Principal Component (PCA) merupakan sebuah metode transformasi yang sangat berguna dalam sistem pengenalan wajah tiga dimensi, PCA berperan sangat baik sebagai alat pengekstraksi ciri yang sangat dibutuhkan dalam proses klasifikasi objek tiga dimensi yang diwakili oleh sekumpulan citra wajah dua dimensi. Dalam proses ekstraksi ciri dilakukan tranformasi yang sekaligus melibatkan proses reduksi dimensi untuk mendapatkan ciri-ciri optimal sebagai basis ortogonal ruang wajah. Namun pada setiap himpunan citra wajah yang berbeda, proses ini harus dilakukan berulang-ulang karena tingkat reduksi reduksi dimensi tersebut ditentukan oleh suatu parameter proporsi kumulatif nilai eigen yang harus ditentukansecara manual dari luar sistem. Akibatnya, proses untuk mendapatkan tingkat reduksi dimensi yang terbaik menjadi terhambat karena adanya proses trial error tersebut. Disini akan dijelaskan sebuah metode untuk mengotomatisasi dan mengoptimasi proses diatas dengan menggunakan algoritma genetika. Hasil eksperimen menunjukkan kinerja yang tidak kalah bahkan mampu memperbaiki kinerja PCA tanpa dikombinasikan dengan algoritma genetika, sehingga disini proses optimatisasi dan optimasi yang diharapkan dapat dinyatakan berhasil.