Huruf isyarat tangan memiliki 26 huruf yang dimana beberapa huruf memiliki bentuk yang mirip sehingga masyarakat yang tidak mempelajari huruf isyarat tangan akan mengalami kesulitan untuk membedakan huruf-huruf tersebut sehingga terdapat kesulitan komunikasi antara orang yang memiliki disabilitas tuna rungu dengan orang yang tidak mempelajari huruf isyarat tangan. Oleh karena itu, dibutuhkan sebuah sistem klasifikasi huruf isyarat tangan untuk orang yang tidak mempelajarinya agar dapat mengetahui dan mengerti huruf isyarat tangan. Metode Naïve Bayes dipilih karena metode ini menggunakan probabilistik untuk menangani permasalahan yang berhubungan dengan ambiguitas[6]. Adapun tujuan dari penelitian ini adalah menganalisis sistem klasifikasi huruf isyarat yang dibangun menggunakan HOG sebagai ekstraksi ciri, PCA untuk reduksi dimensi, dan Naïve Bayes sebagai classifier dan menganalisis performansi dari algoritma yang dibangun dalam mengklasifikasi huruf isyarat. Hasil dari penelitian ini adalah akurasi performansi sistem sebesar 95.98% dengan principal components = 125 dan HOG dengan ukuran cell 32x32