Penyakit katarak merupakan salah satu penyakit mata yang dapat menyebabkan kebutaan. Oleh karena itu diperlukan peran teknologi sebagai alat bantu untuk melakukan identifikasi penyakit mata katarak secara dini sebelum kondisi semakin parah dan menyebabkan kebutaan. Pembuatan model machine learning menjadi sebuah salah satu cara untuk melakukan deteksi katarak. Pada penelitian ini digunakan data augmentation untuk menambah variasi data dan penggunaan metode transfer learning dengan base model MobileNetV2 yang berbasis CNN. Pada saat proses pelatihan model digunakan metode grid search untuk mencari model dengan menggunakan parameter yang berbeda seperti membekukan atau tidak layer-layer pada MobileNetV2, menambahkan lapisan dropout atau tidak serta pengaturan learning rate. Dihasilkan 12 model dari teknik grid search ini dengan model terbaik yang dihasilkan yaitu model transfer learning dengan melatih blok akhir dari MobileNetV2 tanpa dropout serta pengaturan learning rate pada model menghasilkan akurasi sebesar 99%, presisi 98%, recall 100%, F1-score 98%, serta AUC 1 pada data uji. Kata kunci: katarak;machine learning;augmentation;mobilenetv2