Penelitian ini menganalisis pengenalan suara dalam konteks klasifikasi suara anjing menggunakan fitur MFFC dan model DT. data suara anjing dan non-anjing diproses melalui ekstraksi fitur MFFC yang mencerminkan karakteristik akustik dari setiap suara. Latih dan evaluasi model pohon keputusan menggunakan akurasi, matriks kebingunan dan metrik pelaporan klasifikasi.
Pengujian dengan suara eksternal menunjukkan bahwa model berhasil mendeteksi sumber suara. Visualisasi bentuk gelombang dari sinyal mentah dan hasil pengenalaan memberikan pandangan intuitif tentang kinerja model. penelitian ini berkontribusi pada ilmu pengenalan suara dan pembelajaran mesin, memperluas bidang penelitian dalam analisis suara dengan menerapkan metode pemodelan yang lebih kompleks.