Pengenalan identitas seseorang masih sering menggunakan ID Card (KTP, SIM, paspor, dsb). Cara ini mempunyai kelemahan karena ID Card mudah rusak dan hilang. Sistem pengenalan biometric memberi solusi dengan menggunakan bagian tubuh manusia sebagai pengenalan identitas. Suara merupakan informasi biometric yang mudah didapat. Pengenalan pola suara digunakan untuk proses identifikasi pembicara untuk memperoleh identitas seseorang yang berbicara. Pada paper ini mereview beberapa metode ektraksi ciri dan klasifikasi yang sering digunakan dalam identifikasi pembicara. Pemilihan metode ekstraksi ciri dan klasifikasi berfungsi dalam komputasi serta tingkat akurasi sistem identifikasi pembicara. Berdasarkan survey dataset yang diaplikasikan dengan metode ekstraksi ciri, metode Mel Frequency Cepstral Coefficients (MFCC) memiliki akurasi yang tinggi meskipun dengan input suara ber-noise. Kemudian dalam klasifikasi, metode Gaussian Mixture Model (GMM) paling sering digunakan karena mampu bekerja dalam suara ber-noise. Akhir-akhir ini dikembangkan hybrid classifier yang membuat nilai akurasi semakin meningkat.