Sistem jaringan saraf tiruan Cylindrical Hidden Multi-Layer perceptron Back propragation (CHMLP-BP) telah dikembangkan dalam bidang pengenalan objek 3 dimensi. Jaringan CHMLP-BP ini melakukan pengenalan objek 3 dimensi melalui citra 2 dimensi yang diambil dari berbagai sudut pandang pengamatan terhadap objek. Sistem jaringan saraf tiruan CHMLP-BP menggunakan metode pembelajaran supervised yang mempunyai pola target tertentu yang menjadi acuan keberhasilan pembelajaran serta menggunakan metode pelatihan Back Propagation (propagasi balik). Salah satu faktor pembelajaran yang berperan penting dalam jaringan saraf tiruan CHMLP-BP ini adalah pemilihan fungsi kesalahan yang digunakan. Dalam penelitian ini digunakan 2 jenis fungsi kesalahan yaitu fungsi kesalahan Cross Entropy dan fungsi kesalahan Mean Square Error. Dalam penelitian ini digunakan untuk pula metode reduksi yang menggunakan transformasi Karhunen-Loeve yaitu metode Eigen Semua (Full Eigen). Hasil penelitian bahwa hasil pengenalan objek 3 dimensi dengan menggunakan fungsi kesalahan Mean Square Error sebanding dengan fungsi kesalahan Cross Entropy karena memiliki perbedaan yang kecil sekali yaitu berkisar antara 0-1 persen. Sedangkan pada objek wajah 3 dimensi hasil pengenalan dengan menggunakan fungsi kesalahan Corss Entropy lebih baik dibandigkan dengan fungsi kesalahan Mean Square Error, perbedaannya berkisar antara 0-20 persen. Dan penggunaan fungsi kesalahan Cross Entropy dapat menekan epok pelatihan ke tingkat yang cukup rendah. Kamampuan pengenalan dengan menggunakan fungsi kesalahan Cross Entropy untuk objek 3 dimensi yang tertinggi adalah 87.11; sedangkan untuk objek wajah 3 dimensi adalah 56,47%