Retinopati diabetik merupakan salah satu komplikasi penyakit diabetes melitus yang terjadi pada retina mata dan dapat menyebabkan kebutaan. Penderita tidak merasakan gejala pada tahap awal, tetapi penglihatan mendadak hilang jika telah terjadi kerusakan yang sangat parah pada retina. Pemeriksaan medis retinopati diabetik dilakukan secara langsung oleh dokter dengan mengamati citra fundus retina pasien. Hasil citra retina dari kamera fundus tidak dapat memberikan informasi secara jelas sehingga dokter membutuhkan waktu yang relatif lama untuk menganalisis citra tersebut. Oleh karena itu, pada tugas akhir ini dirancang sebuah sistem untuk klasifikasi retinopati diabetik dengan waktu yang efisien.
Sistem dibuat dengan menerapkan pengolahan citra digital menggunakan metode 3D Gray Level Co-occurrence Matrix untuk ekstraksi ciri. Hasil ekstraksi ciri kemudian diklasifikasikan menggunakan metode Learning Vector Quantization berdasarkan tingkat keparahan penyakit retinopati diabetik yaitu normal, Mild NPDR, Moderate NPDR, Severe NPDR dan proliferative diabetic retinopathy (PDR). Data yang digunakan pada sistem ini didapat dari EyePACS Retinal Reading Program yang berjumlah 250 data dengan pembagian masing-masing 175 data latih dan 75 data uji.
Hasil pengujian yang telah dilakukan pada sistem ini mendapatkan akurasi 93.33% dengan waktu komputasi sebesar 0.7195 detik pada jarak antar piksel (d) = 1, sudut orientasi (?) = 90º,45o menggunakan ciri statistik kontras, korelasi, energi dan homogenitas, serta hidden layer = 5 dan epoch = 500.
Kata Kunci : Retinopati Diabetik, 3D Gray Level Co-occurrence Matrix, Learning Vector Quantization.