Pada penelitian ini telah dilakukan pengembangan sistem klasifikasi pola gerakan tangan yang terhubung dengan alat bantu tangan orthosis. Studi tentang gerakan tangan dan jari merupakan topik penting dan potensial yang kegunaannya dapat diaplikasikan pada bidang prostetik, rehabilitasi, dan ergonomi. Beberapa tahun terakhir telah dilakukan upaya dalam proses mengidentifikasi skema kontrol yang sesuai dengan penggunaan feature extraction, dimensionality reduction, dan classification techniques untuk melakukan improvisasi keakuratan pengenalan sinyal electromyography (EMG). Algoritma klasifikasi diawali dengan pemilihan penempatan sensor elektroda untuk mendapatkan sinyal EMG paling optimal, kemudian dilakukan beberapa ekstraksi untuk mendapatkan karakteristik sinyal EMG yang akan digunkan sebagai input classifier Backpropagation Neural Network. Hasil menunjukkan klasifikasi pola gerakan tangan mencapai akurasi 93,13%. Selanjutnya, model dari pembelajaran classifier diintegrasikan dengan alat bantu tangan orthosis. Solusi ini dapat membantu dalam pengembangan di bidang medis khususnya pengembangan penggunaan sinyal EMG yang dikombinasikan dengan pengembangan alat bantu tangan orthosis yang dapat bermanfaat bagi masyarakat yang membutuhkan.