Leukemia merupakan kanker yang terjadi ketika sel darah putih diproduksi terlalu banyak di sumsum tulang. Acute Myeloid Leukemia (AML) merupakan jenis leukemia yang menyerang sel induk myeloid yang akan berdiferensiasi menjadi sel darah putih. Diagnosis leukemia dilakukan dengan pengamatan langsung morfologi sel darah putih, namun metode tersebut memerlukan waktu yang banyak dan biaya yang besar, serta rentan terhadap kesalahan karena bergantung pada pengalaman pengamat. Penelitian terkini telah mengeksplorasi metode deep learning untuk klasifikasi otomatis sel darah putih AML. Penelitian ini mengusulkan metode ResNet-50 yang disisipkan blok Squeeze-and-Excitation (SE Block) untuk meningkatkan akurasi klasifikasi sel darah putih AML. Dataset yang digunakan adalah The Munich AML Morphology Dataset yang terdiri dari 18.365 citra sel darah putih AML. Hasil eksperimen menunjukkan bahwa model SE-ResNet-50 mencapai akurasi sebesar 0.9736, presisi 0.97, recall 0.98, dan F1-score 0.98. Hal ini melampaui metode ResNet-50 pada penelitian sebelumnya dengan akurasi sebesar 0.9657, presisi 0.97, recall 0.97, dan F1-score 0.97.
