Pap-Smear merupakan salah satu metode pemeriksaan untuk deteksi dini kanker serviks. Analisa Pap-Smear memiliki beberapa kelemahan, diantaranya dapat memberikan hasil yang tidak konsisten dan waktu pemeriksaan yang lama. Hal ini merupakan tantangan tersendiri dikarenakan, gambar cell pada Pap-Smear memiliki struktur gambar yang tumpang tindih. Penelitian terkait dengan klasifikasi cell berdasarkan gambar Pap-Smear menghasilkan nilai akurasi yang kompetitif. Hal tersebut yang membuat para peneliti mencoba untuk meningkatkan akurasi klasifikasi, baik pada kasus dua kelas maupun tujuh kelas dengan menggunakan metode yang berbeda-beda. Penelitian ini bertujuan untuk melakukan klasifikasi cell berdasarkan gambar Pap-Smear menggunakan metode Transfer Learning dengan memanfaatkan ekstraksi fitur dari lapisan Pretrained Neural Network/Models. Tahapan yang diusulkan meliputi, Preprocessing, Data Split dengan 10-fold Cross Validation, uji model dan evaluasi model. Hasil menunjukan, akurasi terbaik diperoleh Inception v3 diikuti oleh VGG16, VGG19, ResNet50, ResNet101, GoogLeNet, AlexNet dan ResNet18 untuk kasus 2 dan 7 kelas. Pada 2 kelas Inception v3 menghasilkan rata-rata akurasi sebesar 95,97% sedangkan, pada 7 kelas sebesar 91,30%. Kata Kunci : Pap-Smear, Transfer Learning, Pretrained Neural Network/Models.