Retinopati diabetik adalah kerusakan pada mikrovaskuler atau pembuluh darah kecil pada retina, yang disebabkan oleh Diabetes Mellitus yang tidak terkontrol. Untuk mendeteksi retinopati diabetik, pihak tenaga kesehatan menggunakan citra fundus untuk mendeteksi terjadinya retinopati diabetik. Tetapi, pihak tenaga kesehatan masih melakukan analisis secara manual. Maka dari itu, dibangun teknologi deep learning untuk mendeteksi retinopati diabetik melalui citra retina. Sebelumnya, telah dilakukan penelitian dalam mendeteksi retinopati diabetik melalui citra fundus. Ekstraksi fitur digunakan untuk mengidentifikasi fitur-fitur yang terdapat pada citra fundus. Ekstraksi fitur yang digunakan adalah Histogram of Oriented Gradients (HOG). Pada penelitian ini HOG dikombinasikan dengan convolutional neural network (CNN) dan penggunaan transfer learning, yang merupakan model klasifikasi yang sering digunakan dalam klasifikasi citra. Dari model tersebut didapatkan keluaran normal dan retinopati diabetik. Pada hasil penelitian ini, didapatkan hasil terbaik untuk model CNN dengan akurasi 93%. Transfer learning pada penelitian ini menggunakan InceptionResNetV2, didapatkan hasil terbaik dengan akurasi 97%. Berdasarkan penelitian ini, HOG dengan pemodelan CNN dan transfer learning dapat menghasilkan klasifikasi retinopati diabetik dan non-retinopati diabetik melalui citra fundus.