Teknologi pembuatan deepfake saat ini berkembang pesat khususnya di internet. Beriringan dengan kemudahan dalam membuat video deepfake dengan memanipulasi wajah seseorang dapat menimbulkan masalah yang merugikan seperti menimbulkan misinformasi, menyebarkan berita kebohongan dan masalah cybercrime lainnya. Oleh karena hal tersebut, penulis mengusulkan metode yang dapat mengklasifikasikan apakah suatu video merupakan video deepfake atau asli dengan metode pendekatan Triplet Loss Approach dengan model algoritma pengklasifikasi Random Forest (RF) dan Stochastic Gradient Descend (SGD) menggunakan Multi-task Cascaded Convolutional Network (MTCNN) untuk mendeteksi wajah serta mengambil embedding wajah dalam video. Model tersebut dilatih dan divalidasi dengan jumlah keseluruhan 600 video dengan jumlah frame 30, 50 dan 70. Hasil pengujian menunjukkan bahwa metode paling unggul adalah RF Classifier yang memiliki hasil sedikit lebih baik dibandingkan dengan SGD Classifier dengan nilai rata-rata akurasi 0.84, AUC 0.8987, EER 0.2, Precision 0.9045, Recall 0.76, F1 Score 0.82545 dibandingkan model dengan SGD Classifier yang memiliki rata-rata nilai akurasi 0.82, AUC 0.9104, EER 0.1799 , Precision 0.8633 , Recall 0.76, F1 Score 0.8079 pada jumlah frame 30. Kata kunci : klasifikasi video;deepfake;triplet loss approach;random forest