Dalam system pengenalan wajah metode eigenfaces adalah cara untuk merepresentasikan citra wajah dalam suatu ruang ciri dengan menggunakan Principal Component Analysis (PCA). Dalam PCA, dimensi ruang ciri sehingga menjadi basis orthogonal yang dapat memberikan tingkat pengenalan yang baik. Pada penelitian terdahulu, reduksi dimensi dilakukan secara manual dengan memanfaatkan parameter proporsi kumulatif nilai eigen. Di sini, dikembangkan suatu cara untuk mengotomatisasi proses ini sehingga menghasilkan ciri yang optimal menggunakan algoritma genetika (GA), yakni algoritma pencarian berdasarkan seleksi alam. Hal ini mengeliminasi kebutuhan percobaan berulangkali untuk memperoleh nilai optimal parameter tersebut. Di sini, dilakukan perbandingan representasi eigenface tanpa GA dengan representasi eigenface yang telah menerapkan GA. Pengklasifikasi yang dipakai adalah metode Nearest Feature Line yang merupakan varian dari pengklasifikasi Euclidean. Hasil eksperimen menunjukkan bahwa tingkat pengenalan tertinggi adalah 89,2% untuk sistem tanpa GA dan 98,3% untuk sistem dengan GA. dengan perbandingan tersebut, terlihat bahwa penerapan GA berhasil meningkatkan kinerja representasi eigenface sehingga dapat dipakai untuk menggantikan pemilihan parameter untuk reduksi dimensi secara manual.