Perkembangan teknologi yang pesat telah memberikan dampak signifikan di berbagai bidang kehidupan, termasuk dalam pengolahan citra digital untuk keperluan klasifikasi. Penelitian ini bertujuan untuk melakukan klasifikasi gender menggunakan algoritma Convolutional Neural Network (CNN) dengan model VGG-16 berbasis citra mata orang Indonesia. Hal ini dilatarbelakangi oleh fenomena sosial di Indonesia, seperti penyalahgunaan cadar oleh oknum tertentu, sehingga penting untuk mengembangkan teknologi klasifikasi berbasis citra mata guna meningkatkan keamanan. Dataset yang digunakan merupakan kumpulan citra mata orang Indonesia yang dikumpulkan langsung oleh peneliti melalui situs yayasan YPIT, dengan total 1.234 gambar, terdiri dari 594 citra mata laki-laki dan citra mata perempuan. Proses pelatihan model dilakukan dengan pendekatan transfer learning menggunakan arsitektur VGG-16 yang telah dibekukan pada layer awal dan ditambahkan lapisan klasifikasi di bagian akhir. Model dilatih selama 10 epoch dan menghasilkan tingkat akurasi sebesar 88%. Evaluasi dilakukan menggunakan data mata influencer berupa 20 gambar influencer Indonesia. Hasil pengujian menunjukkan tingkat akurasi tinggi, yakni dengan hasil akurasi sebesar (85%).Penelitian ini menunjukkan bahwa model CNN dengan arsitektur VGG-16 mampu mengklasifikasikan gender dengan akurat menggunakan citra mata orang Indonesia. Hasil ini diharapkan dapat menjadi dasar bagi pengembangan sistem keamanan dan identifikasi berbasis kecerdasan buatan yang lebih sesuai dengan karakteristik lokal.