Penggunaan wajah sebagai sistem keamanan memiliki kerentanan terhadap serangan spoofing karena ha-nya dengan memalsukan wajah dengan menggunakan media tertentu seperti foto atau video dapat mengelabui sistem. Pada penelitian ini, diusulkan sistem pendeteksi serangan spoofing pada wajah manusia yang dapat membedakan masukan citra berupa spoof atau non-spoof dengan menggunakan Low-Level Feature yaitu Speeded-Up Robust Feature (SURF) dan analisis bentuk yaitu Pyramid Histogram of Oriented Gradient (PHOG) sebagai ekstraksi cirinya. Pengujian pada skenario intra-database dan cross-database menggunakan 4 dataset publik yang berbeda, yaitu MSU MFSD, NUAA Imposter, CASIA FASD, dan Idiap REPLAY-ATTACK. Pada skenario intra-database dilakukan pengujian dengan klasifikasinya adalah Support Vector Machine (SVM) dan k-Nearest Neighbors (kNN).