LAPORAN PRAKTIKUM MINGGU KE-3

”Membangun Generatif Adversarial Network Dengan Dua Dataset ”

Generatif Adversarial Network atau GAN merupakan sebuah model machine

learning generatif yang dapat membuat sebuah instance baru dalam bentuk suara,
gambar, ataupun video. Berikut ini adalah langkah-langkah untuk membangun
GAN dengan dua dataset yang berbeda yaitu CIFAR10 dan MNIST.

1. Import Library

2. Mendifinisikan Beberapa Variabel

Langkah ini membutuhkan beberapa variabel, variabel tersebut yaitu ukuran
output gambar dari GAN, channel warnanya dan latent_dim. algoritma yang
digunakan yaitu stochastic gradient atau yang lebih dikenal dengan adam dengan
learning rate = 0,0002.
3. Membentuk Generator
Generator adalah bagian dari GAN yang bertugas untuk belajar membuat data
palsu dengan memasukkan umpan balik dari diskriminator. Generator belajar
membuat diskriminator mengklasifikasikan outputnya sebagai yang sebenarnya
atau nyata.
4. Mendefinisikan Discriminator
Hal pertama yang dilakukan yaitu membuat fungsi dengan nama
buid_discriminator dengan modelnya yaitu sequential, kemudian mendefinsikan
model yang dibangun dengan model dense sehingga parameter pada masing-
masing layer dapat diatur sesuai keinginan. Input shape disesuaikan dengan
variabel img_shape yang sudah didefinsikan ditahap sebelumnya.
5. Menghubungkan Discriminator dan Generator untuk membentuk GAN
Pada langkah ini loss function yang digunakan yaitu binary_crossentropy dan
optimizernya yaitu stochastic gradient atau adam.