Retinopati Diabetik merupakan suatu penyakit yang disebabkan oleh komplikasi diabetes yang di derita seseorang berusia mulai dari 20 sampai 74 tahun, di mana hal tersebut dapat merusak bagian retina mata, karena kadar gula darah yang tinggi. Seseorang dapat mengalami penyakit retinopati diabetik tanpa mengetahuinya, hal ini disebabkan karena penyakit ini tidak memiliki gejala pada tahap awal, akan tetapi ketika penyakit semakin parah, gejala akan timbul seperti penglihatan kabur, penglihatan yang terkadang buram lalu jelas, melihat area kosong atau gelap di area penglihatan, penglihatan malam yang buruk, dan melihat warna menjadi pudar ataupun kehilangan penglihatan. Karena penyakit ini tidak memiliki gejala hingga stadium lanjut, maka dari itu diperlukan sistem yang dapat mengklasifikasikan retinopati diabetik dengan cepat dan akurat, agar penderita dapat segera ditangani. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNet untuk klasifikasi retinopati diabetik dan preprocessing image enhancement Contrast Limited Adaptive Histogram Equalization (CLAHE). Dataset yang digunakan berupa citra fundus retina, yang diambil dari situs Kaggle. Pengujian hyperparameter MobileNet dilakukan dengan mengkombinasikan nilai batch size, learning rate, epoch serta penggunaan dropout layer untuk mencari kombinasi terbaik yang menghasilkan akurasi tertinggi. Berdasarkan pengujian yang telah dilakukan didapatkan akurasi tertinggi yaitu sebesar 97.95% menggunakan CLAHE dengan kombinasi batch size bernilai 16 dan 128, learning rate bernilai 0.0001, epoch bernilai 30 dan dropout bernilai 0.5.