Repositori gambar EKTP dapat menjadi alat yang berguna untuk membantu operator manusia dalam pemeriksaan pasangan gambar EKTP. Namun, repositori semacam itu membutuhkan validasi yang mumpuni dan memiliki pemverifikasian dan pencocokan untuk gambar EKTP yang diunggah. Untuk mengatasi masalah tersebut, tugas akhir ini mengimplementasikan model deteksi menggunakan Faster R-CNN dan metode pencocokan menggunakan ORB (Oriented FAST and Rotated BRIEF) dan KNN-BFM (K-Nearest Neighbor Brute Force Matcher). Tujuan dari implementasi adalah untuk mencapai tingkat akurasi 80% dan membuktikan kecocokan menggunakan metode ORB saja dapat menggantikan teknik OCR. Hasil akurasi implementasi pada model pendeteksian mencapai mAP (Mean Average Precision) sebesar 94%. Namun, proses pencocokan citra hanya mencapai akurasi sebesar 43,46%. Proses pencocokan citra dengan hanya menggunakan pencocokan fitur gambar yang kinerjanya lebih rendah dari teknik OCR sebelumnya tetapi meningkatkan waktu pemrosesan dari 4510 ms menjadi 60 ms). Akurasi pencocokan gambar telah terbukti meningkat dengan menggunakan dataset berkualitas tinggi dan kuantitas tinggi, mengekstraksi fitur pada area penting gambar kartu EKTP.