ABSTRAKSI: Pengenalan telinga merupakan salah satu alternatif lain dalam pengenalan biometrik. Biometrik telinga memiliki kelebihan dalam hal sifatnya yang permanen, unik, dan tidak mudah berubah. Banyak metode yang telah digunakan dalam pengenalan telinga, seperti PCA, ICP, deteksi sisi, dan lain-lain. Tugas akhir ini akan mencoba mengimplementasikan metode PCA+LDA dalam pengenalan telinga. Pada saat proses LDA akan dilakukan proyeksi matriks sebaran antar kelas dan matriks sebaran dalam kelas terhadap vector eigen PCA sehingga dapat menyederhanakan komputasi dalam mencari vector dan nilai eigen LDA. Dibanding PCA perhitungan dalam LDA lebih rumit, namun akan lebih menyediakan klasifikasi data yang lebih baik. Akurasi tertinggi pada citra uji normal mencapai 100%, citra dengan variasi brightness mencapai 95,883%, dan citra dengan variasi noise mencapai 91,667%.Kata Kunci : Pengenalan telinga, biometrik, PCA, LDAABSTRACT: Ear recognition is .one of many methods in biometric recognition. Ear biometric has advantage in its permanent, unique, and unchangeable. Many methods has been used in ear recognition, such as PCA, ICP, edge detection-based, etc. This final project will try to do implementation PCA+LDA method in ear recognition. While in LDA process, will process projection between-class scatter matrix and within-class scatter matrix on PCA eigen vector so can reduce computational in calculate LDA eigen vector and eigen value. Compared to PCA, computational in LDA is more complex but will provide more better data classification. Highest accuracy on normal test imagae reach 100%, test image with brightness variation reach 95,883%, and test image with noise variation reach 91,667%.Keyword: Ear recognition, biometric, PCA, LDA