Sidik jari merupakaan salah satu teknik biometrik yang paling sering digunakan untuk identifikasi seseorang. Identifikasi ini didapatkan dari penggunaan konsep bahwa setiap sidik jari orang yang memiliki pola-pola tertentu. Pola-pola ini didefinisikan sebagai titik-titik minutiae yang mana pada setiap jari setiap jari berbeda-beda. Banyak ahli-ahli dibidang biometrik yang telah mengusulkan metode-metode untuk mengidentifikasi titik-titik minutiae dari sidik jari. Salah satunya ialah Multi-Dimensional Artificial Neural Network (MDANN). Pada proyek akhir ini membuat suatu sistem pengenalan sidik jari dengan menggunakan metode Multi-Dimensional Artificial Neural Network (MDANN). Dimana metode ini menggunakan seluruh ukuran gambar dari sidik jari sekaligus sebagai inputannya. Sehingga membuat proses pengenalan sidik jari menjadi lebih cepat. Sistem ini nantinya akan mengetahui sidik jari siapa dan jari yang digunakan untuk pengenalannya, sehingga berbeda dari sistem pengenalan pada umumnya. Baik data masukan untuk pengenalan berupa gambar langsung maupun yang sudah melalui proses pelatihan. Pelatihan yang dimaksud adalah baik proses Image Enhancement (meliputi : Segmentation, Normalization, Orientation Estimation, Ridge Frequency Estimation, Gabor Filtering, Binarization, dan Thinning) dan Minutiae Feature Extraction ( meliputi : Minutiae Extraction dan Authentication Minutiae Points). Hasil dari proyek akhir ini ialah akurasi pengenalan yang mencapai 95 % untuk data masukan yang sudah melalui proses pelatihan lain. Sedangkan untuk data masukan yang tidak melalui pelatihan mencapai 81 % dengan jumlah database 180 data sidik jari dan 30 contoh data untuk pengenalan. Proyek akhir ini dibuat dengan menggunakan bahasa pemrograman C# yang berbasis aplikasi GUI. Sehingga memudahkan untuk implementasi maupun untuk pengembangan lebih lanjut apabila menggunakan OS (Operating System) selain Windows, seperti Linux.