ABSTRAK Nama : Mohamad Harits Nur Fauzan Program Studi : Ilmu Komputer Judul : Ekstraksi Fitur Tangan dari Citra Telepon Pintar menggunakan Elliptical Fourier Descriptor, Centroid, dan Area untuk Mengenali Isyarat Kata Berimbuhan SIBI (Sistem Isyarat Bahasa Indonesia) Sistem Isyarat Bahasa Indonesia (SIBI) merupakan bahasa isyarat resmi untuk Bahasa Indonesia. Dengan adanya teknologi smartphone, pengembangan sistem penerjemah isyarat SIBI ke teks yang dapat digunakan oleh banyak orang menjadi memungkinkan. Isyarat yang diterjemahkan pada penelitian ini adalah isyarat kata berimbuhan yang mengandung isyarat terbanyak pada SIBI. Isyarat kata berimbuhan SIBI adalah isyarat yang dibangun dengan mengombinasikan isyarat awalan dan akhiran dengan isyarat kata dasar. Untuk menerjemahkan isyarat tangan ke teks dengan cepat dan akurat diperlukan fitur yang mampu mendeskripsikan karakteristik dari isyarat kata berimbuhan SIBI. Tujuan penelitian ini adalah menemukan kombinasi fitur terbaik dari Elliptical Fourier Descriptor (EFD) dengan berbagai order, Centroid, dan Area. Hasil pengamatan menunjukkan EFD order 10 menghasilkan aproksimasi contour yang mendekati contour aslinya. Model yang digunakan di dalam penelitian ini adalah 2-layer Long Short-Term Memory (LSTM). Terdapat dua dataset yang digunakan di dalam penelitian ini, di mana keduanya berisi 7 awalan dan 11 akhiran. Dataset I, terdiri dari 46 kata dasar, sedangkan dataset II merupakan subset dari dataset I dengan 8 kata dasar. Dengan jumlah kata dasar yang lebih sedikit, dataset II digunakan untuk mencari kombinasi fitur terbaik yang kemudian digunakan pada dataset I. Kedua dataset kemudian dilakukan processing dan formatting sehingga menghasilkan komponen awalan, kata dasar, akhiran, dan gabungan. Komponen gabungan hanya dimiliki oleh dataset I. Berdasarkan hasil eksperimen pada dataset II dengan order EFD 10, komponen awalan, kata dasar, dan akhiran berhasil memberikan akurasi terbaik sebesar 71.75%, 99.59%, dan 86.88%. Hasil eksperimen terhadap order 10 hingga 15 pada dataset II tidak menunjukkan perbedaan akurasi yang signifikan dalam mendeskripsikan bentuk tangan, sedangkan hasil eksperimen terhadap order 1, 5, dan 10 pada dataset II menunjukkan perbedaan akurasi yang signifikan. Pada eksperimen ini ditemukan bahwa order 14 memiliki hasil akurasi terbaik dan digunakan pada eksperimen berikutnya. Berdasarkan hasil eksperimen pada dataset I dengan order EFD 14, komponen awalan, kata dasar, akhiran, dan gabungan berhasil mendapatkan akurasi tertinggi sebesar 73.94%, 86.34%, 93.36%, dan 57.63%. Kata Kunci: SIBI, Feature Extraction, Computer Vision, Image Processing, Machine Learning.