Retinopati diabetik merupakan salah satu komplikasi utama diabetes yang dapat menyebabkan kebutaan permanen apabila tidak dideteksi sejak dini. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis retinopati diabetik menggunakan algoritma Convolutional Neural Network (CNN) berbasis arsitektur EfficientNet dan visualisasi Grad-CAM pada citra fundus retina. Dataset yang digunakan adalah APTOS 2019 Blindness Detection dengan lima tingkat klasifikasi keparahan retinopati. Tahapan penelitian meliputi preprocessing data, augmentasi citra, pelatihan model dengan transfer learning pada EfficientNet, evaluasi model melalui confusion matrix dan classification report, serta deployment menggunakan aplikasi Streamlit. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 96%. Performa terbaik ditunjukkan pada kelas normal (kelas 0) dan kelas berat (kelas 3–4) dengan tingkat kesalahan prediksi yang sangat rendah. Integrasi Grad-CAM memberikan visualisasi heatmap yang menyoroti area penting pada retina, sehingga meningkatkan interpretabilitas hasil prediksi.
Kata Kunci: CNN, EfficientNet, Fundus Retina, Grad-CAM , Retinopati Diabetik.