Klasifikasi genre musik adalah langkah penting dalam memahami dan mengelompokkan musik berdasarkan karakteristik mereka, serta mendukung industri musik dalam pemasaran, promosi, dan distribusi. Untuk itu, penting untuk mengklasifikasikan musik berdasarkan genrenya. Representasi visual audio seperti waveform, mel-spectrogram, dan chromagram dapat membantu dalam proses ini. Metode yang digunakan untuk mengklasifikasikan genre musik adalah convolutional neural network (CNN) dengan ensemble learning, yang menggabungkan beberapa model CNN untuk meningkatkan akurasi klasifikasi. Pengujian CNN dilakukan dengan mengombinasikan nilai learning rate, epoch, dan optimizer untuk mencari kombinasi yang dapat menghasilkan akurasi tertinggi. Berdasarkan hasil pengujian, CNN yang dibangun dapat menghasilkan akurasi tertinggi sebesar 47.3%, 74.6%, dan 54.6% untuk data citra waveform, mel-spectrogram, dan chromagram secara berurutan. Akurasi dari hasil ensemble tertinggi yang dapat dicapai adalah sebesar 82.67%.