Otak manusia mampu melakukan tugas-tugas sederhana, seperti mengenali suara dengan amat baik. Sedangkan komputer dengan segala kecanggihannya sulit menandingi manusia untuk melakukan tugas-tugas tersebut. Berdasarkan hal ini para ilmuwan berusaha membuat suatu model dari otak manusia yang dikenal dengan nama jaringan neural buatan. Salah satu dari model jaringan neural ini adalah ARTMAP. ARTMAP dapat mempelajari pola-pola baru tanpa melupakan pola-pola lama. ARTMAP mampu mengklasifikasikan pola-pola masukan yang diterimanya ke dalam berbagai kategori pengenalan berdasarkan keberhasilan dan kegagalannya melakukan prediksi. Dalam tugas akhir ini dibuat suatu prototipe penerapan ARTMAP pada proses pengenalan suara manusia. Sistem pada dasarnya terbagi atas dua tahap. Tahap pertama merupakan tahap pemrosesan awal yang berfungsi untuk mengekstraksi pola dari dunia nyata. Pola masukan dari dunia nyata diubah bentuknya ke bentu masukan yang sesuai dengan spesifikasi sistem. Pemrosesan awal melibiatkan transformasi Fourier (FFT) yang digunakan untuk menguraikan data dijital gelombang suara ke dalam domain frekuensi. Sedangkan tahap kedua merupakan tahap pemrosesan ARTMAP, yang berfungksi sebagai modul pengklasifikasi pola masukan agar dapat dipelajari dan dikenali polanya. Sistem telah dicoba untuk mempelajari 320 pola suara. Pada modus belajar On-line sistem mencapai tingkat kebenaran prediksi sebesar 77,5%. Dalam proses ini ARTMAP membentuk 66-67 kategori internal bagi 320 pola yang diterimanya.