Gangguan pendengaran akibat infeksi telinga seperti otitis media masih menjadi masalah kesehatan yang signifikan, terutama pada anak-anak, dengan prevalensi mencapai 4,6% penduduk Indonesia. Metode diagnosis konvensional menggunakan otoskop memiliki keterbatasan karena sangat bergantung pada keahlian tenaga medis, sehingga berpotensi menimbulkan subjektivitas dan keterlambatan diagnosis, terlebih di daerah dengan keterbatasan fasilitas kesehatan. Penelitian ini bertujuan mengembangkan prototipe perangkat keras dan infrastruktur server untuk sistem diagnosis dini penyakit telinga berbasis Deep Learning yang terintegrasi dengan Internet of Things (IoT).Metode pengembangan yang digunakan adalah Research and Development (R&D) dengan model Prototype, meliputi tahapan studi literatur, pengumpulan dan pra-pemrosesan data, perancangan hardware, pengembangan model Deep Learning berbasis YOLOv8, implementasi pada perangkat NVIDIA Jetson Nano, pengembangan sistem website, integrasi IoT, serta pengujian dan evaluasi sistem. Prototipe yang dikembangkan mengintegrasikan kamera endoskopi USB beresolusi Full HD dengan lebar lensa 3,9 mm, LCD touchscreen resistif 4 inci, dan Jetson Nano Developer Kit sebagai unit pemrosesan utama berbasis edge computing, yang dikemas dalam casing hasil 3D printing. Pengujian dilakukan menggunakan metode Black Box Testing dan Performance Testing terhadap fungsi daya, akuisisi citra, tampilan output, proses inferensi, serta stabilitas sistem. Hasil pengujian menunjukkan bahwa seluruh komponen perangkat keras berfungsi dengan baik, mampu melakukan akuisisi citra dan inferensi model Deep Learning secara real-time dengan latensi rendah tanpa ketergantungan penuh pada koneksi internet, serta menunjukkan stabilitas yang baik selama pengoperasian berkelanjutan. Meskipun demikian, aspek ergonomi dan portabilitas perangkat masih perlu ditingkatkan pada pengembangan selanjutnya. Sistem ini diharapkan dapat membantu tenaga medis meningkatkan akurasi diagnosis serta memperluas akses layanan kesehatan telinga, terutama di daerah dengan keterbatasan fasilitas medis.