Nama :Yulianti Astuti

NPM : 11220806
Kelas : 4EA19

Carilah materi dan buatlah rangkuman mengenai GAN dan hasil contoh
implementasi dari algoritma GAN.

Generative Adversarial Network (GAN) adalah jenis arsitektur jaringan saraf tiruan
yang terdiri dari dua komponen utama: generator dan diskriminator. GAN
dirancang untuk menghasilkan data baru yang terlihat mirip dengan data pelatihan.
Cara kerja GAN adalah dengan membiarkan generator mencoba menghasilkan data
palsu yang mirip dengan data asli, sementara diskriminator mencoba membedakan
antara data palsu dan data asli. Proses ini membentuk sebuah permainan antara
generator dan diskriminator, di mana keduanya belajar secara bersamaan.

Generator mencoba untuk memproduksi data palsu yang semirip mungkin dengan
data asli, sementara diskriminator mencoba untuk membedakan antara data asli dan
palsu. Seiring berjalannya waktu, generator menjadi semakin baik dalam
menghasilkan data palsu yang realistis, sementara diskriminator menjadi semakin
baik dalam membedakan data palsu dan asli. Tujuannya adalah mencapai titik di
mana data palsu yang dihasilkan oleh generator sangat sulit dibedakan dari data
asli.

Contoh Implementasi GAN :

Salah satu contoh implementasi GAN yang paling terkenal adalah dalam generasi
gambar realistis. Berikut adalah hasil contoh implementasi GAN dalam
menghasilkan gambar:

1. Generasi Wajah Manusia: GAN dapat digunakan untuk menghasilkan

gambar-gambar wajah manusia yang terlihat sangat realistis. Ini berguna
dalam berbagai aplikasi seperti pembuatan avatar, augmentasi data
 pelatihan untuk tugas pengenalan wajah, atau bahkan dalam pembuatan
karakter untuk game.
2. Generasi Gambar Hewan: GAN juga dapat digunakan untuk menghasilkan
gambar-gambar hewan yang realistis. Ini dapat berguna dalam dunia
hiburan, ilustrasi, atau simulasi.
3. Restorasi Gambar: GAN dapat digunakan untuk memperbaiki gambar yang
rusak atau buram. Misalnya, dalam pemulihan gambar lama yang rusak atau
dalam pemulihan gambar medis yang kabur.