, dapat berdampak serius, seperti diabetes yang dapat menyerang bola mata, katarak, dan glaukoma. Karena itu, menjaga kesehatan mata harus menjadi prioritas sehari-hari. Sayangnya, fasilitas medis terbatas di pusat kesehatan dan rumah sakit, serta kurangnya jumlah dokter mata yang mampu melakukan pemeriksaan dan operasi mata, menjadikan pengobatan penyakit mata menjadi sulit. Namun, seiring dengan pesatnya perkembangan teknologi, bidang kedokteran juga mengadopsi teknologi untuk meningkatkan pelayanan kepada masyarakat secara luas. Keterbatasan waktu yang dialami oleh dokter-dokter tersebut telah mendorong penggunaan sistem pakar dalam membantu diagnosis berbagai penyakit. Untuk mengatasi masalah dalam diagnosis penyakit diabetes, katarak, dan glaukoma, telah dikembangkan beberapa solusi. Salah satunya adalah dengan menggunakan metode pengolahan citra bola mata dan bahasa pemrograman untuk menciptakan perangkat lunak yang dapat melakukan diagnosis dan klasifikasi yang akurat terhadap keempat jenis penyakit tersebut. Dalam hal ini, metode yang digunakan adalah convolutional neural network (CNN). Sistem dirancang menggunakan metodologi CNN dengan arsitektur Alexnet berdasarkan gambar bola mata. Masukkan kumpulan data gambar yang diwarisi dari Kaggle yang disebut "Klasifikasi Penyakit Mata" dan gunakan total 4.217 gambar, 75% di antaranya adalah data latih dan 25% adalah gambar data uji. Pada penelitian ini, hasil terbaik untuk setiap skenario pengujian adalah presisi 87%, presisi 88%, recall 88%, skor f1 88% dan loss 0,48.]]>
