Resumen
Wajah manusia memiliki ciri khusus yang dapat membedakan dengan orang lainnya sehingga pengenalan wajah sangat penting dilakukan untuk mengenali seseorang. Ciri khusus pada wajah ini disebut juga dengan fitur. Pada penelitian ini, untuk mendapatkan fitur dilakukan pengenalan pola citra wajah dengan menggunakan metode isomap. Metode isomap merupakan salah satu metode dari manifold learning yang menghasilkan fitur-fitur dengan cara mereduksi dimensi. Citra wajah yang digunakan dalam penelitian ini terdiri dari 6 orang dengan tiap orang memiliki 4 citra wajah dengan ekspresi yang berbeda-beda. Data citra ini dibagi menjadi dua bagian yaitu data latih dan data uji. Selanjutnya data citra tersebut diubah menjadi vektor. Metode isomap digunakan untuk mentransformasikan vektor tersebut menjadi vektor yang mengandung fitur wajah. Setelah fitur wajah diperoleh, selanjutnya dilakukan pengujian pada data uji dengan menggunakan algoritma K Nearest Neighbor (KNN). Algoritma K Nearest Neighbor digunakan untuk pengklasifikasian dengan cara mencari K data latih yang terdekat dengan data uji. Dari hasil klasifikasi diperoleh bahwa tingkat akurasi sebesar 83,33%.