Kanker merupakan salah satu penyakit dengan jumlah kematian yang tinggi. Beberapa tahun terakhir, microarray merupakan teknologi yang digunakan untuk menganalisis dan mendeteksi kanker. Microarray digunakan sebagai representasi ekspresi gen pada DNA manusia. Namun, permasalahan utama untuk men- deteksi kanker dengan menggunakan data microarray adalah jumlah sampel data yang sedikit dan dimensi yang tinggi. Maka dari itu, data microarray harus diproses terlebih dahulu dengan salah satu pendekatan reduksi dimensi sebelum diproses dengan metode klasifikasi. Pada penelitian ini, pendekatan reduksi di- mensi yang digunakan adalah autoencoder. Autoencoder telah berhasil diterapkan dalam rekonstruksi data citra dibandingkan dengan beberapa metode reduksi dimensi lainnya. Arsitektur autoencoder akan men- jadi pembahasan utama dalam penelitian ini. Selanjutnya, algoritma Support Vector Machine (SVM) dan Multilayer Perceptron (MLP) digunakan untuk proses klasifikasi. Data microarray yang digunakan pada penelitian ini adalah data leukemia, colon cancer, lung cancer, dan ovarian cancer. Metode SVM menca- pai nilai rata-rata akurasi sebesar 93,81%, sementara nilai rata-rata akurasi dengan metode MLP sebesar 80,95%.