Perkembangan teknologi yang melibatkan interaksi manusia dan komputer telah tumbuh semakin pesat, salah satunya adalah teknologi smart home yang menyediakan kemudahan dan kenyamanan bagi seseorang ketika berada di rumah. Saat ini, Pengenalan gestur tangan telah digunakan untuk mengendalikan peralatan diberbagai bidang pekerjaan. Perangkat yang digunakan adalah kamera Kinect yang dapat menghasilkan depth image. Proses human body skeleton tracking digunakan untuk melakukan deteksi tangan kanan dan tangan kiri secara real-time dengan waktu komputasi rata-rata sebesar 16,8 ms. Proses deteksi tangan menggunakan data koordinat joint pada telapak tangan kanan dan telapak tangan kiri kemudian dilakukan region of interest (ROI) tangan kanan dan tangan kiri. Untuk proses ekstraksi fitur pada gambar pose tangan dilakukan menggunakan metode Histogram of Oriented Gradients (HOG). Pada pose tangan kiri digunakan untuk memilih perangkat TV atau AC dan pose tangan kanan digunakan untuk memilih fitur kontrol. Proses pengenalan gestur tangan menggunakan metode klasifikasi Support Vector Machine (SVM). Hasil pengenalan pose menggunakan SVM memiliki akurasi sebesar 89,2%. Kemudian, hasil pengenalan gestur dinamis berdasarkan estimasi posisi pada pose start dan pose stop pada tangan kanan memiliki akurasi sebesar 90%. Kontrol pada perangkat TV dan AC menggunakan NodeMCU dan sensor infrared berdasarkan data hasil decode frekuensi pada remote control konvensional berupa data protocol dan address. Fitur kontrol pada perangkat TV adalah turn on, turn off, previous channel, next channel, volume up, dan volume down. Selanjutnya fitur kontrol pada AC adalah turn on, turn off, lower temperature, dan raise temperature.