Pada saat ini terdapat beberapa sistem pengenalan gestur tangan yang memiliki tingkat komputasi dan upaya untuk persiapan perangkat yang cukup merepotkan. Tujuan utama penulis adalah membangun sistem yang mendekati pengenalan gestur / bentuk tangan yang memiliki tingkat komputasi dan
upaya yang lebih rendah, serta mendapatkan hasil performa sistem pada saat proses pengujian. Sistem
yang dibangun menggunakan Convolutional Neural Network (CNN) dengan input berupa citra dan output
berupa label dari input tersebut. Pengembangan sistem ini sudah dilakukan hingga tahap pengujian, model
yang dihasilkan mendapatkan akurasi klasifikasi sebesar 88% yang diuji dengan 2142 citra dan digambarkan dengan confusion matrix sebagai alat ukur performansi.