Pengenalan jenis kelamin otomatis merupakan salahsatu masalah yang muncul dalam bidang computer visions. Sistem pengenalan jenis kelamin otomatis yang akurat dapat membantu proses pengenalan wajah dengan cara mereduksi ruang pencarian hingga kira-kira setengahnya. Namun, karena belum ada penjelasan definitif tentang dimorfisme seksual pada wajah manusia yang dapat diaplikasikan pada setiap bentuk dan jenis wajah manusia dari berbagai ras dan umur, belum ada sistem yang dapat membedakan jenis kelamin manusia berdasarkan wajah higga 100%. Oleh karena itu, pada riset ini akan digunakan sistem klasifikasi complex-valued neural network dengan harapan sistem yang dihasilkan dapat melakukan klasifikasi jenis kelamin dengan tingkat akurasi yang mendekati 100%. Metode yang diusulkan pada riset ini adalah sebagai berikut. Setelah gambar diproses dengan menggunakan local binary pattern untuk memperjelas tekstur wajah, digunakan histogram of oriented gradient untuk melakukan ekstraksi ciri pada gambar. Dimensi vektor yang dihasilkan kemudian direduksi dengan menggunakan principal component analysis, setelah itu vektor yang dihasilkan digunakan untuk proses pelatihan dan pengujian neural network. Riset ini membuktikan bahwa, meskipun tingkat akurasi sistem tidak terlalu tinggi (75,15025253% untuk sistem real-valued neural network dan 77,1729798% untuk sistem complex-valued neural network), sistem mampu mengklasifikasikan jenis kelamin manusia berdasarkan gambar yang sebagian fiturnya tersembunyi (misal oleh masker atau oleh kacamata).
Kata kunci: Local binary pattern, histogram of oriented gradient, principal component analysis, real-valued neural network, complex-valued neural network.