Mata merupakan organ yang sangat penting pada diri manusia. Melalui mata manusia dapat menyerap lebih dari 80% informasi visual yang digunakan untuk melaksanakan berbagai kegiatan mereka sehari-hari. Namun di Indonesia banyak terjadi kasus gangguan penglihatan yang jika tidak ditangai dengan baik akan menyebabkan kebutaan. Contoh dari gangguan tersebut yaitu seperti katarak, glaukoma dan retinopati diabetik. Saat ini pun sudah banyak penelitian penyakit mata yang sudah dibantu oleh teknologi seperti Artificial Intelligence (AI). Salah satu teknologi AI yang saat ini kerap dikembangkan yaitu Convolutional Neural Network (CNN). CNN merupakan salah satu framework Deep Learning yang sangat baik dalam memecahkan masalah klasifikasi citra atau gambar karena arsitektur CNN menerapkan convolution layer yang mana dapat memecah citra untuk mendapatkan setiap fitur dari citra tersebut dan dengan mudah mereduksi dimensi yang sangat besar tanpa menghilangkan informasi citra itu sendiri. Dalam penelitian ini, penulis menggunakan berbagai macam model CNN untuk menemukan mana yang model yang paling tepat untuk mengklasifikasi penyakit mata diantaranya seperti EfficientNet, ResNet, Inception V3 dan masih banyak lagi lainnya. Kemudian dari berbagai percobaan training model, didapatkan akurasi untuk model ResNet50 sebesar 95% dan loss sebesar 17%, lalu Xception dengan akurasi sebesar 95% dan loss sebesar 21%, dan EfficientNetV2B2 dengan akurasi sebesar 92% dan loss sebesar 25%.