Glaukomaadalahpenyakitmatayangdisebabkanolehpeningkatantekananbola mata sehingga terjadi kerusakan saraf optik dan dapat menyebabkan kebutaan nomor dua setelah katarak. Kerusakan saraf sering terjadi tanpa gejala sehingga pemeriksaan dini dapat mengurangi resiko dari glaukoma. Namun, dalam mendeteksi glaukoma perhitungan CDR manual harus dilakukan oleh dokter terlatih dan perangkat yang mahal seperti Heidelberg Retinal Tomograph (HRT) yang relatif terbatas. Oleh karena itu, penulis merancang suatu sistem yang dapat membantu para dokter mata mendeteksi glaukoma melalui citra fundus mata. Klasi?kasi glaukoma dilakukan dengan mengekstraksi beberapa ?tur yaitu HorizontalCuptoDiscRatio(HCDR),VerticalCuptoDiscRatio(VCDR),Horizontal toVerticalCDR(H-VCDR),CuptoDiscAreaRatio(CDAR),danRimtoDiscArea Ratio (RDAR) dengan mengsegmentasi Optic Disc (OD) dan Optic Cup (OC) denganmenggunakanmetodeMorphologicalOperationsdanThresholding. Arti?cial Neural Network (ANN) digunakan sebagai metode klasi?kasi glaukoma. Data uji dapat dibagi dalam dua klasi?kasi yaitu mata normal dan mata glaukoma. Data latih yang akan diambil sebanyak 62 buah dan data uji yang akan diambil sebanyak 62 buah. Hasil yang diperoleh bertujuan untuk memudahkan mendeteksi secaradinimataglaukoma. Akurasipadadatalatihmencapai100%danakurasipadadataujimencapai93,5484%denganspesi?kasiparameterANNyangdigunakan adalah 250 epoch, 3 hidden layer, 10 neuron pada setiap hidden layer, threshold yang digunakan 168 pada kanal red OD dan 110 pada kanal green OC.