ABSTRAK Nama : Galuh Estya Adisaputra Program Studi : Ilmu Komputer Judul : Identifikasi Pembicara Menggunakan Multilayer Perceptron dan Mel-frequency Cepstral Coefficient pada Data Teks Dependen dan Teks Independen Permasalahan speaker recognition secara umum terbagi menjadi speaker identification dan speaker verification. Identifikasi pembicara (speaker identification) adalah hal yang penting dalam ranah speaker recognition. Selain itu, pada dunia nyata selalu ada tantangan pada masalah sebarapa panjang data yang bisa didapatkan dari pengguna untuk di apliaksikan kedalam model. Pada penelitian ini dilakukan perbandingan antara 2 kelompok data teks dependen dan teks independen, serta kelompok data gabungan sebagai pembanding terhadap penelitian dari luar dan dilakukan juga perbandingan performa dari model yang dibuat dari variasi data berdurasi 3, 5, dan 7 detik dan diuji menggunakan data dengan durasi yang juga bervariasi. Dari hasil penelitian didapatkan bahwa penggunaan data teks dependen menghasilkan model dengan akurasi lebih tinggi 1.2% dibandingkan data teks independen. Perbedaan akurasi model terbaik dari teks dependen dan teks independenadalah 0.693%. Model yang dibangun dari kelompok data teks dependendengan durasi potongan data 5 detik memberikan hasil terbaik dengan rata-rata akurasi sebesar 98.64%. Sedangkan untuk kelompok data teks independen akurasi terbaiknya adalah 97.94% yang dibangun dari durasi 7 detik. Dari hasil penelitian ini dapat disimpulkan bahwa durasi potongan data yang optimal untuk dataset data tidak dapat ditentukan begitu saja karena sangat bergantung pada dataset yang digunakan. Kata Kunci: speaker identification, multilayer perceptron, deep learning, teks dependen, teks independen