Tangan manusia merupakan instrumen sensorik indah yang digunakan untuk mengeksplorasi lingkungan dengan mendeteksi rincian menit suatu objek. Saat ini banyak pengembangan wearable device menggunakan variasi pola aktifasi otot sebagai media kontrol, sehingga perkembangan ini dapat dimanfaatkan untuk membantu manusia yang memiliki keterbatasan gerak berdasarkan aktifitas otot pada lengan. Penelitian ini bertujuan untuk mengklasifikasikan pola gerakan membuka dan menggenggam pada tangan dengan menggunakan perangkat Myo Armband berdasarkan sinyal Electromyography (EMG). Perangkat Myo Armband dipakai pada lengan kanan bagian bawah subjek untuk merekam aktifitas sinyal EMG. Sinyal EMG yang telah di ekstraksi menggunakan fitur time-domain Mean Absolute Value (MAV) diproses dengan metode Bayesian Regularization of Neural Network (BRANN). Hasil learning yang diperoleh menjadi input pada microcontroller, sehingga sistem dapat mengenali gerakan tangan pada subjek. Dari penelitian ini, sistem mampu mengenali pola gerakan tangan subjek sebanyak 92% pada gerakan tangan membuka dan 92% pada gerakan tangan menggenggam.