ABSTRAK Nama : Yonatan Program Studi : Magister Ilmu Komputer Judul : Sistem Pengenalan Huruf Bahasa Isyarat Invarian Terhadap Skala dan Rotasi Komunikasi merupakan salah satu alat yang penting dalam kehidupan manusia karena dengan alat ini manusia dapat menyampaikan ide pikirannya dan setiap manusia berhak mengerti dan dimengerti pada saat berkomunikasi. Bahasa isyarat merupakan bahasa yang biasa digunakan oleh penyandang tuna rungu. Salah satu metode ektraksi fitur dan klasifier yang telah digunakan antara lain adalah DCT dengan model jaringan syaraf tiruan sebagai klasifier yang telah dilakukan oleh Paulraj, dkk. Penelitian ini difokuskan pada pengenalan alfabet SIBI yang invarian terhadap skala dan rotasi dengan menggunakan sensor kamera video karena belum banyak yang melakukan penelitian focus pada invariant terhadap skala dan rotasi. Dilakukan tiga metode ekperimen yang semuanya menggunakan SIFT yaitu (1) metode pencocokan/matching yang telah dikembangkan oleh David Lowe dengan sedikit kontribusi dalam algoritma klasifikasi, (2)diusulkan metode Mean-SIFTKNN dan (3) metode Bag of Features sebagai pembanding metode yang diusulkan. Metode (2) dan (3) sama-sama menggunakan KNN sebagai metode pembelajaran mesinnya. Untuk semua metode, dilakukan tiga tipe data test yaitu kumpulan citra bahasa isyarat tampak depan, tampak samping dan skala 50% lebih kecil. Hasil eksperimen menunjukan data test tampak depan untuk semua metode yang diujikan memiliki kinerja yang hampir sama. Untuk data test tampak samping metode Mean-SIFT-KNN menunjukan hasil yang paling baik dengan tingkat akurasi 96% dan untuk data test skala 50% pada grafik menunjukan Mean-SIFTKNN lebih stabil untuk akurasi, presisi, recall, F-Measure dan specificitynya. Kata Kunci: SIBI, SIFT, Pengenalan Huruf Bahasa Isyarat, KNN, Bag of Features.