Malaria merupakan salah satu penyakit menular yang menginfeksi sel darah merah. Pada pasien terduga terjangkit malaria, pemeriksaan mikroskopik hapusan darah masih menjadi standar yang dilakukan untuk mendiagnosis malaria. Hal ini menimbulkan permasalahan dalam diagnosis malaria, karena dalam melakukan diagnosis tersebut membutuhkan pelatihan khusus dan keahlian yang cukup pada sumber daya yang ada. Sensitivitas sebesar 57% dan masih terbilang rendah menjadi kendala pemeriksaan mikroskopik, sehingga berdasarkan hal tersebut diperlukan cara identifikasi/klasifikasi secara tepat dan akurat terhadap penyakit malaria dengan memanfaatkan perkembangan teknologi yang telah maju salah satunya dengan menggunakan Machine Learning. Pada penelitian ini menggunakan 1D-Convolutional Neural Network, dan menggunakan feature extraction texture dan morphological. Dataset yang digunakan dari website Kaggle yaitu Malaria Parasite Image (Different Malaria Species) dengan species yang digunakan Falciparum dan label terdiri dari fase Gametocytes (G), Rings (R), Trophozoite (T), Schizont (S). Hasil dari penelitian ini mendapatkan nilai confusion matrix tertinggi pada proporsi 80:20 dengan nilai accuracy sebesar 82%.