Deteksi Lipatan Tangan merupakan salah satu bidang penelitian penting dalam pengenalan gestur dan interaksi manusia-komputer. Dengan semakin berkembangnya teknologi pengenalan gambar dan deep learning, metode Convolutional Neural Network (CNN) telah terbukti sebagai pendekatan yang efektif dalam melakukan klasifikasi dan deteksi objek pada citra. Keunggulan metode ini terletak pada kemampuan pengenalan pola visual dan analisis gambar. Implementasi pengenalan lipatan tangan dapat diterapkan dalam berbagai aplikasi, seperti deteksi gestur telapak tangan untuk keperluan ilmu kesehatan, interaksi manusia-komputer, dan autentikasi personal. Model CNN yang dikembangkan bertujuan untuk mendeteksi dan mengenali lipatan tangan melalui gambar. Proses pelatihan model ini melibatkan penggunaan dataset gambar lipatan tangan, yang mencakup tahapan preprocessing data, augmentation data, dan tuning parameter untuk mengoptimalkan performa model. Data set dibagi menjadi dua yaitu, 80% untuk data training dan 20% data validasi. Pada tahap ini jumlah data validasi 12099 data dan data training 48396 dari 11 subjek. Hasil validasi menunjukan dari 12099 gambar ini, diperoleh nilai akurasi sebesar 99%, dan saat pengujian dengan model sudah di training di uji secara real time dapat deteksi 85% dari 40 gambar pengujian. kesimpulan yang dapat diambil adalah kinerja model cukup bagus.
Kata kunci: Image Processing; Gestur Jari Tangan, CNN