Penyakit Parkinson atau Parkinson Disease (PD) merupakan penyakit neurodegeneratif yang mengakibatkan sel-sel saraf di otak atau sistem saraf tepi mengecil dan kehilangan fungsinya. Penyakit ini menyerang saraf motorik dengan menyebabkan kondisi tremor tak disengaja sehingga bisa mengakibatkan kecelakaan hingga meninggal dunia. Belum ditemukannya obat untuk menyembuhkan penyakit ini, mengakibatkan saat ini lebih dari 10 juta orang di seluruh dunia hidup dengan PD. Sampai saat ini belum ada metode pemeriksaan yang dapat memastikan diagnosis penyakit parkinson stadium awal. Kumpulan data microarray menghadirkan peluang untuk menemukan faktor baru guna memahami mekanisme dasar terkait suatu penyakit. Berdasarkan studi terkait, pendekatan pembelajaran mesin menggunakan data microarray memiliki peluang besar untuk mendeteksi penyakit khususnya PD. Penelitian ini bertujuan untuk melakukan pengujian performa dari ensemble method yaitu Random Forest (RF), Adaptive Boosting (AdaBoost), dan Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan Analysis of Variance (ANOVA) dan Mutual Information (MI) sebagai teknik seleksi fitur. Proses hyperparameter tuning juga berperan penting dalam peningkatan performa model. Performa model terbaik adalah kombinasi metode RF dan teknik seleksi fitur ANOVA yang menunjukkan nilai akurasi dan F1-Score masing-masing 67% dan 70%.