Metode pengenalan obyek telah dikembangkan selama bertahun-tahun dan mengalami perkembangan yang pesat. Salah satu di antara metode pengenalan obyek adalah metode Nearest Feature Line (INF). Pada metode ini, suatu obyek dianggap sebagai salah satu titik dalam ruang ciri. Selanjutnya, metode ini melakukan generalisasi ciri-ciri obyek dengan membentuk garis ciri atau feature line agar dapat menangkap perubahan-perubahan ciri-ciri yang terjadi diantara beberapa buah titik ciri suatu obyek. Tugas akhir ini mencoba mengimplementasikan metode pengenalan Nearest Feature Line (NFI) dengan metode Figenface dan Fisherface. Metode Eigenface adalah salah satu metode yang digunakan untuk mengekstrak ciri-ciri citra wajah yang penting untuk pengenalan (Principal Component Analysis/ PCA), dengan menstranformasikannya menjadi vektor citra dengan dimensi yang lebih kecil. Metode ini memaksimalkan total scatter sehingga ciri-ciri suatu citra tercampur dengan citra dari kelas yang lain. Metode Fisherface menggabungkan metode Principal Component Analysis dengan Fisher Linear Discriminant (FDL). Metode ini ini memaksimalkan rasio antara betveen-class scater dan within-class scatter sehingga ciri-ciri citra akan terklasifikasi berdasarkan kelas-kelas yang ada. Hasil percobaan menunjukkan bahwa metode Eigenface lebih baik daripada Fisherface untuk citra wajah 2 dimensi dalam posisi yang tidak tetap. Untuk lebih mengoptimalkan matriks transformasi PCA dan FLD, maka kolom-kolom vektor matriks tersebut diubah menjadi kolom orthonormal