Face spoofing adalah serangan terhadap sistem biometrik dengan menggunakan identitas palsu dari pengguna yang memiliki akses. Serangan ini dapat dilakukan dengan menggunakan foto wajah pengguna yang telah dicetak atau serangan replay dengan menggunakan perangkat lain yang menampilkan wajah pengguna. Metode pencegahan serangan ini dapat dilakukan dengan mendeteksi data yang masuk melalui sistem biometrik. Oleh karena itu, dibutuhkan sebuah sistem yang dapat memprediksi pemalsuan wajah dengan lebih baik. Penelitian ini menggunakan dua metode machine learning: Support Machine Vector (SVM), K-Nearest Neighbors (KNN) dan Bagging dengan SVM dan KNN. Dataset dikumpulkan dari sembilan orang yang berbeda dan terdiri dari lima kategori yang berbeda, yaitu gambar asli, print attack, replay attack, mask attack, dan mask attack dengan lubang pada bagian mata. Setelah melalui tahap preprocessing dan pelatihan model dengan menggunakan dataset tersebut, didapatkan akurasi metode SVM tanpa metode Bagging sebesar 90.52%. Akurasi baru diperoleh setelah menambahkan metode tersebut sebagai estimator dasar ke dalam metode Bagging, untuk SVM-Bagging, yaitu 91.21%. Sedangkan untuk KNN tanpa Bagging sebesar 87.36%. Setelah dilakukan KNN-Bagging mendapati penurunan menjadi 86.90%.