Seiring meningkatnya penggunaan dokumen kependudukan digital di Indonesia, risiko pemalsuan dokumen menjadi tantangan serius yang mengancam validitas data dalam berbagai proses administrasi. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi kinerja aplikasi berbasis website yang mampu memverifikasi keaslian dokumen kependudukan digital secara otomatis. Metode yang diusulkan mengintegrasikan pendekatan Image forensics dengan machine learning. Sistem mengekstraksi serangkaian fitur dari citra dokumen, yang mencakup analisis metadata, Error Level Analysis (ELA) yang diproses menggunakan Convolutional Neural Network (CNN), dan fitur statistik citra. Kumpulan fitur ini kemudian dianalisis menggunakan algoritma Extreme Gradient Boosting (XGBoost) untuk mengklasifikasikan dokumen sebagai "Asli" atau "Palsu". Aplikasi ini dibangun dengan arsitektur e-Government, menggunakan Laravel untuk frontend dan Flask sebagai API server untuk proses analisis. Hasil pengujian kinerja menggunakan confusion matrix terhadap 90 sampel data menunjukkan bahwa sistem berhasil mencapai tingkat akurasi sebesar 93,33%. Waktu respons rata-rata untuk satu siklus prediksi lengkap tercatat selama 12,66 detik. Hasil ini menunjukkan bahwa sistem yang dikembangkan merupakan solusi yang efektif dan efisien untuk memitigasi risiko pemalsuan dokumen kependudukan digital.