Pengenalan wajah merupakan salah satu bagian dari penelitian biometrika. Pengenalan wajah banyak digunakan dalam proses identifikasi manusia. Metode ekstraksi fitur Speed-Up Robust Feature (SURF) merupakan salah satu metode yang digunakan untuk mengenali wajah, namun masih belum bisa mendeteksi dengan tepat jika wajah mengalami perubahan perspektif terhadap citra wajah dan citra mengalami latar yang gelap. Penelitian ini bertujuan untuk meningkatkan kinerja sistem pengenalan wajah dengan menggabungkan metode ekstraksi fitur SURF dan Gray Level Co-coccurance Matrix (GLCM). Pada penelitian ini, data input wajah akan diekstraksi fiturnya menggunakan SURF dan GLCM. Setiap fitur akan digabung menjadi satu fitur vektor yang menjadi masukan pada tahapan pengenalan wajah menggunakan Support Vector Machine (SVM). Data yang digunakan merupakan data yang didapatkan dari National Cheng Kung University (NCKU). Data wajah NCKU mempunyai sudut rotasi yang lebih banyak. Dataset yang digunakan pada penelitian ini terdiri dari 10 kelas yang menunjukkan 10 orang subjek. Setiap kelas atau kelompok diwakili oleh citra wajah dari orang yang sama. Hasil menunjukkan bahwa metode gabungan mempunyai kinerja yang lebih baik dari metode SURF dan GLCM dengan rata-rata akurasi 90%. Dengan menggunakan kernel polinomial, metode gabungan mempunyai akurasi 95%.