Pertumbuhan pengguna smartphone global diperkirakan mencapai 5,25 miliar pada tahun 2023. Hal tersebut meningkatkan kebutuhan akan sistem authentication yang aman. Meskipun metode konvensional seperti PIN dan kata sandi mudah diimplementasikan, pengguna dikenali berdasarkan teks, sehingga menimbulkan risiko keamanan. Sebagai solusi, kombinasi sistem authentication biometric diperkenalkan. Keystroke biometric sebagai biometric dengan karakteristik behavioral telah banyak diteliti dan menjadi fokus penelitian. Penelitian ini mengevaluasi user-adaptive feature dalam keystroke biometric menggunakan beragam metode distance similarity. Model keystroke dibangun dengan digraph yang merepresentasikan informasi keys dan waktu pengetikan, seperti DD, UD, UU, DU, dan Duration. Model ini disimpan dan dibandingkan dengan model pengguna legitimate untuk mendapatkan nilai similarity score. Performansi dievaluasi dengan Equal Error Rate (EER), False Acceptance Rate (FAR), dan False Rejection Rate (FRR). Hasil menunjukkan metode Euclidean memberikan keseimbangan performa terbaik dengan EER terendah sebesar 0,4588 pada skenario I dan 0,4598 pada skenario II. Metode lain, seperti Soergel, Canberra, Matusita, dan Manhattan, lebih baik dalam mencegah penerimaan impostor, namun meningkatkan risiko penolakan pengguna legitimate. Pemilihan metode harus disesuaikan dengan prioritas antara keamanan dan kenyamanan pengguna dalam sistem keystroke biometric.