Keterbatasan motorik tangan dapat menghambat individu dalam mengekspresikan aktivitas bermusik, khususnya pada kondisi gangguan saraf atau cedera. Penelitian ini merancang sistem alat musik interaktif berbasis sinyal elektromiografi (EMG) yang mengonversi aktivitas otot lengan menjadi nada digital melalui MIDI controller secara real-time. Sistem terdiri atas sensor EMG, Arduino Uno, serta perangkat lunak berbasis Python dengan antarmuka grafis (GUI). Pemrosesan sinyal meliputi tahap akuisisi sinyal otot, ekstraksi fitur Mean Absolute Value (MAV), Root Mean Square (RMS), dan Waveform Length (WL), serta klasifikasi gerakan menggunakan algoritma Decision Tree. Hasil klasifikasi digunakan sebagai dasar pengiriman not MIDI ke Digital Audio Workstation (DAW). Pengujian sistem dilakukan terhadap delapan jenis gerakan tangan dengan masing-masing 10 kali percobaan, sehingga diperoleh total 80 data uji. Hasil pengujian menunjukkan tingkat akurasi sebesar 82,5% dengan 66 prediksi yang sesuai. Gerakan membuka tangan dan menekuk jari telunjuk menghasilkan akurasi 100%, sedangkan gerakan dengan pola aktivasi otot yang saling tumpang tindih, seperti membentuk angka 1 dan angka 2, menghasilkan akurasi sebesar 60%. Penurunan akurasi pada gerakan tersebut disebabkan oleh kemiripan nilai fitur MAV, RMS, dan WL sehingga menyulitkan proses pemisahan kelas oleh model Decision Tree.