Seleksi fitur merupakan proses untuk menemukan hasil fitur yang berkolerasi satu sama lain tanpa harus menggunakan keseluruhan hasil dari ekstraksi fitur. Seleksi fitur dapat berfungsi untuk meningkatkan performansi pembelajaran, minimalisir waktu komputasi, membuat model yang lebih simpel, dan mengurangi ruang penyimpanan pada data medis yang memiliki dimensi tinggi, mereduksi fitur menjadi hal yang sangat penting, dengan pengurangan fitur tidak mengakibatkan kemampuan diskriminatif menjadi memburuk, bahkan sebaliknya terdapat banyak keuntungan diantaranya menghindari over-fitting. Seleksi fitur sangat mempengaruhi keakuratan klasifikasi dan merupakan bagian dari preprocessing pada proses klasifikasi. Untuk itu pada penelitian ini dilakukan pengujian performansi metode seleksi fitur untuk mendukung kinerja ANN dalam melakukan klasifikasi Sel Serviks Pada Citra Sel Tunggal Pap Smear. Pengujian terhadap metode seleksi fitur yang digunakan adalah Cfs Subset Evaluator, Information Gain Attribute, dan Relief Attribute Evaluator. Pengujian dilakukan dengan membandingkan hasil performansi terhadap hasil klasifkasi, dengan mengukur nilai hasil terhadap akurasi, sensitivitas, specifitas, dan ROC kurva. Sedangkan klasifikasi dengan ANN menggunakan parameter k-fold sebesar =10, batch size = 100, 50, dan 25, serta niali epoch = 500, 250, 125. Hasil pengujian menunjukkan metode seleksi fitur dengan Relief Attribute Evaluator memberikan nilai performansi tertinggi, yaitu dengan akurasi sebesar 94.1112%, sensitivitas sebesar 94.1%, specifitas sebesar 95.0% dan ROC sebesar 0.980 pada parameter k-fold =10, batch size=50, dan epoch=250.

Kata kunci : Seleksi Fitur, Klasifikasi, ANN.