ABSTRAKSI: Sudden and short-period nosie sering mengganggu performansi speech recognition system dalam mengenali sinyal suara yang diinputkan oleh user. Sayangnya penanganan terhadap sudden and short-period noise pada speech signal tidak mudah karena tidak diketahuinya jenis noise yang terdapat pada speech signal dan dimana noise tersebut berada. Sehingga, dibutuhkan proses deteksi dan klasifikasi noise terlebih dahulu agar sistem dapat mengenali jika input suara user tidak bersih dari noise. Selain itu juga agar speech recognition system bisa berfungsi secara optimal dalam mengenali sinyal suara masukan user. Pada tugas akhir ini digunakan metode AdaBoost untuk mendeteksi dan mengklasifikasi sudden and short-period noise pada speech signal. AdaBoost dapat membedakan frame-frame yang termasuk kelas noise dan clean speech. Selain itu, AdaBoost juga mampu mengenali jenis sudden and short-period noise yang meng-overlap sinyal suara masukan. Hal tersebut dikarenakan AdaBoost melatih sinyal masukan dengan mengkombinasikan klasifier-klasifier lemah untuk mendapatkan suatu model klasifier kuat. Berdasarkah hasil pengujian deteksi dan klasifikasi noise yang dilakukan pada tugas akhir ini, didapatkan nilai akurasi terbesar pada SNR = -10 dB, threshold = 0.01, dan iterasi = 200.Kata Kunci : AdaBoost, Suden and Short-Period Noise, Deteksi Noise, Klasifikasi Noise.ABSTRACT: Sudden and short-period noises often affect the performance of speech recognition system in recognizing speech signals. Unfortunately, it is not easy to overcome sudden and short-period noise in speech signals because of the unavailable information of noise type that overlap the speech signal and the information of where the noise is overlapped. That is the reason why noise detection and classification process is important before the speech signals recognized by speech recognition system. In this final project AdaBoost is used to detect and classify sudden and short-period noise in speech signal. AdaBoost can distinguish between noisy frame and speech only frame. Moreover, AdaBoost also can recognize the type of sudden and short-period noise that overlapped speech signals. That is because AdaBoost train the speech signals by combining weak classifiers to get one strong final classifier. Sudden and short-period noise detection and classification get the maximum accuration result in this final project research when the SNR = -10 dB, threshold = 0.01 and number of weak learning generated is 200.Keyword: AdaBoost, Sudden and Short-Period Noise, Noise Detection, Noise Classification.