masa kini perkembangan teknologi informasi difokuskan pada
kemampuan komputer dalam mengerjakan sesuatu yang dapat dilakukan oleh manusia.
Komputer dilatih agar dapat meniru kemampuan kecerdasan dan perilaku manusia
dalam melakukan pengenalan jenis kelamin berdasarkan suara. Teknologi yang dapat
membantu dalam penyelesaian masalah tersebut adalah dengan pengenalan suara atau
speech recognition. Dalam pengenalan suara sering kali suara yang digunakan rentan
terhadap noise dan memiliki variasi Bahasa dan kata yang berbeda-beda. Hal ini dapat
menyebabkan proses penerjemahan makna dari sinyal suara menjadi lebih kompleks
dan dapat menyebabkan proses pembelajaran pada mesin menjadi tidak tepat. Oleh
karena itu, penelitian ini menggunakan metode ekstraksi ciri Mel Frequency Cepstral
Coefficients untuk mendapatkan pola suara dengan metode klasifikasi Machine
Learning yang digunakan yaitu K-Nearest Neighbor, Support Vector Machine, dan
Neural Network untuk model pengenalan pola suara. Data yang digunakan sebanyak
400 data suara yang terdiri dari 200 suara pria dan 200 suara wanita. Dalam pembuatan
model, optimasi parameter yang dilakukan untuk menemukan kombinasi parameter
yang baik yaitu dengan menggunakan Grid Search CV dan dilakukan optimasi
parameter secara manual. Dalam penelitian ini memperoleh model yang terbaik yaitu
Support Vector Machine dengan akurasi yang dihasilkan sebesar 86,25%.
Kata Kunci : Mel Frequency Cepstral Coefficients, K-Nearest Neigbor, Support
Vector Machine, Neural Network.