Penelitian ini mengembangkan sistem deteksi tingkat keparahan retinopati diabetik menggunakan arsitektur deep learning berbasis Transformer berdasarkan citra fundus retina. Retinopati diabetik merupakan komplikasi diabetes melitus yang merusak pembuluh darah kapiler retina dan menjadi salah satu penyebab utama kebutaan global. Di Indonesia, prevalensi penyakit ini mencapai 43,1% di antara penderita diabetes, dengan 26,1% di antaranya berada pada stadium parah. Kinerja dua model Transformer, yaitu ViT-5 dan DeiT III dibandingkan dalam deteksi tingkat keparahan retinopati diabetik menggunakan dataset APTOS 2019 yang telah melalui tahap preprocessing menggunakan metode Ben Graham dan augmentasi data untuk mengatasi ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa DeiT III memperoleh akurasi yang sedikit lebih tinggi dibandingkan ViT-5, yaitu 0,8255 banding 0,8218, namun ViT-5 unggul pada metrik recall dengan nilai 0,6613 banding 0,6562 dan QWK sebesar 0,8976 banding 0,8877. ViT-5 dipilih sebagai model dengan performa terbaik pada penelitian ini berdasarkan keunggulan pada recall yang menekan false negative dan QWK yang menunjukkan tingkat kesalahan deteksi lebih dekat dengan kelas sebenarnya. Model terbaik diterapkan ke aplikasi Android melalui Application Programming Interface (API), dilengkapi dengan Large Language Model (LLM). Hasil pengujian black box menunjukkan bahwa fungsi aplikasi Android berjalan tanpa ada kendala.