Skripsi ini membahas aplikasi pengenalan suara untuk membandingkan metode ekstraksi suara antara ¬Mel-Frequency Coefficient Cepstral (MFCC) dan Linear Predictive Coding (LPC) untuk menentukan metode yang paling akurat. Adapun masalah-masalah yang muncul pada saat pengenalan suara adalah ketidak akuratan dalam pengenalan, sehingga perlu dikaji lagi metode apa yang mempunyai keakuratan yang tinggi dan waktu komputasi yang singkat. Perbandingan dilakukan dengan cara membandingkan tahapan proses dari masing-masing metode tersebut. Pada skripsi ini, penulis membandingkan empat tahapan saja dari masing-masing metode dimulai dari tahap pre-emphasis untuk memperjelas vokal suara dan menghilangkan frequensi tinggi, dilanjutkan dengan framing untuk membagi menjadi beberapa blok atau frame, lalu dilanjutkan dengan proses windowing untuk menghilangkan noise dan merapikan tiap blok yang sudah dibagi dan proses terakhir adalah FFT dan autokorelasi. Fitur lain dalam pembuatan aplikasi perbandingan ini akan memunculkan hasil akhir akurasi perandingan dari data yang diuji dengan data latih serta menampilkan lama waktu komputasi dari kedua metode tersebut agar bisa mengetahui metode yang paling cepat dan efektif untuk pengenalan suara. Pembuatan aplikasi perbandingan metode MFCC dan LPC ini dibuat dengan menggunakan tools matlab R2017A kemudian aplikasi diuji coba menggunakan metode User Acceptance Test, dengan pengujian yang dibagi menjadi 4 (empat) karakteristik utama yaitu Data Communications, End User Efficiency, Operational Ease, dan Reusability didapatkan hasil analisis reliabilitas sebesar 87%. Sistem ini tergolong kedalam kategori baik. Dan hasil akhir yang didapatkan dari pengujian perbandingan ini adalah metode ekstraksi suara MFCC mempunyai tingkat keakuratan dan waktu komputasi yang lebih cepat dibandingkan ekstraksi suara LPC.

This study discusses the application of voice recognition voice extraction methods for comparing between Mel-Frequency Cepstral's (MFCC) and Linear Predictive Coding (LPC) to determine the most accurate method. As for the problems that emerged at the time of voice recognition is the lack of inaccuracies in the introduction, so need to be examined again what method has high accuracy and computational time short. The comparison is done in a way to compare the stages of the process of each of these methods. In this thesis, the author compares the four stages of each method starting from the stage of pre-emphasis to clarify the vocal sound and eliminate defined high, continued with the framing to split into several blocks or frames, and continued with the process of windowing to eliminate noise and smoothing each block that is already divided and the last process is the FFT and autocorrelation. Other features in the making this comparison application will bring up the final results of the perandingan data accuracy tested with a trainer as well as data showing long computation of both these methods in order to find out the fastest method and effective for voice recognition. The making of the application method of comparison and MFCC LPC was created using matlab R2017A tools application then tested using the method of the User Acceptance Test, with test divided into four (4) main characteristics Data End User communications, Efficiency, Operational Ease, Reusability and reliability analysis of results obtained 87%. This system is classified into the category of good. And the end results of this comparison test is a method of extracting sound level MFCC accuracy and computational time faster than the extraction of voice LPC