Perkembangan mobile phone akhir-akhir ini semakin meningkat. Handphone saat ini tidak hanya menjadi alat komunikasi saja, namun telah menjadi sebuah perangkat cerdas yang mampu menangani berbagai kebutuhan manusia secara cepat dan tepat. Salah satunya adalah untuk pengenalan wajah. Face Recognition adalah teknik untuk mengenali seseorang berdasarkan citra dari wajah seseorang. Dalam perkembangan teknologi saat ini, face recognition merupakan salah satu penelitian yang sangat popular pada saat ini terutama dalam bidang computer vision dan biometrik. Hasil dari penelitian ini sudah banyak dimanfaatkan dalam bidang keamanan maupun dalam bidang pemerintahan seperti pelacakan kriminal maupun teroris. Tugas Akhir ini bertujuan untuk mengimplementasikan metode PCA yang diintegrasikan klasifikasi berbasis Similarity Measure dengan metode Euclidean Distance. Sistem dibangun pada device Windows Phone. Penelitian ini menggunakan 30 data citra yang akan digunakan sebagai data training dan testing untuk proses uji coba pada sistem yang telah dibuat. Dengan menggunakan metode ekstraksi fitur PCA dan penghitungan jarak dengan Euclidean Distance, dari tiga skenario pengujian yang telah dilakukan pada penelitian ini, menghasilkan tingkat akurasi sebesar 62.75% dengan kecepatan komputasi rata-rata 1.5 detik.

The development of mobile phone these days is increasing. Mobile phones today are not just a means of communication, but it has become an intelligent device that is able to handle a variety of human needs quickly and accurately. One of them is for face recognition. Face Recognition is a technique for recognizing a person based on the image of a person's face. In the development of today's technology, face recognition is one of the research that is very popular at the time, especially in the field of computer vision and biometrics. The results of this study has been used in the security field as well as in the areas of governance such as tracking criminals and terrorists. This final project aims to implement the integrated PCA classification method based Similarity Measure with Euclidean Distance methods. The system is built on Windows Phone devices. This study used 30 image data that will be used as training data and testing for the tests on the system that has been created. By using PCA feature extraction method and calculation of distances with Euclidean Distance, from the three test scenarios that have been carried out in this study, yielding an accuracy rate of 62.75% with an average computation speed 1.5 seconds.