Mata adalah suatu indra yang sangat penting pada tubuh manusia. Penyakit mata akan memperburuk indra tersebut hingga untuk khasus terburuknya adalah kebutaan. Pada kasus kebutaan, banyak sekali kasus yang sebenarnya masih dapat dicegah. Funduskopi adalah suatu metode yang bertujuan untuk mendeteksi penyakit mata. Juga dibutuhkan suatu cara otomatis yang akurat dalam melakukan klasifikasi citra fundus. Penelitian ini bertujuan untuk membandingkan preprocessing yang digunakan untuk membantu model Convolutional Neural Network (CNN) dalam melakukan klasifikasi penyakit mata. Pada penelitian ini digunakan dataset berupa citra fundus yang bernama Cataract dataset yang didapatkan secara gratis dan boleh untuk dipakai oleh umum pada situs Kaggle. Pada awal penelitian, setiap citra akan dilakukan resize ke ukuran 227x227. Setelah itu, akan dilakukan beberapa kondisi untuk melihat pengaruh preprocessing augmentasi dan Contrast Limit Adaptive Histogram Equalization (CLAHE). Pengujian ini menggunakan model AlexNet yang dilakukan dengan hyperparameter epoch 100, batch size 64, learning rate 0.001, dropout rate 0.2 dan optimizer Adagrad yang merupakan kombinasi terbaik untuk menghasilkan akurasi tertinggi. Akurasi tertinggi yang didapat oleh model AlexNet adalah 59% menggunakan preprocessing augmentasi.