Sistem autentikasi yang berkembang saat ini di antaranya seperti pengenalan iris mata, pengenalan sidik jari, dan pengenalan suara. Pengenalan pola suara dapat dijadikan autentifikasi karena pola suara setiap manusia bervariasi dan berbeda. Frekuensi yang dihasilkan setiap manusia berbeda tergantung jenis kelaminnya, usia pun mempengaruhi hasil dari pola suara tersebut. Penelitian ini hanya difokuskan untuk proses identifikasi suara pada Smartphone yang masuk terhadap data latih yang tersimpan pada drive Smartphone dengan menggunakan aplikasi identifikasi suara suara yang masuk akan diubah menjadi ekstensi wav. Metode FFT dan K-NN mampu membantu dalam mencocokkan suara baru atau suara uji terhadap suara latih. Metode K-NN membutuhkan data latih dan data uji berupa nilai sinyal frekuensi diskrit yang akan dicocokkan, dan metode FFT dapat menghasilkan nilai frekuensi diskrit tersebut. Aplikasi identifikasi suara ini menggunakan metode waterfall sebagai sistem pengembangan perangkat lunak. Penelitian ini menampilkan output berupa nama dan nilai terdekat dari hasil pencocokan antara data Input dengan data latih. Setelah melakukan percobaan sebanyak 6 data input yang berbeda dengan 4 data latih sehingga aplikasi ini memiliki nilai akurasi sebesar 83% dan eror sebesar 16%.

The authentication systems that are developing at this time include eye iris recognition, fingerprint recognition and voice recognition. The introduction of sound patterns can be used as authentication because the voice patterns of every human being are varied and different. The frequency produced by each human is different depending on the sex, age also affects the results of the sound pattern. This research is only focused on the process of identifying the sound on the Smartphone that entered the training data stored on the Smartphone drive by using the voice identification application that entered will be converted to wav extension. The FFT and K-NN methods are able to assist in matching new sounds or test sounds to training sounds. The K-NN method requires training data and test data in the form of a discrete frequency signal value to be matched, and the FFT method can produce the discrete frequency value. This voice identification application uses the Waterfall method as a software development system. This study produces an output in the form of a name that matches the name with the closest distance between the training data and the input data and produces the closest distance value between the input sound and the training data sound. After testing with proximity testing as many as 6 different input data with 4 training data so that this application has an accuracy value of 83% and an eror of 16%.