Teknologi pengenalan suara saat ini telah mengalami perkembangan terutama dalam hal speech processing. Speech processing merupakan suatu cara untuk mengekstrak informasi yang diinginkan dari sebuah sinyal suara. Penelitian ini membahas sistem klasifikasi suara manusia male dan female. Mengeksitrak ciri dari sinyal suara setiap frame pada domain waktu dan freguency domain sangat membantu untuk menyederhanakan dan mempercepat perhitungan. Adapun fitur-fitur untuk suara atau audio antara lain Short Time Energy, Zero Crossing Rate, Spectral Centroid dan lain-lain. Hasil pengujian sistem menunjukkan bahwa klasifikasi suara manusia dengan menggunakan jaringan syaraf tiruan backpropagation dan algoritma Levenberg-Marguadt untuk perubahan matriks bobotnya sangat baik dan cepat karena kompleksitas perhitungan yang tidak terlalu tinggi. Database sample suara sebanyak 40 buah dengan data test sebanyak 4 suara. Output dari sistem adalah hasil klasifikasi yang telah dikenali dengan nilai kemiripan 0,5 sebagai male dan <0,5 sebagai female.