Perkembangan kecerdasan buatan generatif dalam bidang pengolahan citra digital telah memungkinkan sistem berbasis Artificial Intelligence (AI) menghasilkan gambar dengan tingkat kemiripan visual yang sangat tinggi terhadap karya seni manusia. Salah satu gaya visual yang banyak ditiru oleh sistem AI generatif adalah gaya Studio Ghibli, yang dikenal memiliki karakteristik estetika khas berupa palet warna pastel, ilustrasi tangan yang detail, serta nuansa emosional yang kuat. Fenomena ini menimbulkan permasalahan serius terkait keaslian karya, hak cipta, dan kaburnya batas antara citra orisinal dan citra buatan AI, khususnya ketika gambar-gambar tersebut tersebar luas di media digital tanpa atribusi yang jelas. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi otomatis yang mampu membedakan citra Studio Ghibli original dengan citra bergaya Ghibli yang dihasilkan oleh AI DALL·E secara akurat dan objektif. Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan memanfaatkan Convolutional Neural Network (CNN) arsitektur ResNet-50 sebagai model utama. Dataset yang digunakan terdiri dari 500 citra, dengan komposisi 250 citra asli Studio Ghibli yang diambil dari cuplikan lima film ikonik dan 250 citra buatan AI yang dihasilkan menggunakan DALL·E dengan prompt bergaya Ghibli. Seluruh data melalui tahapan preprocessing meliputi normalisasi ukuran, augmentasi citra, dan pembagian dataset ke dalam data pelatihan, validasi, dan pengujian dengan rasio 70%, 20%, dan 10%. Proses pelatihan dan pengujian model dilakukan menggunakan framework PyTorch pada platform Google Colaboratory dengan dukungan GPU. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, serta analisis confusion matrix dan visualisasi Grad-CAM untuk mengidentifikasi fitur visual dominan yang digunakan model dalam pengambilan keputusan. Hasil penelitian menunjukkan bahwa model CNN ResNet-50 mampu mencapai tingkat akurasi di atas 90% dalam membedakan citra Ghibli original dan citra buatan AI, dengan performa klasifikasi yang stabil dan konsisten pada data uji. Model juga mampu mengenali perbedaan pola tekstur, pencahayaan, dan distribusi warna yang menjadi ciri pembeda utama antara kedua jenis citra. Berdasarkan hasil tersebut, dapat disimpulkan bahwa pendekatan klasifikasi citra berbasis CNN ResNet-50 efektif dan layak digunakan sebagai alat pendukung dalam mendeteksi keaslian karya visual bergaya artistik, khususnya dalam menghadapi tantangan etika dan autentikasi karya seni di era AI generatif.