yang semakin meningkat untuk menklasifikasi video deepfake. Masalah ini sangat sensitif, deepfake memungkinkan untuk membuat seseorang mengatakan atau melakukan sesuatu yang tidak pernah mereka katakan atau lakukan dalam sebuah video, hal ini membahayakan martabat seseorang. Masalah lain muncul dengan besarnya ukuran dataset video deepfake, karena dengan ukuran dataset yang besar membutuhkan waktu pelatihan yang lebih lama dan spesifikasi komputasi yang tinggi . Dalam penelitian ini, penulis mengusulkan metode yang menggunakan dataset berjumlah total 2000 frame dari keseluruhan dataset Celeb-DF(V2) dengan menerapkan (Multi-task Cascaded Convolutional Networks) MTCNN untuk pengambilan data wajah pada frame video, pemrosesan gambar filter Gaussian dan Local Binary Pattern (LBP) dengan model XceptionNet dan ResNet-50 sebagai pembanding untuk klasifikasi video deepfake. Hasil menunjukkan bahwa metode yang diusulkan memiliki performa yang lebih baik dibandingkan dengan pemrosesan gambar filter Gaussian dan LBP dengan model ResNet-50, dengan nilai AUC sebesar 0.87 dan nilai akurasi sebesar 0.79.
Kata Kunci : Klasifikasi video, Deepfake, XceptionNet, ResNet-50, Dataset, Artificial Intelligence, MTCNN, Filter Gaussian, Local Binary Pattern