Deteksi deepfake menjadi tantangan besar dalam era digital karena dampaknya terhadap keamanan informasi. Penelitian ini mengusulkan sistem deteksi deepfake menggunakan CNN DenseNet-121 untuk mengklasifikasikan gambar sebagai asli atau palsu, dengan LSB Watermarking sebagai validasi keaslian citra. Dataset terdiri dari gambar asli dan deepfake yang diproses dengan augmentasi untuk meningkatkan generalisasi model. Model dilatih dengan optimasi Adam dan binary cross-entropy, lalu dievaluasi berdasarkan akurasi, precision, recall, dan F1-score. Hasilnya, kombinasi DenseNet-121 dan LSB Watermarking mencapai akurasi 91%, dengan precision 0.92, recall 0.91, dan F1-score 0.91. Pendekatan ini tidak hanya mendeteksi deepfake dengan presisi tinggi, tetapi juga menyematkan bukti forensik digital yang dapat diverifikasi.
Kata kunci : Deepfake, DenseNet-121, CNN, LSB Watermarking, Deteksi Pemalsuan Citra