Dalam era kemajuan teknologi medis, analisis citra sel darah putih menjadi sangat penting untuk diagnosis yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menciptakan sistem yang dapat secara otomatis mengidentifikasi dan mengklasifikasikan empat jenis sel darah putih, yaitu neutrofil, limfosit, monosit, dan eosinofil. Dengan memanfaatkan teknologi pembelajaran mesin, sistem ini dirancang untuk meningkatkan efisiensi dan akurasi dalam proses diagnosis, yang sering kali dilakukan secara manual oleh tenaga medis. Metode template matching dipilih karena kemampuannya untuk mencocokkan pola citra dengan akurasi yang baik. Hasil pengujian menunjukkan bahwa sistem ini dapat memproses citra dalam waktu rata-rata 264,67 ms per gambar, dengan akurasi deteksi mencapai 85% menggunakan empat template. Pengujian lebih lanjut mengidentifikasi nilai ambang batas (threshold) optimal sebesar 0,6, yang memberikan keseimbangan terbaik antara akurasi dan efisiensi. Sistem ini juga menunjukkan performa yang baik dalam mengklasifikasikan jenis sel, dengan kesalahan minimal pada pengenalan sel eosinofil dan neutrofil. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas layanan kesehatan, terutama di daerah dengan keterbatasan fasilitas medis, serta memperluas aksesibilitas teknologi diagnosis bagi masyarakat.