Implementasi Model FastGan Untuk Sintesis Citra Dalam Domain Ornitologi = Implementation of FastGAN Model for Image Synthesis in the Ornithology Domain

Latar belakang. Sintesis citra menjadi salah satu bidang penting dalam pengembangan model Generative Adversarial Network (GAN). Dalam konteks domain biologis seperti ornitologi, kemampuan model untuk menghasilkan citra sintesis burung yang realistis dapat mendukung penelitian konservasi dan augmentasi data. FastGAN merupakan arsitektur generatif ringan yang dirancang untuk mempertahankan stabilitas pelatihan bahkan pada kondisi few-shot dengan jumlah data terbatas. Tujuan. Penelitian ini bertujuan untuk mengevaluasi kemampuan model FastGAN dalam melakukan sintesis citra burung menggunakan dataset Caltech-UCSD Birds-200-2011 (CUB-200-2011) serta menganalisis pengaruh ukuran dataset terhadap kualitas hasil citra yang dihasilkan. Metode. Penelitian dilakukan dengan empat skenario pelatihan berdasarkan jumlah data, yaitu 1.000, 2.000, 5.000, dan 10.000 citra. Setiap eksperimen dijalankan hingga 100.000 iterasi dengan resolusi citra 1024×1024 piksel dan menerapkan DiffAugment untuk menjaga kestabilan pelatihan. Evaluasi dilakukan secara kuantitatif menggunakan metrik Fréchet Inception Distance (FID) dan Inception Score (IS), serta secara kualitatif melalui analisis visual terhadap struktur morfologis hasil sintesis. Hasil. Hasil eksperimen menunjukkan bahwa FastGAN mampu menghasilkan citra sintesis burung yang realistis dan konsisten. Nilai FID terbaik diperoleh pada subset 2.000 citra sebesar 49,56 sedangkan IS tertinggi dicapai pada subset 5.000 citra sebesar 6,14 ± 0,18. Peningkatan ukuran dataset secara signifikan memperbaiki stabilitas pelatihan dan realisme citra, dengan hasil yang kompetitif dibandingkan domain lain seperti Nature Photographs dan Art Paintings. Kesimpulan. FastGAN terbukti efektif untuk sintesis citra pada domain biologis dengan jumlah data terbatas. Model ini menunjukkan keseimbangan antara kesamaan distribusi fitur dengan data asli dan keragaman hasil sintesis, serta berpotensi dikembangkan untuk augmentasi data dan visualisasi konservasi spesies burung.