Gangguan pendengaran masih menjadi tantangan kesehatan yang signifikan di Indonesia, terutama akibat terbatasnya akses terhadap layanan spesialis THT dan alat diagnostik di daerah terpencil. Tujuan dari penelitian ini mengembangkan sistem diagnosis dini penyakit telinga berbasis deep learning yang terintegrasi dengan kamera endoskopi dan aplikasi web interaktif. Sistem ini dirancang untuk memberikan diagnosis otomatis melalui antarmuka website yang responsif, dengan backend yang mengelola data dan integrasi model deep learning. 

Pengembangan dilakukan dengan metodologi Agile untuk memungkinkan iterasi dan adaptasi cepat terhadap kebutuhan medis dan teknis. Setiap tahap pengembangan dilakukan secara bertahap melalui sprint, mulai dari perancangan antarmuka, integrasi modul akuisisi citra, hingga pelatihan dan pengujian model klasifikasi penyakit telinga. Dengan pendekatan Agile ini terbukti efektif dan mampu dalam menjaga kelangsungan pengembangan perangkat lunak.

Hasil akhir dari penelitian menunjukkan bahwa sistem EarScope berhasil dikembangkan sebagai platform website yang mendukung diagnosis dini penyakit telinga secara otomatis dengan mengintegrasikan kamera endoskopi dan model deep learning. Sistem ini mampu menampilkan video mentah dan video hasil pemrosesan disertai informasi pasien, hasil diagnosis otomatis, dan waktu unggah. Dengan pembagian role seperti admin, dokter, dan pasien, sistem memungkinkan pengelolaan data dan pemeriksaan terstruktur dan efisien berbasis teknologi yang adaptif dan terjangkau.