ABSTRAKSI: Wajah merupakan bagian dari tubuh manusia yang sangat mudah untuk dikenali. Pengenalan pola wajah yang merupakan salah satu bidang didalam ilmu Biometrik berkembang sangat pesat pada beberapa tahun ini. Hal ini dikarenakan pengenalan pola wajah sudah banyak diaplikasikan pada bidang-bidang seperti autentifikasi identitas, surveillance dan security, human-computer intelligent interaction serta perfilman Banyak sekali metode yang telah dikembangkan untuk pengenalan pola wajah. Salah satunya adalah menggunakan metode LDA (Linear Discriminant Analysis) dengan pemrosesan awal menggunakan transformasi wavelet. Proses awal dalam sistem ini adalah ekstraksi ciri menggunakan transformasi wavelet, dimana citra didekomposisi untuk medapatkan koefisien-koefisien dekomposisi dari citra detilnya. Kemudian dilakukan pengklasifikasian menggunakan LDA yang merupakan teknik pemetaan yang berfungsi untuk memaksimalkan diskriminasi antar kelas dan meminimalkan persebaran dalam kelas. LDA merupakan metode class-specific linear yang dapat melakukan transformasi pereduksian dimensi dimana elemen-elemen yang merupakan anggota sebuah kelas akan dikelaskan bersama didalam ruang dimensi rendah. Setelah melalui proses klasifikasi dilakukan proses pengenalan menggunakan jarak Euclidean yang melihat kedekatan antar vektor ciri citra wajah latih dan citra wajah uji. Semakin dekat vektor ciri citra wajah latih dengan vektor ciri citra wajah uji maka akan dikenali sebagai vektor ciri dari citra wajah yang pernah dilatihkan. . Dari hasil pengujian pada Tugas akhir ini didapatkan hasil pengenalan tertinggi yaitu sebesar 98,25% pada pengujian menggunakan delapan citra latih.Kata Kunci : *ABSTRACT: Face is the part of human body which is easy to recognize. Face recognition is one of field in Biometrics which is improved very fast in the recent years. The reason is Face Recognition has implemented in many field of life such as identity authentification, surveillance and security, human-computer intelligent interaction, and film. There are lots of methods have been proposed for Face Recognition. One of them is LDA (Linear Discriminant Analysis) combined with wavelet transform. Pre processing of this system is feature extraction using wavelet transform which image is decomposed to get the coefficients of decomposition of detail image. The next step of process is classification. The classification uses LDA which is technique to maximize the discrimination of between class matrix and within class matrix. LDA is class specific linear method which can do the dimension reduction transformation. This method can make the elements of a class will be classed in the same class in the lower dimension. After classification process is recognition process using Euclidean distance. Euclidean distance is used for measuring the distance between feature vectors of testing image. If feature vector of training image is close to feature vectors of testing image then it will be recognized as feature vectors which have been trained. The highest accuracy of the testing result in this system is 98,25% for the testing0 using eight training data set.Keyword: *