Performa baik dari Self-Organizing Map (SOM) telah terbukti dalammengklasifikasikan citra wajah yang berada dalam kondisi pencahayaan yangbaik. Namun saat objek wajah mengalami pencahayaan yang berubah-ubah dandiambil dari berbagai sudut pandang berbeda, maka tingkat nilai rekognisi citrawajah dengan menggunakan metode SOM umumnya akan menurun.Dalam penelitian ini menggunakan metode Fuzzy Self-Organizing Map(FSOM) sebagai sistem pengenal wajah pada citra untuk meningkatkan nilairekognisi citra wajah yang mengalami pencahayaan yang berubah-ubah dariberbagai sudut.Hasil penelitian menunjukkan bahwa performa FSOM untuk mengenali wajahpada data berdasarkan sudut pandang dengan tingkat rekognisi tertinggididapatkan pada set data ke-10 saat sudut 100 pada saat wajah frontal yaitusebesar 87%, pada data berdasarkan perubahan cahaya dengan tingkat rekognisitertinggi pada set data ke-1 sebesar 66.88%, dan pada data berdasarkan objekwajah dengan tingkat rekognisi tertinggi pada set data ke-4 sebesar 88.33%.Berdasarkan Hasil penelitian didapatkan bahwa tingkat rekognisi rata-rata FSOM30% lebih tinggi dari SOM pada setiap pengelompokkan data dan juga didapatkanbahwa dengan metode FSOM mampu mengenali citra dengan baik yangmengalami pencahayaan yang berubah-ubah dari sudut yang berbeda-beda. Abstract Perform of Self-Organizing Map (SOM) has been proven to classify the faceimages in good illumination conditions. But when this technique is applied tovarious viewpoints of images in unstable illumination conditions, the accuracyof face recognition will decrease.In this research, Fuzzy Self-Organizing Map (FSOM) is introduced as a newtechnique to increase the accuracy when the images are taken from variousviewpoints in the change illumination conditions.In this results from the research show that perform of FSOM to facerecognition from based on the viewpoints have the highest recognition rate in thetenth data set when the viewpoints is set to be 10 degree where the images hadbeen taken is achieved at 87%. The result has also shown that based on theillumination conditions, the highest recognition rate is achieved at 66.88% in thefirst data set. Based on the face objects, the most accurate recognition is achievedat 88.33% in the fourth data set. These results show that FSOM can give 30%better performance than SOM to perform face images classification in the changesillumination conditions and various viewpoints |