Sistem pengenalan bahasa isyarat mampu menerjemahkan gerakan isyarat yang digunakan oleh penyandang tuna rungu sesuai dengan standar Sistem Isyarat Bahasa Indonesia (SIBI), sehingga memudahkan orang awam memahami bahasa isyarat. Sistem ini menggunakan ESP32 sebagai mikrokontroler utama, Sensor Flex untuk membaca lekukan jari tangan, Sensor MPU6050 untuk membaca orientasi dan gerakan tangan, serta DFPlayer Mini untuk output suara. Data dari sensor dikirimkan ke aplikasi smartphone melalui platform Blynk, yang menampilkan data dalam bentuk teks dan suara. Penelitian ini menggunakan metode pengujian Blackbox yang berfokus pada persyaratan fungsional perangkat. Hasil dari penelitian ini adalah sebuah sistem pengenalan bahasa isyarat untuk tuna rungu menggunakan sarung tangan berbasis mikrokontroler yang mampu mengenali beberapa kata isyarat, karakter huruf, dan angka sesuai dengan SIBI. Hasil uji coba menunjukkan bahwa sistem ini mampu mengenali bahasa isyarat dengan akurasi yang memadai. Dari 33 bahasa isyarat yang diuji sebanyak 10 kali, sistem ini berhasil mengenali 319 dari 330 isyarat dengan tingkat akurasi sebesar 96.67%. Sarung tangan ini diharapkan dapat membantu dalam pengenalan bahasa isyarat SIBI.

The sign language recognition system is able to translate gestures used by deaf people according to the standard Indonesian Sign Language System (SIBI), making it easier for ordinary people to understand sign language. This system uses ESP32 as the main microcontroller, Flex Sensor to read the curves of the fingers, MPU6050 Sensor to read the orientation and movement of the hand, and DFPlayer Mini for sound output. The data from the sensors is sent to the smartphone application through the Blynk platform, which displays the data in the form of text and voice. This research uses the Blackbox testing method that focuses on the functional requirements of the device. The result of this research is a sign language recognition system for the hearing impaired using a microcontroller-based glove that is able to recognize several sign words, letter characters, and numbers according to SIBI. The test results show that this system is able to recognize sign language with sufficient accuracy. Out of 33 sign languages tested 10 times, the system successfully recognized 319 out of 330 signs with an accuracy rate of 96.67%. This glove is expected to help in the recognition of SIBI sign language.