Bahasa isyarat, khususnya Bahasa Isyarat Bahasa Indonesia atau lebih dikenal dengan
SIBI menjadi Bahasa resmi yang digunakan penyandang tuli dalam berkomunikasi, baik dengan
sesama penyandang tuli ataupun dengan orang normal. Namun, kendala muncul karena sebagian
kecil orang saja bisa bahasa isyarat. Akibatnya, berkomunikasi dengan penyandang tuli bisa
menjadi tantangan. Penelitian ini memiliki tujuan untuk mengklasifikasikan alfabet pada
SIBIdengan total 24 kelas, dengan pengecualian huruf J dan Z. Pendekatan klasifikasi ini
dilakukan melalui perbandingan tiga arsitektur Convolutional Neural Network (CNN) MobileNet
diantaranya adalah MobileNetV2, MobileNetV3Small, dan MobileNetV3Large. Penelitian ini
bermaksud menentukan arsitektur yang paling optimal. Hasil penelitian menunjukkan bahwa
MobileNetV3Small menghasilkan model yang paling baik. Dalam pengujian menggunakan data
tes, model ini mencapai akurasi sebesar 98,81% dengan menggunakan batchsize 32 dan
menjalankan proses pelatihan selama 30 epoch.