Malware atau malicious software merupakan perangkat lunak yang sengaja dibuat untuk merusak fungsionalitas sistem komputer. Pada era internet saat ini, terdapat peningkatan yang signifikan pada jumlah malware dalam tahun-tahun belakangan. Oleh karena itu, diperlukan sistem yang dapat mengidentifikasi dan mengklasifikasikan sampel malware. Penelitian ini melakukan eksperimen untuk melakukan klasifikasi malware menggunakan visualisasi citra grayscale dan citra RGB dengan metode Convolutional Neural Network (CNN). Dataset yang digunakan berupa visualisasi citra grayscale yang dikonversi dari file executable, dan terdiri dari 9339 citra dan 25 family. Sedangkan, citra RGB diperoleh dari konversi citra grayscale menjadi citra berwarna dengan teknik pseudocolor. Sebelum citra malware diklasifikasi, Principal Component Analysis (PCA) digunakan untuk menangani tingginya dimensi data dan meningkatkan akurasi klasifikasi dengan mengekstrak fitur-fitur penting. Hasil penelitian menunjukkan model Convolutional Neural Network mencapai akurasi tertinggi 97.752% dan recall tertinggi 95.026% dengan citra grayscale malware. Sementara itu, untuk citra RGB malware, model Convolutional Neural Network mendapatkan akurasi terbaik 97.591% dan recall terbaik 94.824%. Berdasarkan hasil penelitian, klasifikasi malware pada kedua jenis citra memperoleh hasil yang cukup baik.