Seiring kemajuan jaman,data yang perlu diolah menjadi semakin banyak. Tentu data yang banyak ini memang diperlukan untuk mengambil keputusan yang akurat. Dalam satu buah data,bisa saja atribut (features) yang terdapat di dalamnya cukup banyak,tetapi tidak semua atribut itu terpakai dalam proses pengambilan keputusan tertentu. Tugas akhir ini mengimplementasikan salah satu algoritma feature selection,C-LAS Relief terhadap dataset multiclass. Dataset ini harus memiliki lebih dari 2 kelas. Algoritma ini akan melakukan pemilihan nearest hit dan nearest miss. Hasil pemilihan tersebut dipakai untuk menghitung bobot tiap atribut dalam tiap instance. Hasil proses tersebut bergantung pada pemilihan nilai sampel dan threshold. Dari proses feature selection ini didapat dataset dengan jumlah atribut yang lebih sedikit namun lebih relevan untuk dipakai dalam proses klasifikasi. Untuk mengukur kinerja algoritma ini,dataset baru dihitung nilai Symetrical Uncertainty (SU) dan dimasukkan dalam proses klasfikasi. Dimana parameternya dapat dilihat dari akurasi,recall dan F-Measure. Pada akhirnya,algoritma C-LAS Relief mampu menghasilkan dataset baru dengan dimensi yang lebih sedikit dari data awal serta meningkatkan hasil klasifikasi dengan memakai parameter m dan threshold tertentu
feature selection, C-LAS Relief,nearest hit, nearest miss, dataset