Pada penelitian ini membahas mengenai pengenalan pembicara (speaker recognition), yaitu mekanisme pengenalan identitas subjek berdasarkan ciri suaranya. Pada tugas akhir ini, sistem dirancang berbasis desktop untuk mendapatkan ciri berdasarkan suara dan permodelan dari setiap suara yang masuk.
Pertama, sinyal suara subjek diekstrasi untuk mendapatkan cirinya menggunakan metode LFCC (linear frequency cepstral coefficients). Yang mana keluaran dari LFCC adalah feature vektor yang dinamakan cepstral. Selanjutnya keluaran dari LFCC tersebut akan dimodelkan menggunakan GMM (Gaussian mixture model).
Keluaran dari tugas akhir ini adalah label klasifikasi suara serta pengenalan pembicara berdasarkan data suara yang sudah ada. Sistem yang dibuat memiliki tingkat akurasi sebesar 96%.
Kata Kunci : Speaker recognition, Linear Frequency Cepstral Coefficient (LFCC), Gaussian mixture model (GMM).