Jumlah penderita Kanker Paru di Indonesia semakin hari semakin meningkat pesat hingga menduduki urutan ke-8 di Asia Tenggara. Berdasarkan laporan Global Burden Cancer (Globocan) tahun 2018 terdapat sekitar 19% dari pasien Kanker Paru di Indonesia terjadi pada kaum pria, sekitar 80% dari keseluruhan kasus di Tahun 2018 penyebab tertinggi adalah merokok. Pemeriksaan sitologi pada cairan pleura tidak selalu mendapatkan banyak sel untuk dilakukan pengamatan dan analisa lebih lanjut di bawah mikroskop. Pada spesimen dengan jumlah sel yang didapat sedikit, akan sulit bagi seorang dokter untuk mengidentifikasi apakah sel tersebut kanker ataukah normal. Penelitian ini mengusulkan metode Convolutional Neural Network (CNN) yang merupakan bagian dari Deep Learning untuk klasifikasi pada data image yang berupa cairan pleura dari hasil pengamatan melalui mikroskop. Data sel kanker paru didapatkan dari RSUD dr. Soetomo Surabaya yang terdiri dari 500 sel label kanker dan 400 sel label normal. Hasil akurasi tertinggi sebelum diberikan optimasi hyperparameter yaitu pada penggunaan metode tanpa pre-processing, Adaptive thresholding dan Otsu thresholding yang berada pada angka 99% dan terendah pada Binary thresholding yaitu 98% dengan distribusi data training 90% dan validation 10%. Penggunaan optimasi hyperparameter mampu memberikan peningkatan akurasi pada masing-masing metode walaupun tidak signifikan. Metode gradient boosted regression tree dinilai mampu meningkatkan akurasi secara keseluruhan dibandingkan Gaussian process yang tidak mengalami kenaikan akurasi pada metode tanpa pre-processing dan adaptive thresholding. Metode ini diharapkan dapat dijadikan sebagai alat bantu (tools) yang dapat membantu tenaga medis (dokter) dalam mengidentifikasi adanya sel kanker.