Kemajuan teknologi kecerdasan buatan, khususnya pada sintesis ucapan seperti Text-to-Speech (TTS) dan voice cloning, memunculkan ancaman serius berupa deepfake voice atau suara palsu yang dapat disalahgunakan untuk penipuan, manipulasi, maupun penyebaran hoaks. Untuk menjawab tantangan tersebut, penelitian ini mengembangkan sistem deteksi suara berbasis arsitektur hybrid deep learning dengan mengombinasikan Convolutional Neural Network untuk analisis spasial dan Long Short-Term Memory untuk pola temporal. Sistem dilengkapi fitur MFCC untuk menangkap ciri fonetik serta Spectral Contrast untuk mendeteksi anomali harmonik khas suara sintetis. Model dilatih menggunakan optimizer Adam dan diuji secara menyeluruh, menghasilkan akurasi 86,49%. Untuk kelas asli (0) nilai presisi sebesar 0.81 serta recall 0.95 dan F1-score sebesar 0.88, kemudian untuk kelas palsu (1) memiliki nilai presisi sebesar 0.94 serta recall 0.78 dan F1-score sebesar 0.85. Sebagai penerapan praktis, model diintegrasikan ke dalam aplikasi web interaktif berbasis Streamlite sebagai solusi deteksi suara palsu dalam menghadapi ancaman digital.
Kata kunci : Deteksi Suara Palsu, Deepfake Audio, deep learning, Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), MFCC, Spectral Contrast