Penyebaran konten deepfake pada media digital semakin meningkat dan berpotensi menimbulkan penyalahgunaan informasi serta menurunkan kepercayaan masyarakat terhadap konten digital, sementara masyarakat umum masih kesulitan membedakan wajah asli dan wajah hasil manipulasi. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun Sistem Deteksi Deepfake Wajah berbasis web yang dapat membantu proses identifikasi keaslian citra maupun video wajah secara lebih cepat dan akurat. Metode pengembangan sistem yang digunakan adalah Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan React.js sebagai frontend, Flask sebagai backend, MySQL sebagai basis data, dan Docker sebagai platform kontainerisasi. Deteksi dilakukan menggunakan model XceptionNet dengan metode Transfer Learning yang di-fine-tuning pada bagian Entry Flow dan Middle Flow, serta dilengkapi visualisasi Grad-CAM untuk menampilkan area wajah yang menjadi dasar prediksi model. Berdasarkan pengujian Black Box Testing, seluruh fungsi sistem berjalan sesuai hasil yang diharapkan dengan tingkat keberhasilan 100%. Pengujian performa model pada data uji menghasilkan nilai accuracy 72,27%, precision 73,46%, recall 69,73%, F1-Score 71,55%, dan AUC 0,7930. Hasil tersebut menunjukkan bahwa sistem berfungsi dengan baik dan model memiliki kemampuan klasifikasi deepfake yang cukup baik, sehingga berpotensi menjadi solusi teknologi dalam upaya mitigasi penyebaran disinformasi berbasis deepfake.