Pada proses pengolahan data yang dilakukan data mining, data dimensi tinggi mengakibatkan proses penggalian informasi menjadi lebih sulit. Fenomena Curse of dimensionality atau kutukan dimensi merupakan permasalahan nyata yang terkait dengan dimensi tinggi. Fenomena tersebut dapat membuat proses pengolahan data menjadi kurang efektif dan efisien, sehingga diperlukan metode tertentu untuk mereduksi dimensi pada data. Penggabungan antara algoritma data mining dengan algoritma Evolutionary Algorithms (EAs) menjadi salah satu solusi untuk mengatasi permasalahan yang berkaitan dengan fenomena kutukan dimensi. Algoritma K-Nearest Neighbour (KNN) merupakan algoritma data mining yang dapat digunakan untuk melakukan klasifikasi pada data dan GA dapat membantu memaksimalkan klasifikasi akurasi subset dari atribut. Pada tugas akhir ini, dibangun sistem untuk memprediksi penyakit dengan data berdimensi tinggi. Data yang digunakan adalah data penyakit Colon Tumor dan Leukimia. Performansi terbaik diperoleh pada saat parameter Pc 0.6 dan Pm 0.1 dengan performansi sebesar 93.57% pada data Colon Tumor dan 100% pada data Leukimia.
Kata kunci : data dimensi tinggi, evolutionary data mining, k-nearest neighbour, algoritma genetika.