Automatic Speech Recognition (ASR) adalah suatu sistem yang dapat mengenali, membandingkan dan mencocokkan pola suara masukan sistem tersebut dengan pola suara yang telah disimpan dalam memori. ASR terbagi menjadi dua jenis, yaitu Speech Recognition dan Speaker Recognition. Speaker Recognition adalah pengenalan identitas berdasarkan suara yang dikeluarkan (berupa intonasi suara, kedalaman suara, dan sebagainya).
Pada penelitian ini dibangun sistem kunci berbasis suara dengan memanfaatkan Speaker Recognition. Pada penelitian ini digunakan metode Mel-Frequency Cepstral Coefficient (MFCC) sebagai ekstraksi ciri dan metode K-Nearest Neighbor (K-NN) sebagai klasifikasi ciri. Alat ini bekerja melalui dua tahapan, yaitu tahap pelatihan (training) dan tahap pengujian (testing).
Hasil pengujian menunjukkan MFCC dan K-NN berhasil diimplementasikan dengan jumlah filterbank terbaik berjumlah 20 dan nilai koefisien terbaik sebanyak 13 koefisien dengan akurasi 100%. Hasil pengujian menunjukkan bahwa jumlah filterbank dan nilai koefisien mempengaruhi akurasi dari sistem.
Kata kunci: Automatic Speech Recognition (ASR), biometrik suara, K-Nearest Neighbor (K-NN), Mel-Frequency Cepstral Coefficient (MFCC) .