Jaringan saraf tiruan banyak digunakan pada aplikasi pengenalan pola, diantaranya untuk pengenalan objek 3 dimensi. Dalam bidang pengenalan tersebut telah dikembangkan sistem jaringan saraf tiruan cylindrical Hidden Multi-Layer Perception Back Propagation (CHMLP-BP) Konsentris. Jaringan CHMLP-BP ini melakukan pengenalan objek 3 dimensi melalui data citra 2 dimensi ayng diambil dari berbagai sudut pandang pengamatan terhadap objek. JST CHMLP-BP Konsentris memiliki struktur jaringan yang besar dan belum tentu merupakan struktur jarigan yang optimal. Pada penelitian sebelumnya, data yang digunakan pada sistem jaringan CHMLP-BP konsentris yang dioptimasi dengan algoritma genetika diterapkan untuk pengenalan objek wajah 3 dimensi berukuran 64 x 64 piksel. Bacground pada data citra wajah dapat mengurangi hasil pengenalan. Oleh karena itu penelitian ini mengupayakan cara untuk mengurangi pengaruh background citra sehingga dapat meningkatkan hasil pengenalan. Cara yang ditempuh yaitu dengan melakukan cropping pada data citra. Dua buah metode cropping wajah dicoba untuk dilaku yaitu cropping busur dan cropping maksimum. Selanjutnya, setelah dilakukan cropping, ukuran dimensi data direduksi agar dapat meningkatkan kinerja jaringan. Metode reduksi citra wajah yang mampu mengenali citra wajah manusia dengan variasi pencahayaan dan ekspresi sederhana, adalah metode eigenface. 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 membuat node-node pemroses yang tidak diperlukan. Penelitian ini akan membanding hasil pengujian jaringan yang menggunakan data cropping (busus dan maksimum) dengan data non cropping. Pada penelitian ini juga, diterapkan metode eigenface dalam tahap ekstrasi citra pada kedua jenis dara cropping manupun non cropping. Kinerja jaringan menggunakan optimasi algoritma genetika juga akan dibandingkan. Hasil uji coba menunjukkan bahwa secara umum cropping terhadap data citra dapat menambah tingkat pengenalan. Hasil percobaan mermperlihatkan metode cropping meningkatkan pengenalan 0,65% sampai 6, 27% dari data non cropping