Kanker merupakan penyebab kematian nomor dua di dunia. Menurut Organisasi Kesehatan Dunia (WHO) pada tahun 2018, sekitar 9,6 juta kematian disebabkan oleh kanker. Secara global, sekitar 1 dari 6 kematian disebabkan oleh kanker. Salah satu cara untuk mendeteksi kanker adalah dengan menggunakan klasifikasi data microarray. Teknologi microarray digunakan untuk mendeteksi ekspresi ribuan gen sekaligus untuk menganalisis dan mendiagnosis kanker. Namun, data microarray memiliki dimensi yang tinggi karena fiturnya yang besar dan distribusi data yang rendah, yang berarti memiliki sampel data yang kecil sehingga menyebabkan kinerja yang rendah. Untuk mengatasi masalah ini, diperlukan pengurangan dimensi. Oleh karena itu perlu dilakukan reduksi dimensi data microarray dengan Random Projection (RP) untuk mereduksi dimensi yang tinggi dan menggunakan metode klasifikasi Support Vector Machine (SVM) dan Random Forest (RF). Metode klasifikasi akan dibandingkan dan dianalisis untuk menentukan metode klasifikasi mana yang menghasilkan performansi terbaik dengan menggunakan Random Projection (RP) sebagai metode reduksi dimensi. Berdasarkan sistem yang telah dibangun, akurasi terbaik untuk Tumor Usus Besar adalah 69,23% dengan Random Projection (RP)-SVM, Kanker Paru 100% untuk kedua metode klasifikasi, Kanker Ovarium 100% untuk kedua metode klasifikasi, tumor prostat adalah 95,12% untuk kedua metode klasifikasi dan Sistem Saraf Pusat adalah 66,66% untuk kedua metode klasifikasi.