<![CDATA[Tiap-tiap manusia mempunyai keunikan suara yang berbeda-beda yang disebabkan karena resonansi pada tenggorokan yang pula berbeda. Terdapat sejumlah hal yang dapat menjadi kendala ketika proses ekstraksi suara yakni bersumber dari variabilitas suara pada keadaaan seseorang sakit, dialog asing, emosi dan lingkungan. Maka dari itu diperlukan proses filtering. Proses filtering ini sangatlah penting karena dapat menyaring suara untuk menghilangkan noise-noise pada suara. Filtering suara dilaksanakan sebelum proses ekstraksi suara. Dengan adanya klasifikasi usia, ruang masalah dalam pengenalan suara dapat dibatasi hanya berlandaskan usia yang sudah diklasifikasikan. Pembagian usia berlandaskan karakteristiknya yakni anak-anak 5 11 tahun, remaja 12 25 tahun, dewasa 26-45 tahun serta lansia 46 65 tahun. Adapun tujuan dari penelitian ini yaitu agar dapat diketahui bagaimana penerapan Linear Predictive Coding (LPC) dan Nearest Neighbor dalam pengklasifikasian usia berdasarkan suara. Oleh karena itu akan dilaksanakan penelitian untuk tugas akhir dengan mengidentifikasikan usia berlandaskan suara dan mengklasifikasikan suara tersebut kedalam jenis tipe suara anak-anak, remaja, dewasa dan lansia dengan mempergunakan metode Linear Predictive Coding (LPC) dan Nearest Neighbor Berbasis Python. Hasil penelitian ini yaitu: (1). Pembuatan sistem klasifikasi usia memanfaatkan aplikasi Pyhton. (2). Pengujian akurasi K-Fold Cross Validation diperoleh akurasi senilai 75%, presisi 39%, recall 39%. (3). Berlandaskan total kinerja sistem yang sudah diperoleh, maka bisa ditarik kesimpulannya dengan menerapkan metode Linear Predictive Coding (LPC) selaku ekstraksi ciri dan Nearest Neighbor bisa dipergunakan dalam mengelompokkan usia anak-anak, remaja, dewasa, lansia berlandaskan suaranya.]]>
