Pengembangan sistem pengenalan wajah yang optimal akan sangat bergantung pada proses seleksi ciri yang digunakan sebagai basis pada pengenalan pola. Dalam proses seleksi ciri tersebut akan terdapat dua aspek yang akan saling berpengaruh yaitu, aspek reduksi terhadap jumlah data yang digunakan pada klasifikasi dan peningkatan kemampuan pendiskriminasiannya. Dalam proyek mahasiswa ini, digunakan salah satu metode pengkodean citra wajah yang dapat memenuhi kedua aspek di atas, yaitu metode Fisherface yang berbasis pada Fisher's Linear Discriminant (FLD). FLD merupakan metode class specific yang mampu memaksimalkan perbandingan antara between scatter class dengan within scatter class. Fisherface memiliki karakteristik mampu mengenali citra wajah dalam berbagai variasi pencahayaan, ekspresi dan atribut (BELH97). Transformasi whitening kemudian di terapkan sebagai pre-processor FLD. Penerapan Whitening akan menghasilkan vektor baru yang komponenya tidak saling berkolerasi dan variansinya sama dengan unity. sedangkan algoritma genetika digunakan untuk mengotomatisasi proses reduksi dimensi sehingga penentuan reduksi dimensi yang optimal tidak lagi dilakukan secara eksperimental Ekperimen dilakukan pada dua jenis basis data wajah yang berbeda basis data wajah Yale digunakan untuk melihat pengaruh penerapan transformasi whitening pada citra frontal. sedangkan basis data wajah 3 dimensi digunakan untuk melihat pengaruh transformasi whitening pada citra wajah 3 dimensi. Hasil eksperimen dengan basis data Yale menunjukan tingkat pengenalan Fisherface dengan tranformasi Whitening relatif sama dengan yang tidak menggunakan Whitening Sementara pada basis data 3 Dimensi, Penerapan Whiteing diduga dapat memeperbaiki tingkat pengenalan Fisherface pada saat jumlah citra acuan relatif sedikit. Pada kedua basis data, tranformasi Whitening dapat meningkatkan tingkat pengenalan pada kondisi dimana dimensi ciri yang dihasilkan sangat kecil