<![CDATA[Pesatnya perkembangan teknologi kecerdasan buatan (AI) memicu lonjakan produksi lagu generatif yang menyerupai karya manusia, sehingga menghadirkan tantangan signifikan terhadap orisinalitas dan hak cipta musik. Penelitian ini bertujuan mengklasifikasikan lagu Pop Indonesia kategori human-generated dan AI-generated menggunakan pendekatan Convolutional Neural Network (CNN) berbasis arsitektur ResNet-18. Dataset terdiri dari 100 lagu berformat MP3 yang terbagi seimbang antara karya manusia dan karya AI dari platform Suno dan Udio. Data audio diproses melalui teknik segmentasi overlapping window berdurasi 10 detik dengan overlap 5 detik, kemudian diekstraksi menjadi citra spektrogram Short-Time Fourier Transform (STFT). Total data yang dihasilkan mencapai 4.282 segmen audio. Hasil pelatihan selama 100 epoch menunjukkan bahwa model mencapai konvergensi dengan train accuracy 100% dan validation accuracy 95,09%. Pada tahap pengujian menggunakan data yang belum pernah dilihat sebelumnya, model menunjukkan performa unggul dengan tingkat akurasi 93,01%. Temuan ini mengonfirmasi bahwa penggunaan representasi spektogram dalam arsitektur CNN mampu menangkap perbedaan fitur frekuensi dan temporal secara efektif untuk mengidentifikasi musik berbasis AI pada genre Pop Indonesia.]]>
Copyrights © 2026
