Wajah merupakan salah satu bagian dari tubuh manusia yang dapat
digunakan untuk membedakan suatu individu dengan individu lainnya. Seseorang
dapat dengan mudah mengingat pola-pola wajah orang lain dalam berbagai
ekspresi maupun dalam keadaan kurang cahaya melalui proses belajar. Seiring
dengan perkembangan teknologi informasi yang kian berkembang, muncul
fenomena kebutuhan model untuk pengenalan wajah sebagai sumber informasi.
Salah satu teknik pengenalan wajah yang efisien adalah Fisherface. Citra
wajah terlebih dahulu dilakukan proses ekstraksi fitur menggunakan Fisherface
agar didapatkan komponen-komponen prinsip dari citra wajah sekaligus dapat
mereduksi dimensi. Selanjutnya, output dari Fisherface dijadikan input ke dalam
Jaringan Syaraf Tiruan untuk membuat sistem pengenalan (klasifikasi)
menggunakan Learning Vector Quantization (LVQ).
Berdasarkan pengujian yang telah dilakukan, sistem dapat menghasilkan
akurasi terbaik 96,67% dengan performansi FRR 3,33% dan FAR 0,24% dengan
kombinasi pengaturan parameter 14 fitur FLD, 0.0001 minimum learning rate,
0.0001 learning rate, dan bobot awal yang diinisialisasi dari nilai rata-rata pola
input masing-masing kelas. pengenalan wajah, ekstraksi fitur, klasifikasi, fisherface, learning vector quantization