Paru-paru merupakan salah-satu organ dalam tubuh yang sangat penting untuk tetap
bernafas. Paru-paru juga tidak lepas dari berbagai penyakit, salah-satu kasus yang paling
besar yaitu penyakit kanker paru. Kanker paru dibagi kedalam 2 jenis dengan jenis NSCLC
menjadi kasus yang paling banyak terjadi. Jenis NSCLC ada 2, yaitu Adenocarcinoma dan
Squamous Cell Carcinoma. Pada penelitian ini, memiliki tujuan untuk mengetahui jenis
kanker paru dengan menggunakan citra. Citra akan diidentifikasikan menggunakan
Algoritma Convolutional Neural Network (CNN) dengan melakukan perbandingan kinerja
performa algoritma yang digabung dengan masing-masing proses ekstraksi fitur Gray Level
Co-occurance Matrix (GLCM) serta Hue, Sauration dan Value (HSV). Pengujian dilakukan
dengan 930 sampel citra CT-Scan histopathological kanker paru, 80% citra digunakan
sebagai data pelatihan dan 20% citra sebagai data uji. Hasil pengujian menunjukan metode
algoritma CNN dengan ekstraksi GLCM mempunyai nilai rata-rata akurasi sebesar 52.68%,
lalu dengan ekstraksi HSV mendapatkan nilai rata-rata akurasi sebesar 72.04%, sedangkan
dengan menggunakan gabungan dari kedua ekstraksi GLCM dan HSV mendapatkan nilai
rata-rata akurasi 84.41%. Sehingga dapat disimpulkan, pada penelitian ini implementasi
performa algoritma CNN dengan menggunakan gabungan dari kedua ekstraksi GLCM –
HSV lebih baik dibandingkan dengan hanya menggunakan masing-masing dari ekstraksi
fitur.