Pada saat ini kebutuhan terhadap sistem keamanan berkembang dengan pesat
dan metode identifikasi telah berkembang menjadi teknologi utama untuk berbagai
aplikasi, seperti kontrol akses memasuki suatu ruangan, kontrol akses mesin ATM
dan jaringan komputer, dan untuk keperluan investigasi bidang kriminal. Semua
aplikasi tersebut telah menyebabkan berkembangnya sistem biometrik. Identifikasi
biometrik adalah metode yang secara otomatis mengidentifikasi seseorang
berdasarkan karakteristik fisik atau perilaku. Wajah merupakan salah satu
karakteristik fisik manusia yang dapat digunakan untuk identifikasi.
Manusia memiliki kemampuan mengingat suatu informasi pola secara
menyeluruh dan mengadaptasi pemrosesan pola dengan baik. Jaringan syaraf tiruan
(JST) dirancang dan dilatih untuk memiliki kemampuan seperti yang dimiliki oleh
manusia. Jadi salah satu motivasi untuk mempelajari pengenalan pola yang terkait
dengan jaringan syaraf tiruan ini adalah untuk memahami kemampuan manusia dan
diharapkan dilatih maka kecerdasan dari jaringan syaraf tiruan menyerupai
kecerdasan yang dimiliki oleh manusia.
Tugas akhir ini mempresentasikan suatu metode pengenalan objek pada citra
digital yang dapat mengklasifikasikan citra tersebut apakah dikenali atau tidak.
Tahapan-tahapan identifikasi adalah : pertama dengan klasifikasi pola dimana setiap
pixel dalam sebuah citra sebagai sebuah koordinat dalam ruang berdimensi tinggi
diproyeksikan ke dalam sebuah ruang berdimensi rendah menggunakan teknik PCA
(Principal Component Analysis) dengan metode Hebbian Learning; kedua adalah
menggunakan Back Propagation Network (BPN) sebagai metode klasifikasi.
Dari hasil pengujian yang dilakukan, tingkat akurasi pengenalan citra
menggunakan metode Hebbian Learning dan Back Propagation Network mencapai
96,2264 % untuk pengujian sebanyak 106 citra dengan waktu pengenalan satu citra
mencapai 0,01 detik. Citra digital, Piksel, Principal Component Analysis, Hebbian Learning, Back Propagation Network