Seiring dengan berkembangnya teknologi, teknik biometrika juga semakin berkembang, seperti pengenalan pola iris mata, pengenalan pola senyum, pengenalan ekspresi wajah dan lain sebagainya. Teknik ini digunakan untuk identifikasi wajah manusia, salah satu contohnya yaitu pengenalan jenis kelamin (gender recognition). Sebelum berkembangnya penelitian dalam teknik biometrika, pengenalan identitas seseorang masih menggunakan kartu identitas dan password. Berbagai macam metode sudah banyak digunakan dalam pengenalan jenis kelamin. Pada penelitian ini membandingkan metode Principal Component Analysis (PCA) dan Two-Dimensional Principal Component Analysis (2DPCA). Metode ini adalah metode yang digunakan dalam proses ekstraksi fitur untuk menentukan ciri dari wajah. Untuk proses klasifikasi jenis kelaminnya menggunakan metode Canberra Distance. Uji coba dilakukan pada 200 data yaitu 100 citra wajah laki-laki dan 100 citra wajah perempuan dengan 7 skenario uji coba. Berdasarkan hasil uji coba pada sistem ini menunjukkan bahwa metode Principal Component Analysis (PCA) dapat mengenali jenis kelamin dengan akurasi terbaik yaitu 82.5% pada skenario 6 dengan 15 eigen (160 data training dan 40 data testing) sedangkan metode Two Dimensional Principal Component Analysis (2DPCA) dapat mengenali jenis kelamin dengan akurasi terbaik yaitu 87.5% pada skenario 7 dengan 15 eigen (160 data training dan 40 data testing).

Along with the development of technology, biometrics techniques is also growing, such as the iris pattern recognition, smile pattern recognition, facial expression recognition and so forth. This technique is used to identify human faces, one example is the introduction of sex (gender recognition). Prior to the development of research in biometrics techniques, the introduction of one's identity still use identity cards and passwords. A variety of methods has been widely used in gender recognition. In this study comparing methods of Principal Component Analysis (PCA) and Two-Dimensional Principal Component Analysis (2DPCA). This method is used in the extraction process to determine the characteristic features of the face. For gender classification process using Canberra Distance. Trials conducted on 200 face images of data that is 100 men and 100 women with 7 trial scenario. Based on the results of tests on this system showed that the method of Principal Component Analysis (PCA) can recognize gender with the best accuracy is 82.5% in scenario 6 with 15 eigen (160 training and 40 testing) while the method of Two Dimensional Principal Component Analysis (2DPCA ) can recognize gender with the best accuracy is 87.5% in scenario 7 with 15 eigen (160 training and 40 testing).