<![CDATA[Citra biomedis digunakan untuk mendeteksi dan mengidentifikasi berbagai penyakit. Salah satunya yaitu citra fundus yang digunakan untuk mendeteksi penyakit pada retina mata seperti Diabetic retinopathy. Diabetic retinopathy merupakan komplikasi mikrovaskular Diabetes melitus yang disebabkan oleh kerusakan pembuluh darah pada retina dan dapat memicu kebutaan. Pendeteksian Diabetic retinopathy biasa dilakukan dengan pengamatan dan analisis melalui citra fundus yang dilakukan oleh optamologis. Seiring perkembangan teknologi, telah banyak dikembangkan metode pendeteksian Diabetic retinopathy berbasis Computer Aided Diagnosis (CAD). Hasil diagnosis baik oleh optamologis maupun CAD dipengaruhi oleh kualitas citra fundus itu sendiri. Oleh karena itu, penilaian kualitas citra fundus perlu dilakukan sebagai tahap prescreening pendeteksian. Penilaian kualitas citra tanpa citra referensi atau dikenal dengan no reference image quality assessment merupakan metode penilaian kualitas yang dilakukan dengan memproses citra itu sendiri. Metode tersebut memiliki keunggulan dikarenakan tidak menggunakan citra referensi. Salah satu algoritma yang populer yaitu dengan melakukan ekstraksi fitur citra. Namun, belum tentu semua fitur relevan dengan kualitas citra fundus sehingga diperlukan seleksi fitur untuk memilih fitur yang relevan. Pada penelitian ini dilakukan seleksi fitur dengan metode Correlation attribute evaluator. Hasil penelitian menunjukkan penerapan seleksi fitur correlation attribute evaluator dapat meningkatkan sensitivitas hingga 15%, spesifisitas hingga 17,8%, akurasi hingga 15%, dan AUC hingga 0,097 dibandingkan tanpa seleksi fitur. Hasil klasifikasi yang optimal yaitu dengan subset fitur GLCM contrast dan entrop]]>
