Perkembangan metode pengenalan wajah selama beberapa tahun terakhir telah menghasilkan metode yang mampu mengenali wajah manusia dalam berbagai ekspresi, variasi pencahayaan, pemakian kacamata, dan perubahan skala, baik dalam pose-pose 2 dimensi maupun 3-dimensi. Metode Eigenface, salah satu diantaranya didasarkan pada Principal Component Analysis (PCA) atau disebut juga transformasi Karhunen-Loeve. Vektor citra berdimensi n direduksi menjadi vektor ciri berdimensi m dengan melakukan transformasi terhadap vektor citra dari ruang citra dimensi-n ke ruang ciri dimensi-m. Metode Eigenface dapat menghasilkan total-scatter vektor-vektor ciri yang maksimal. Hal ini justru menjadi kelemahan metode Eigenface untuk citra-citra masukan dalam variasi penchayaan dan ekspresi, karena akan menghasilkan klasifikasi berdasarkan pencahayaan dan ekspresi. Dengan menggabungkan PCA dengan Fisher's Linear Descriminant (FDL), metode Fisherface diharapkan mampu untuk mengatasi kelemahan metode Eigenface. FLD dapat menyederhanakan kalsifikasi dengan memaksimalkan rasio antara betveen scatter dengan within-class scatter. Rasio yang maksimal dapat menghasilkan klasifikasi yang tidak sensitif, baik terhadap perubahan pencahayaan maupun ekspresi. Dengan menggunakan metode pengenalan Averaging Representation dan Jaringan Hibrida, tugas akhir ini mencoba untuk mengimplementasikan dan membandingkan akurasi pengelanan metode Eigenface dan Fisherface. Hasil uji coba menunjukkan bahwa secara umum metode Fisherface memiliki akurasi pengenalan yang lebih tinggi dari metode Eigenface, baik dengan metode pengenalan Averaging Representation mupun...