%A Rukmana Silvia 
%T Klasifikasi Sperma Manusia 
Berdasarkan Morfologi Menggunakan Algoritme Convolutional Neural 
Network Arsitektur ResNet101 dengan Transfer Learning dan Augmentasi 
Data
%X Infertilitas merupakan gangguan yang menghambat reproduksi makhluk hidup 
untuk menghasilkan individu baru dari generasi keturunannya. Infertilitas pada pria 
dapat disebabkan oleh banyak faktor, salah satunya adalah kelainan morfologi 
sperma yang menyebabkan ketidaksuburan pada pria. Oleh karena itu, klasifikasi 
morfologi sperma penting dalam menganalisis kualitas sperma. Analisis kualitas 
sperma biasanya dilakukan secara manual dengan bantuan mikroskop. Namun, hal 
tersebut membutuhkan waktu yang lama dan hasil yang tidak selalu akurat. 
Perkembangan teknologi pada saat ini, dapat membantu menganalisis kualitas 
sperma secara otomatis dengan tingkat akurasi yang tinggi. Salah satunya 
menggunakan deep learning dengan pendekatan convolutional neural network
yang mampu menganalisis sperma secara otomatis. Convolutional neural network
(CNN) banyak digunakan dalam tugas pengenalan citra. Terdapat beberapa jenis 
arsitektur dalam CNN salah satunya adalah arsitektur ResNet101. Dalam penelitian 
ini digunakan algoritma CNN arsitektur ResNet101 dalam mengklasifikasikan 
morfologi sperma. Penelitian ini mengunakan dua dataset sperma, yaitu HuSHem 
dan SCIAN. Model yang digunakan yaitu ResNet101 dengan transfer learning dan 
dilakukan penambahan layer baru yang sesuai dengan data. Teknik augmentasi data 
diimplementasikan untuk memperbanyak variasi data yang mampu meningkatkan 
kinerja model. Hasil penelitian menunjukkan bahwa pada dataset HuSHem dengan 
hasil pengujian terbaik mencapai accuracy sebesar 97.73%, dengan precision
97.93%, recall 97.73% dan f1-score 97.73%. Sementara itu, pada dataset SCIAN 
hasil terbaik dengan accuracy sebesar 70.18%, dengan precision 69.51%, recall
69.17% dan f1-score 70.18%. Hasil pengujian tersebut menunjukkan kemampuan 
model ResNet101 dalam mengklasifikasikan morfologi sperma.

Kata Kunci: Deep learning, convolutional neural network, sperma, ResNet101,
transfer learning
%C UNIVERSITAS LAMPUNG
%D 2024
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%L eprints81193