Genre musik merupakan salah satu elemen penting dalam industri hiburan dan memiliki fungsi untuk menyampaikan pesan, identitas, serta nilai budaya tertentu. Musik Islami sebagai salah satu genre religius memiliki karakteristik khusus, namun sering kali memiliki kemiripan pola dengan musik populer seperti Pop. Hal ini menimbulkan tantangan dalam proses klasifikasi otomatis. Penelitian ini bertujuan untuk membangun sistem klasifikasi genre musik Pop Islami dan Pop menggunakan metode Convolutional Neural Network (CNN) berbasis fitur audio. Data dikumpulkan dari Spotify dan diperluas melalui teknik augmentasi untuk meningkatkan keberagaman data. Selanjutnya, dilakukan ekstraksi fitur menggunakan MFCC, Chroma, dan Mel Spectrogram guna merepresentasikan ciri khas audio secara numerik. Hasil pelatihan model menunjukkan akurasi sebesar 0.74 (74%). Nilai ini dipengaruhi oleh keterbatasan jumlah data pelatihan, distribusi data yang belum seimbang, serta kemiripan elemen musikal antara kedua genre yang menyebabkan model kesulitan membedakan secara konsisten.Dengan capaian tersebut, sistem yang dibangun memberikan dasar awal yang cukup baik untuk pengembangan ke depan, khususnya melalui peningkatan kualitas data dan penyempurnaan arsitektur model agar hasil klasifikasi menjadi lebih akurat.
Kata kunci: Klasifikasi Musik, CNN, Genre Islami, Genre Pop, Ekstraksi Fitur Audio