Pengenalan wajah manusia (face recognition) merupakan salah satu bidang penelitian yang penting dan belakangan ini banyak aplikasi yang menerapkannya, baik di bidang komersil ataupun di bidang penegakan hukum. Pengenalan wajah merupakan sebuah sistem yang berfungsikan untuk mengidentifikasi berdasarkan ciri-ciri dari wajah seseorang berbasis biometrik yang memiliki keakuratan tinggi. Pengenalan wajah dapat diterapkan pada sistem keamanan. Banyak metode yang dapat digunakan dalam aplikasi pengenalan wajah untuk keamanan sistem, namun pada artikel ini akan membahas tentang dua metode yaitu Two Dimensial Principal Component Analysis dan Kernel Fisher Discriminant Analysis dengan metode klasifikasi menggunakan K-Nearest Neigbor. Kedua metode ini diuji menggunakan metode cross validation. Hasil dari penelitian terdahulu terbukti bahwa sistem pengenalan wajah metode Two Dimensial Principal Component Analysis dengan 5-folds cross validation menghasilkan akurasi sebesar 88,73%, sedangkan dengan 2-folds validation akurasi yang dihasilkan sebesar 89,25%. Dan pengujian metode Kernel Fisher Discriminant dengan 2-folds cross validation menghasilkan akurasi rata rata sebesar 83,10%.

The purpose of this research is to build a laboratory asset position tracking system automatically by utilizing data acquisition from contactless based sensors, namely UHF RFID. In addition, this study also identifies the location of the asset position using the K-Nearest Neighbor method. This case study of tracking the position of assets was conducted at the Manufacturing Automation Engineering Department and Mechatronics, Bandung Manufacturing Polytechnic. The identification of the position of laboratory assets in this study uses the RSSI RFID asset tag as a predictor which will then be compared with 240 training data samples (training data). Testing of the RFID tag position detection system was carried out by means of three RFID readers detecting RFID tags simultaneously and producing an average classification accuracy of 64%.