Gait merupakan cara atau ciri khas setiap individu saat berjalan yang tidak mungkin sama, karena gait dapat dipengaruhi oleh berat tubuh, postur tubuh, dan hal-hal lain yang akan berbeda pula pada setiap individu. Gait normal dicapai ketika keseluruhan sistem tubuh berfungsi dengan baik dan harmonis. Gerakan ini memiliki pola dasar, tetapi memiliki variasi yang berbeda-beda dari satu individu ke individu lainnya. Gait analysis adalah analisis dari berbagai macam aspek dari pola ketika seseorang berjalan atau berlari validitas dan realibilitas dari gait analysis sangat dipengaruhi oleh alat ukur yang digunakan.
Pada penelitian tugas akhir ini dilakukan untuk menguji performa dari algoritma machine learning yaitu K-Nearest Neighbor, Support Vector Machine dan Random Forest untuk pengenalan biometric menggunakan cara berjalan individu dengan metode multilevel wavelet entropy untuk dapat membedakan dan mengenali individu yang berbeda dengan menggunakan sensor gyroscope yang tertanam pada smartphone.
Hasil dari pengujian perbandingan algoritma KNN, SVM, dan RF untuk pengenalan cara berjalan individu menggunakan sensor gyroscope pada smartphone, didapatkan hasil akurasi terbaik untuk dapat mengenali data gait adalah dengan menggunakan dataset yang dilakukan ekstraksi ciri menggunakan mother wavelet Db2 dengan semua level dekomposisi yang digunakan yaitu level 1 sampai level 5 dengan menggunakan metode klasifikasi KNN atau RF yang dapat menghasilkan akurasi sebesar 85%.