Dalam bidang kesehatan DNA microarray banyak digunakan untuk memprediksi penyakit kanker, dimana sel kanker dapat mengalami abnormalitas dalam mengekspresikan gennya. DNA microarray ini memungkinkan untuk mengetahui tahapan perkembangan sel kanker dengan melihat level ekspresi gennya. Analisis data ekspresi gen dalam bentuk microarray dapat memudahkan ahli medis dalam mendeteksi dan mendiagnosis apakah seseorang menderita kanker atau tidak. Data microarray sendiri memiliki dimensi yang besar sehingga dapat mempengaruhi proses dan akurasi klasifikasinya. Oleh karena itu, untuk melakukan proses pengklasifikasian pada data microarray, perlu dilakukan sebuah proses yaitu reduksi dimensi. Reduksi dimensi ini bertujuan agar mengurangi redudancy dan meningkatkan relevance pada data yang dimiliki. Dalam hal ini, penulis menggunakan metode Minimum Redudancy Maksimum Relevance (MRMR) yang dioptimasi menggunakan metode Genetic Algorithm (GA). Secara singkat MRMR adalah teknik yang digunakan untuk mengidentifikasi himpunan gen yang memiliki relevansi tinggi terhadap atribut kelas akan tetapi memiliki redudansi yang rendah antar atributnya. MRMR berupaya untuk mengatasi permasalahan ini dengan menghapus subset atribut yang dianggap tidak diperlukan. Kemudian algoritma Functional Link Neural Network (FLNN) dengan basis Legendre Polynomial digunakan untuk proses pengklasifikasian pada data microarray. Pada pengujian MRMR GA dengan klasifikasi Functional Link Neural Network (FLNN) didapatkan kenaikan hasil akurasi pada data Colon Tumor sebesar 5,55% - 16,66%, pada data Lung sebesar 2,78 - 5,56% dan pada data Ovarian sebesar 2% - 2,67%.