Face recognition saat ini sedang populer di berbagai macam aplikasi, guna untuk mempermudah pekerjaan manusia. Banyak cara dan metode untuk mengolah face recognition yang bisa digunakan, hanya saja ada yang efektif dan tidak. Hal ini, karena face recognition membutuhkan data yang banyak agar nilai akurasinya tinggi, dengan data banyak maka timbul suatu masalah yaitu tidak e?sien dalam segi storage yang berat sehingga memengaruhi waktu yang diperlukan.
Tugas Akhir ini mengusulkan metode CS-2FFT berbasis feature extraction dan klasi?kasi K-NN untuk mengolah proses face recognition. Proses penggunaan FFT dilakukan sebanyak dua kali,yaitu saat learning step dan test step. Tahap-tahap pengolahan pertama dengan melakukan pengambilan data wajah manusia sebanyak 100 citra dari 10 individu. Setelah itu ada ekstraksi ciri yang dipengaruhi oleh proses CS-2FFT, langkah terakhir yaitu tahap klasifikasi untuk menguji sistem tersebut. Tujuan dari tugas akhir ini untuk mendapatkan metode dan klasi?kasi yang efektif digunakan untuk face recognition.
Perpaduan metode compressive sampling dengan FFT cukup baik Pada penelitian ini didapatkan hasil akurasi terbaik saat jumlah data latih 6 citra tanpa melewati proses rekonstruksi yaitu sebesar 92,5% dengan waktu komputasi 6,35 detik per-sampel sementara untuk waktu komputasi didapatkan hasil terbaik saat pengujian dengan jumlah data latih 7 citra dan melewati proses rekonstruksi dengan akurasi 78% dan waktu komputasi 6,03 detik per sampel.
Kata-kunci: Compressive sampling (CS), Fast Fourier Transform (FFT), K-Nearest Neighbor (K-NN), Feature Extraction.