Wajah adalah salah satu biometrik yang digunakan untuk mempelajari informasi dari seseorang, seperti gender. Penelitian tentang klasifikasi gender berkembang setiap harinya sebagai hasil dari bagaimana pentingnya hal tersebut dan beberapa sektorlain, seperti forensik, keamanan, bisnis, dan lainnya, yang menggunakannya. Namun, untuk melindungi diri mereka sendiri dan menghentikan penyebaran Covid-19 selama pandemi ini, semua orang harus memakai masker. Banyak fitur wajah penting yang membantu menentukan gender seseorang terhalang oleh masker, sehingga penggunaan masker menimbulkan masalah bagi sistem klasifikasi gender. Untuk mendapatkan kinerja yang optimal, hyperparameter yang sesuai juga diperlukan. Oleh karena itu, tujuan dari penelitian ini adalah untuk mengembangkan sistem klasifikasi gender berdasarkan gambar wajah yang tertutup masker dengan menggunakan teknik baru yang menggabungkan beberapa fitur dalam Gray Level Co-occurrenceMatrix (GLCM), kemudian dimasukkan ke dalam Bagging. Hybrid Bat Algorithm (HBA) digunakan untuk mengoptimalkan hyperparameter Bagging. Dari hasil model yang diusulkan mendapat nilai akurasi, presisi, recall, dan f1-score masing-masing mencapai 97%. Sedangkan jika tidak dioptimasi hyperparameter-nya, mendapat nilai akurasi, presisi, recall maupun f1-score masing-masing adalah 94%. Hal tersebut membuktikan bahwa model yang diusulkan terbukti memiliki kinerja yang lebih baik daripada sebelum hyperparameter-nya dioptimasi oleh HBA.