Interaksi manusia dengan komputer tidak dapat dipisahkan dalam kehidupan sehari-hari, lebih dari 60% pekerjaan manusia dilakukan di depan komputer. Namun penggunaan komputer terbatas pada kondisi penggunaannya, misal ketika sedang bepergian atau di luar ruangan kerja kita tidak bisa menggunakan komputer dengan leluasa karena terbatasnya interface ke komputer, metode interaksi dengan komputer yang ada saat ini menggunakan touchpad, mouse, keyboard dan touchscreen dimana perangkat tersebut membutuhkan kondisi ruangan khusus agar dapat beroperasi. Oleh karena itu pada proyek akhir ini kami membuat alat sebagai alternatif interface manusia ke komputer yang diharapkan dapat lebih fleksibel dan bebas dibanding perangkat yang sudah ada. Tugas akhir ini menerapkan teknologi Surface Electromyograph (SEMG) dan Long Short Term Memory Recurrent Neural Network (LSTM-RNN) untuk mengidentifikasi gesture tangan yang akan digunakan untuk memberikan masukan kepada komputer. Sinyal EMG didapatkan dari rangkaian instrumentasi yang terdiri dari rangkaian penguat instrumentasi, dc rejection filter, band-pass filter dan mikrokontroller yang kemudian dimasukkan ke komputer untuk dilakukan ekstraksi fitur menggunakan linear envelope dan di rekognisi dengan neural-network. Dari pengujian akurasi maksimal 65% untuk masing-masing gesture yang akan dideteksi