Penyakit telinga, seperti otitis media, merupakan gangguan kesehatan yang dapat berdampak serius pada kualitas hidup seseorang apabila tidak ditangani secara cepat dan dini. Di Indonesia, pemeriksaan telinga masih bergantung pada metode konvensional menggunakan otoskop secara manual tanpa dukungan kecerdasan buatan (AI), yang rentan terhadap kesalahan diagnosis akibat subjektivitas pengamatan, keterbatasan visualisasi, dan transparansi data rekam medis. Untuk menjawab permasalahan tersebut, penelitian ini mengembangkan prototipe perangkat keras dan infrastruktur server sebagai bagian dari sistem diagnosis dini penyakit telinga berbasis deep learning yang terintegrasi dengan teknologi Internet of Things (IoT). Prototipe ini menggunakan kamera endoskopi untuk merekam citra saluran telinga secara real-time dengan di proses menggunakan model deep learning untuk mengklasifikasikan berbagai kondisi telinga, kemudian mengirimkan data tersebut ke server untuk kemudian ditampilkan ke website yang dapat diakses oleh dokter maupun pasien sebagai wadah transparansi data rekam medis. Berdasarkan pengujian, sistem mampu menjalankan inferensi model langsung di Raspberry Pi dan mengirimkan hasilnya ke server. Rata-rata waktu deteksi berkisar antara 124-392 detik, dengan waktu pengiriman 18-40 detik untuk durasi video 5-20 detik. Hasil ini menunjukkan bahwa sistem dapat beroperasi secara efisien dan andal. Integrasi perangkat keras, AI, server, dan antarmuka web ini memberikan solusi holistik terhadap diagnosis berbasis citra serta mendukung transformasi digital dalam layanan kesehatan, khususnya THT.Melalui integrasi perangkat keras, kecerdasan buatan, infrastruktur server, dan website manajemen rekam medis, sistem ini mengadirkan pendekatan holistik terhadap otomasi diagnosis medis berbasis citra, serta menjadi langkah awal menuju transformasi digital di bidang medis khususnya bidang Telinga, Hidung, dan Tenggorokan (THT) berbasis teknologi cerdas.