Dalam bidang pengenalan objek 3 dimensi telah dikembangkan sistem jaringan saraf tiruan cylindrical Hidden Multi-Layer perceptron Back pengenalan objek 3 dimensi melalui data citra 2 dimensi yang diambil dari berbagai sudut pandang pengamatan terhadap objek. JST CHMLP-BP konsentris memilki struktur jaringan yang besar dan belum tentu merupakan struktur jaringan yang optimal. Salah satu metode pencarian bentuk struktur jaringan yang optimal dan dapat menemukan solusi global terbaik adalah Algoritma Genetika. Penerapan Algoritma Genetika berguna untuk mereduksi ukuran jaringan dengan membuang node-node pemroses yang tidak diperlukan. Pada penelitian sebelumnya, sistem jaringan CHMLP-BP Konsentris yang dioptimasi dengan Algoritma Genetika diterapkan untuk pengenalan objek wajah 3 dimensi. Data citra wajah masukan sistem yang diperoleh dari pengamatan berbagai sudut pandang terhadap objek wajah 3 dimensi ini perlu melalui tahap preprocessing untuk mereduksi ukuran dimensi data agar dapat meningkatkan kinerja jaringan. Metode yang digunakan untuk mereduksi dimensi tanpa adanya ciri data yang hilang adalah metode Fisherface. Metode fisherface dapat mengenali wajah, baik untuk berbagai variasi cahaya dan berbagai ekpresi wajah. Algoritma genetika yang dipakai pada penelitian tersebut menggunakan mekanisme pertukaran materi genetika crossover. Saat ini telah dikembangkan algoritma genetika yang menggunakan mekanisme pertukaran materi genetika transposisi. Dengan parameter yang tepat, algoritma genetika dengan mekanisme transposisi ini terbukti dapat mencapai lebih baik konvergasi lebih cepat dengan jumlah polulasi yang lebih sedikit. Selain metode Fisherface, terdapat metode reduksi citra wajah yang mampu mengenali citra wajah manusia dengan variasi pencahayaan dan ekpresi sederhana yaitu metode eigenface. Pada penelitian ini sistem jaringan CHMLP-BP konsentris yang diterapkan untuk pengenalan objek wajah 3 dimensi akan dioptimasi dengan algoritma genetika berbasis transposisi. Perbandingan antara hasil pengujian jaringan yang dioptimasi dengan algoritma genetika transposisi akan dibanding dengan hasil pengujian yang dioptimasi dengan algoritma genetika crossover. Pada penelitian ini juga, akan diterapkan metode Eigenface sebagai pengganti metode Fisherface dalam tahap pre-processing citra. Kinerja jaringan menggunakan kedua metode juga akan dibandingkan. Hasil penelitian menunjukkan bahwa algoritma genetika dapat mencapai nilai fitness yang lebih tinggi di banding algoritma genetika crossover, namun tidk terlalu berpengaruh terhadap tingkat pengenalan JST. Dari hasil penelitian juga ditunjukkan bahwa metode Eigenface dapat mereduksi citra wajah dari berbagai sudut dengan lebih baik, sehingga kinerja dan pengenalan JST CHMLP-BP Konsentris untuk pengenalan wajah 3 dimensi pun menjadi lebih baik.