Diabetic Retinopathy merupakan salah satu komplikasi penyakit diabetes dan apabila terlambat ditangani penderita akan mengalami kebutaan permanen. Untuk pendeteksian Diabetic Retinopathy tidak bisa dilakukan secara langsung. Hal ini karena ciri dari Diabetic Retinopathy berada pada retina mata dan hanya bisa dideteksi oleh Ophtalmoscope yang menghasilkan sebuah citra fundus. Namun tahap pendeteksian dan pengklasifikasian jenis Diabetic Retinopathy menggunakan Ophtalmoscope masih membutuhkan waktu yang cukup lama untuk mendapatkan hasil sehingga dibutuhkan sistem yang dapat mendeteksi secara cepat untuk mendeteksi Diabetic Retinopathy. Sistem deteksi Diabetic Retinopathy yang akan dibangun merupakan system berbasis Deep Learning dengan mendeteksi citra fundus mata yang akan melewati beberapa proses tahap seperti mempersiapkan data, tahap training citra dan tahap testing citra. Dataset yang digunakan berasal dari situs kaggle.com dan strare. Sistem ini akan mendeteksi dan mengklasifikasikan penyakit Diabetic Retinopathy berbasis Deep Learning berdasarkan ciri-ciri munculnya mycroaneurysm, hard exudates, soft exudates, dan pendarahan dalam bentuk titik, garis, dan bercak pada retina mata. Hasil yang diperoleh dari proses learning didapat akurasi 75.6% dan error sebesar 24.4%. Sehingga dapat disimpulkan bahwa arsitektur squeezenet dapat mengklasifikasi penyakit diabetic retinopathy dengan baik.