Penelitian ini bertujuan untuk menganalisis akurasi deteksi objek dalam pengenalan bahasa isyarat tangan menggunakan metode Single Shot Detection (SSD) yang diimplementasikan dengan tensorflow. Latar belakang penelitian ini berasal dari kebutuhan akan sistem komunikasi yang bagi penyandang disabilitas. Metode SSD dipilih karena kemampuannya mendeteksi objek secara real-time dengan efisiensi tinggi. Dataset yang digunakan terdiri dari gambar tangan dalam berbagai pose kata kerja dalam bahasa isyarat. Proses pelatihan model melibatkan peningkatan data dan penggunaan teknik transfer learning untuk meningkatkan performa deteksi. Faktor-faktor yang mempengaruhi akurasi, seperti kompleksitas latar belakang dan variasi pencahayaan, dianalisis untuk memberikan pemahaman yang analisis menyeluruh tentang kinerja model. Analisis ini sangat penting dalam mengidentifikasi potensi perbaikan dan memastikan kekuatan sistem deteksi dalam berbagai kondisi. Temuan penelitian ini menyoroti bahwa metode SSD yang diimplementasikan dengan tensorflow sangat efektif untuk pengenalan bahasa isyarat tangan. Efektivitas ini memainkan peran penting dalam memajukan pengembangan sistem komunikasi yang lebih inklusif, memberikan manfaat besar bagi komunitas penyandang disabilitas dengan meningkatkan kemampuan mereka untuk berkomunikasi. Dengan menjembatani kesenjangan komunikasi, penelitian ini berkontribusi pada penciptaan lingkungan yang lebih mudah diakses dan inklusif bagi individu dengan gangguan pendengaran. Selain itu, penerapan teknologi semacam ini dapat membuka jalan bagi kemajuan di masa depan dalam penggunaan perangkat komunikasi bantu.