Pengenalan wajah (face recognition) adalah proses identifikasi atau verifikasi seseorang menggunakan fitur wajah mereka, sementara deteksi keaslian (liveness detection) adalah metode untuk memastikan bahwa wajah yang dikenali adalah wajah asli dan bukan gambar atau rekaman. Kedua teknologi ini menjadi sangat penting dalam sistem keamanan biometrik modern untuk mencegah penipuan. Penelitian ini bertujuan untuk mengembangkan sistem anti-pemalsuan yang menggabungkan face recognition dan liveness detection menggunakan deep learning. Model FaceNet digunakan untuk pengenalan wajah, sementara beberapa arsitektur seperti VGG16, MobileNet V2, ResNet 50, dan DenseNet 121 dievaluasi untuk liveness detection. Dataset yang digunakan dalam penelitian ini terdiri dari gambar asli (real) dan gambar palsu (spoof), dengan augmentasi data untuk meningkatkan variasi dan kualitas data. Hasil penelitian menunjukkan bahwa FaceNet sangat efektif dalam face recognition, mencapai klasifikasi sempurna dengan precision, recall, dan f1-score sebesar 1,00 untuk semua individu dalam dataset. Dalam liveness detection, arsitektur VGG16 menunjukkan kinerja terbaik, mencapai akurasi 100% setelah 100 epoch pelatihan. Evaluasi menggunakan confusion matrix menunjukkan bahwa VGG16 unggul dalam mengidentifikasi gambar real dan spoof, serta efektif dalam mencegah serangan spoofing. Pengujian langsung dengan input kamera menunjukkan bahwa sistem mampu membedakan wajah real dan spoof dengan akurasi tinggi. Integrasi dengan platform web juga menunjukkan efektivitas model dalam kondisi nyata, mencegah upaya penipuan menggunakan foto atau cetakan gambar. Penelitian ini menekankan pentingnya augmentasi data dan pemilihan arsitektur deep learning yang tepat, serta memberikan dasar kuat untuk pengembangan lebih lanjut dalam sistem keamanan berbasis biometrik yang lebih akurat, andal, dan aman..