Peneliti UPN  Veteran Jatim Lakukan Klasifikasi Sperma Kromosom XY dengan Lazy Learning

 Surabaya, HB.net - Tim peneliti dari Fakultas Ilmu Komputer UPN Veteran Jawa Timur, I Gede Susrama Masdiyasa, Wahyu S.J. Saputra, dan Muhammad Idhom, melakukan klasifikasi sperma kromosom XY dengan menggunakan Lazy Learning.

Pada dasarnya, sel sperma manusia dapat dibedakan menjadi dua berdasarkan kromosom seksnya. Artinya, kombinasi kromosom X dan kromosom Y membentuk jenis kelamin laki-laki, sedangkan kombinasi dua kromosom X membentuk jenis kelamin wanita. Tiap sel sperma akan mengandung antara satu kromosom X atau satu kromosom Y. Sementara tiap sel telur wanita mengandung satu kromosom X. Saat terjadi pembuahan, sperma-sperma yang mengandung kromosom X maupun Y secepatnya bergerak menuju sel telur. Namun, hanya ada satu sperma dengan salah satu kromosom yang akan bersatu dengan sel telur dan menjadi janin.

Selama ini, klasifikasi telah dilakukan untuk menentukan jenis kromosom pada sperma. Namun, metode lazy learning dianggap sebagai metode efektif untuk klasifikasi.  Metode lazy learning bekerja dengan menerapkan sistem klasifikasi sperma dengan menggunakan algoritma K-NN (K-Nearest Neighbor). Tahapan penelitian yang dilakukan untuk membuat sistem proses klasifikasi sperma pembawa kromosom X dan Y, yaitu pra-pemrosesan, menghitung lebar dan panjang objek pada citra dan klasifikasi menggunakan algoritma K-NN.

"Sampel yang digunakan adalah sel sperma berkromosom X dan Y yang diambil dari dataset WHO edisi kelima dan data yang diambil langsung dari volunteer sperma yang dilakukan di laboratorium, data ini terdiri dari 25 Volunter yang setiap volunteer diambil datanya sebanyak 20x sehingga total data sebenyak 500 sel sperma," ujar I Gede Susrama, ketua peneliti.

Dalam mengklasifikasikan data, metode lazy learning memerlukan dataset yang telah memiliki label pada setiap datanya. Maka diperlukan proses ekstraksi fitur untuk mendapatkan ciri - ciri dari objek sperma yang dapat membedakan sperma pembawa kromosom X dan sperma pembawa kromosom Y. Fitur yang dimaksud adalah ukuran panjang dan lebar dari objek kepala sperma berupa citra untuk mengetahui ukuran kepala pada setiap data sperma.

Dengan metode lazy learning, akurasi yang tinggi dalam pengujiannya pun terlihat. Akurasinya sebesar 99%. Akurasi ini didapatkan pada nilai K 1, K 2, dan K 10 pada algoritma K-NN. Dan akurasi terendah yang diperoleh ada pada nilai K 3 dengan akurasi 97.3% dalam pengujiannya.

"Saya berharap hasil penelitian yang kami lakukan bisa menambah keefektifan dalam teknologi identifikasi sel sperma pada kromosomnya. Ya, semoga bisa diterapkan dalam bidang kedokteran," tambah Muhammad Idhom, anggota peneliti. (Oleh: I Gede Susrama Masdiyasa)