Deepfake adalah video hiper-realistis yang dimanipulasi secara digital dengan bantuan kecerdasan buatan, memungkinkan seseorang tampak mengatakan atau melakukan hal-hal yang sebenarnya tidak terjadi. Meskipun teknologi deepfake berkembang pesat dan memberikan manfaat di berbagai bidang, penggunaannya juga menimbulkan risiko, seperti penyebaran berita palsu dan perusakan reputasi. Salah satu kelemahan utama deepfake terletak pada ketidakcocokan gerakan area mulut, yang dapat menjadi indikator manipulasi. Penelitian ini berfokus pada deteksi deepfake berbasis ketidakcocokan ciri pada area mulut. Dengan memanfaatkan metode Local Binary Pattern dan Gray-Level Co-occurrence Matrix yang diintegrasikan dengan algoritma Support Vector Machine (SVM), penelitian sebelumnya telah mencapai akurasi hingga 95% dalam mengenali ekspresi mulut. Dalam studi ini, teknik tersebut diterapkan dan dikembangkan lebih lanjut untuk mendeteksi manipulasi video. Model yang dihasilkan mencapai akurasi sebesar 99.79% dalam klasifikasi video deepfake, menunjukkan efektivitas pendekatan ini dalam mendeteksi ketidakcocokan bentuk mulut secara akurat. Dengan demikian, hasil penelitian ini dapat berkontribusi dalam pengembangan sistem keamanan digital yang handal.