Tugas akhir ini merupakan pengembangan lebih lanjut dari penelitian yang telah dilakukan oleh Guilherme dan Aluizio[GBA98] dengan melakukan implementasi Differential competitive Learning (DLC). Simplified DCL (SDCL) dan Generakized DCL (GDCL) serta membandingkan kinerja ketiga algoritme tersebut dengan metode lain. SDCL dan GDCL adalah algoritme pelatihan baru diajukan oleh Guilherme dan Aluzio yang dapat dipandang sebagai perbaikan dari DCL. Ketiga buah algoritme tersebut kemudian dibandingkan dengan metode SOM. Hasil uji coba dengan menggunakan data phoneme menunjukkan bahwa elusterisasi menggunakan algoritme SOM menghasilkan error 0.000143 sedacangkan DCL, SDCL dan GDCL, masing-masing memperoleh 0.000108, 0.000108,0.000107. Hasil uji coba menggunakan data dengan sebuah nilai pencilan menunjukkan bahwa SDCL dan GDCL unggul dalam mencapai konvergensi pada epoh ke 10 sedangkan SOM pada epoh ke 90. Analisis dilanjutkan dengan membandingkan persentasi pengenalan yang dihasilkan sistem pengenalan suara menggunakan algoritme pelatihan SDCL dan SOM. Ternyata uji statistik menghasilkan bahwa hasil pengenalan dengan menggunakan metode pelatihan SDCL lebih baik daripada SOM dengna nilai prosentase rata-rata pengenalan masing-masing 74,225; dan 70,967; .