Penyakit Katarak adalah penyakit yang disebabkan oleh adanya protein tertentu dalam lensa yang membentuk rumpun abnormal dan bertahap membesar yang akan mengganggu penglihatan dengan menghalangi cahaya melalui lensa. Untuk mengidentifikasi penyakit katarak dilakukan pengambilan citra mata dengan alat Slit-Lamp secara anterior atau dari sisi depan mata. Hasil citra Slit-Lamp memberikan informasi tentang kondisi mata yang hanya dapat dianalisa oleh dokter secara manual berdasarkan ketelitian serta pengalaman dokter, sehingga akan menimbulkan analisa yang berbeda dalam menentukan keadaan mata yang sebenarnya. Hal yang diperhatikan oleh dokter dalam menganalisa katarak pada mata yaitu tingkat kekeruhan pada mata dan luasan area yang tertutupi bagian keruh. Dengan adanya citra Slit-Lamp diharapkan identifikasi dan klasifikasi dapat dilakukan lebih baik dan akurat dengan menggunakan teknik pengolahan citra. Tahapan awal akan dilakukan grayscaling dan binarization pada citra Slit-Lamp untuk menyesuaikan citra dengan kebutuhan sistem kemudian dilakukan segmentasi citra dengan menggunakan metode Hough Circular untuk menentukan lokasi pupil pada citra. Setelah itu akan dilakukan ekstraksi fitur dengan mencari nilai Mean Intensity dan Uniformity pada citra pupil. Setelah didapat fitur pada citra Slit Lamp kemudian akan dilakukan training dengan menggunakan Neural Network Perceptron untuk melakukan klasifikasi katarak menjadi tiga kelas yaitu normal, mild-cataract dan severe-cataract. Penelitian ini dapat membantu dokter untuk melakukan klasifikasi katarak sehingga proses klasifikasi akan lebih mudah dan lebih akurat. Berdasarkan proses preprocessing, segmentation, feature extraction dan single perceptron pada pengujian menunjukkan bahwa akurasi sistem adalah 96.875%. Berdasarkan klasifikasi yang dilakukan oleh tenaga ahli pada Klinik Dr.Sjamsu pada 32 data uji hasil klasifikasi sistem ini memiliki error 3.125%.