Komunikasi merupakan kendala utama yang dihadapi oleh penyandang
tunarungu dan tunawicara dalam berinteraksi dengan masyarakat umum. Bahasa
Isyarat Indonesia (BISINDO) merupakan salah satu media komunikasi yang
digunakan, namun pemahamannya di kalangan masyarakat luas masih sangat
terbatas. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan
klasifikasi kata serta angka pada Bahasa Isyarat secara real-time berbasis
computer vision. Metode yang digunakan dalam penelitian ini adalah algoritma
deep learning objek deteksi mutakhir, yaitu YOLOv8. Dataset primer yang
digunakan berjumlah 13.927 citra yang dikumpulkan bersama komunitas
GERKATIN (Gerakan Kesejahteraan Tunarungu Indonesia) cabang Bogor,
mencakup 30 kelas isyarat tangan (angka 1–9 dan kosakata sehari-hari). Dataset
tersebut dibagi menggunakan metode video-level splitting dengan proporsi 70?ta latih (9.750 citra), 20?ta validasi (2.784 citra), dan 10?ta uji (1.393
citra) untuk mencegah terjadinya kebocoran data (data leakage). Hasil pengujian
dan evaluasi model menunjukkan performa yang sangat optimal dan stabil di
seluruh kelas tanpa adanya gejala overfitting. Pengukuran performa menggunakan
confusion matrix menghasilkan nilai akurasi yang hampir sempurna, dengan nilai
Mean Average Precision (mAP50) sebesar 0,994, mAP50-95 sebesar 0,771,
tingkat presisi (precision) sebesar 0,997, tingkat sensitivitas (recall) sebesar 0,999,
serta rata-rata F1-score gabungan mencapai 0,998. Sistem ini terbukti dapat
mengenali fitur geometri dan gerakan tangan dinamis maupun statis, sehingga
berpotensi besar menjadi jembatan komunikasi yang inklusif antara penyandang
tunarungu/tunawicara dengan masyarakat umum.

Kata Kunci: Bahasa Isyarat, BISINDO, Tunarungu, Tunawicara, YOLO V8