Suara manusia merupakan suara yang muncul karena bergetarnya pita suara pada manusia. Suara manusia secara umum memiliki karakteristik yang sehingga dapat dikelompokkan menjadi bass, baritone, tenor, alto, mezzo-soprano, soprano, dan sebagainya. Penelitian ini bertujuan untuk membuat model deep learning CNN dengan fitur ekstraksi mel spectrogram yang dapat mengklasifikasikan jenis suara atau vokal pada manusia. Penelitian ini menggunakan 399 data suara dengan data augmentation untuk melatih model yang kelak akan digunakan untuk mengklasifikasikan jenis vokal. Setelah dilakukannya evaluasi pada model ini menggunakan 10-Fold Cross Validation dengan rasio 9:1, model terbaik pada penelitian ini adalah model CNN dengan fitur ekstraksi mel spectrogram yang dikombinasikan dengan augmentasi data. Model tersebut dapat mengklasifikasikan jenis vokal dengan akurasi testing sebesar 99,06%.
Kata kunci: vokal, jenis vokal, choir, klasifikasi, model deep learning, CNN, augmentasi data, mel spectrogram.