ABSTRAKSI: Pada suatu kebutuhan tertentu, suatu sistem dituntut untuk dapat mengenali suara seseorang. Sistem yang dapat mengenali suara manusia itu dinamakan speaker recognition. Masing-masing manusia memiliki pola/fitur tertentu yang khas. Pola inilah yang dikenali suatu sitem untuk membedakan siapa yang mengucapkannya. Masalah yang timbul adalah bagaimana sistem memperoleh fitur yang dapat menggambarkan seseorang dengan lebih tepat dan detil secara perorangan. Dimana suara manusia menempati frekuensi 300 – 3400 Hz yang tidak menutup kemungkinan suara antara dua orang yang berlainan akan diartikan sistem sebagai satu orang. Karena itu pendeteksian orang yang diinginkan bisa salah. Pada penelitian ini dibahas tentang pengenalan suara seseorang (speaker recognition) menggunakan Overlap Dekomposisi Paket Wavelet (ODPW) dan Jaringan Syaraf Tiruan Backpropagation (JST BP). Suara seseorang dibagi-bagi spektralnya menggunakan overlap dekomposisi paket wavelet, selanjutnya descrete cosine transform digunakan pada energi tiap subband yang didapat dan kemudian dikenali dengan Jaringan Syaraf Tiruan Backpropagation (JST BP).Kata Kunci : Speaker Recognition, ODPW, JST BP, descrete cosine transform.ABSTRACT: In some case, system must able to differentiate human voice. Syatem which can differentiate that human voice was called speaker recognition. Each of person has some unique feature. Those feature that were known by system to differentiate who was speaking. The problem appear is how system get the feature which can descriptive individual more actual and detail every one person. Human voice has spectral frequency between 300 – 3400 Hz which may be voice from personal one person defined as person else and voice from two person defined as one person. So that, speaker recognition is false. In that research explain about speaker recognition use Overlapping Decomposition Packet Wavelet (ODWP) and neural network Backpropagation (JST BP). Voice from some one would be decomposed by ODWP with scenario which would be planed, further descrete cosine transform would be used at subband energy and then feature would be differentiated/classified by Neural Network Backpropagation (JST BP)Keyword: Speaker Recognition, ODPW, JST BP, descrete cosine transform.