Penderita tuna rungu menggunakan bahasa isyarat dalam berkomunikasi. Tujuan utama dari penelitian ini adalah agar terjadi harmoni sosial yang baik antara orang tuna wicara dan tuna rungu dengan orang normal. Pada penelitian ini, pengenalan yang dilakukan terfokus pada pengenalan isyarat angka “0”-“9”. Pengenalan pola isyarat citra tangan statis akan melaui tiga tahapan secara garis besar yaitu, segmentasi citra tangan, ekstraksi fitur/ciri, dan klasifikasi pola. Pada penelitian ini citra akan melalui proses segmentasi yaitu dengan proses background removing/ skin detection untuk memisahkan wilayah objek yang akan diteliti (yaitu tangan) dengan backgroundcitra. Kemudian citra hasil tersebut akan dirubah dalam mode grayscale untuk selanjutnya dilakukan ekstraksi fitur dan klasifikasi pola dengan menggunakan algoritma PCA dan 2DPCA. Pada penelitian ini data citra yang digunakan 200 data training dan data testing untuk di proses pada sistem yang telah dibuat. Dengan menggunakan metode ekstraksi fitur PCA dan 2DPCA, kemudian dihitung pengenalan jaraknya menggunakan Euclidean Distance, dengan perbandingan tingkat akurasi 87,5% untuk PCA dan 94% untuk 2DPCA. Sehingga disimpulkan bahwa akurasi 2DPCA lebih besar dari PCA.

Deaf people use sign language to communicate. main objective of this researc his to enable the social harmony between the people and the deaf mute with normal people. In this study, the introduction of which was focused on the introduction of cuepoints ”0”-“9”. Image o fthe hand gesture pattern recognition through the static will outline three stages namely, the hand image segmentation, feature extraction/characteristics, and pattern classification. In this research, going through the process of image segmentation with background removing/ skin detection to separate the object regionto be studied (hand) with background citra. Then the image of the results will be change dingrey scale mode for subsequent feature extraction and pattern classification using PCA algorithm and 2DPCA. In this study, image data isused 200 training data and testing data is tobe processed on a system that has been created. By using PCA feature extraction method and 2DPCA then the distance is calculate dusing the Euclidean Distance introduction, with a ratio of 87,5% accuracy rate to 94% for the PCA and 2DPCA. It can be concluded that the accuracy of 2DPCA greater than PCA.