Salah satu perbedaan bentuk mata manusia dipengaruhi oleh ras. Selain bentuk mata, ras dapat dilihat melalui wajah namun mengalami kesulitan karena saat ini masih banyak masyarakat yang memakai topeng sehingga pengenalan ras sulit dikenali. Oleh karena itu, masalah yang muncul adalah bagaimana mengklasifikasikan bentuk mata untuk mengenali ras. Penelitian ini membangun sistem klasifikasi ras manusia menggunakan model arsitektur SqueezeNet yang dimodifikasi. Studi ini juga membandingkan SqueezeNet yang dimodifikasi dengan SqueezeNet v1.0. Dataset yang digunakan dalam penelitian ini adalah citra mata kiri dan kanan yang terdeteksi kemudian dipangkas dari citra wajah UTKFace, dengan total 45.178 citra mata. Deteksi mata pada citra wajah menggunakan Dlib face landmark detection. Kedua model yang digunakan tidak terdapat perbedaan yang signifikan. SqueezeNet modifikasi dan SqueezeNet v1.0 sama-sama memiliki akurasi sebesar 0.70%, akan tetapi perbedaan terdapat pada Weighted F1-Score, yaitu 0.68% untuk SqueezeNet modified dan 0.69% untuk Squeezenet v1.0. Selain itu, perbedaan yang terlihat juga pada Macro F1-Score , yaitu 0.59% untuk SqueezeNet modified dan 0.60% untuk Squeezenet v1.0.