<![CDATA[Variabilitas citra merupakan permasalahan yang selalu ditemukan pada bidang pengenalan (recognition) berbasis komputer, variabilitas ini meliputi extrapersonal dan interpersonal yang pada dasarnya menjadi kendala yang mengurangi keoptimalan kinerja sistem pengenalan wajah. Penelitian-penelitian telah dilakukan untuk menghilangkan kendala-kendala ini, namun selalu masih ada peluang untuk melakukan peningkatan hasil penelitian.Penelitian yang akan dilakukan mencocokan data wajah dengan wajah lama yang sudah ada pada basis data. Metode yang akan digunakan pada penelitian ini meliputi metode principal Componen Analysis (PCA) dan Linear Diskriminant Analysis (LDA) untuk pengenalan wajah. Sasaran PCA adalah menentukan arah ortogonal yang menunjukan variansi data yang tertinggi dan kemudian diproyeksikan pada dimensi yang lebih rendah. Untuk lebih melakukan diskriminasi data, proses berikutnya menggunakan LDA. PCA mensyaratkan agar posisi seluruh wajah yang ditraining adalah identik. Sehingga perlu proses normalisasi wajah agar wajah punya ukuran yang berbeda menjadi seragam.Data wajah yang digunakan pada penelitian ini menggunakan data wajah abu –abu (gray scale). Selanjutnya dengan metode klasifikasi nearest neighbour akan diperoleh jarak terdekat antara hasil pengujian dan data pada database wajah. Penelitian ini mencoba melihat kemampuan sistem melakukan pengenalan wajah dengan citra standart dan citra dengan berbagai noise, seperti white noise, gaussian noise dan lainnya pada citra wajah. Kata Kunci :Pengenalan wajah, PCA, LDA, Nearest neigbour, Noise]]>
