Manusia memiliki ciri fisiologis sebagai identitas dirinya untuk dikenali
oleh orang lain, ciri fisiologis yang paling umum adalah wajah. Dari wajahnya,
seorang individu bisa dikenali oleh individu lain walaupun dalam keadaan gelap
(kurang cahaya), keadaan terang, atau penuh ekspresi. Hal itu dapat dengan
mudah dilakukan oleh manusia karena manusia memiliki kemampuan untuk
belajar (learning) sehingga dapat melakukan klasifikasi individu dengan baik.
Dalam Tugas Akhir ini digunakan Jaringan Syaraf Tiruan (JST) untuk
membuat sistem yang dapat mengadopsi kemampuan manusia dalam mengenali
individu. Arsitektur JST yang digunakan menggunakan multi layer perceptron
dengan satu hidden layer. Sedangkan algortima learning yang digunakan adalah
back propagation. Sebelum citra wajah masuk kedalam JST, terlebih dahulu
dilakukan proses ekstraksi fitur menggunakan metode Fisherface agar didapatkan
komponen-komponen prinsip dari citra wajah sekaligus dapat mereduksi dimensi.
Dari hasil sejumlah observasi menggunakan database Extended Yale B,
sistem menghasilkan akurasi terbaik 100 % dengan kombinasi parameter: 19 fitur
Fisher Liner Discriminant (FLD), 100 hidden neuron, dan 0.1 nilai learning rate.
Sedangkan dari hasil sejumlah observasi menggunakan database Yale, sistem
menghasilkan akurasi terbaik 93.33 % dengan kombinasi parameter: 14 fitur FLD,
75 hidden neuron, dan 0.1 nilai learning rate. pengenalan wajah, ektraksi fitur, Fisherface, jaringan syaraf tiruan, Back Propagation