Kondisi tuli sangat menggangu kemampuan seseorang untuk berkomunikasi dan dapat mempengaruhi gaya hidup atau kualitas hidup individu secara menyeluruh. Bahasa isyarat merupakan bahasa yang menggunakan komunikasi selain dengan suara berupa gerakan tangan, mimik wajah, gerakan tubuh, dan sebagainya. Sistem Isyarat Bahasa Indonesia (SIBI) merupakan salah satu komunikasi isyarat satu tangan. SIBI mengadopsi dari American Sign Language (ASL). Perkembangan teknologi telah banyak mempengaruhi kehidupan manusia zaman sekarang untuk membuat proses cepat dan tepat tidak terkecuali pada sektor pembelajaran, solusinya adalah mengembangkan computer vision. Penggunaan teknologi computer vision bertujuan untuk membantu mengenalkan abjad SIBI yang mana abjad A sampai Z kepada pengguna yang ingin mempelajarinya. Penelitian ini menggunakan teknologi computer vision dan deep learning untuk melakukan klasifikasi abjad latin SIBI. Metode yang digunakan pada penelitian ini yaitu metode Convolutional Neural Network dan arsitektur Inceptionv3 sebagai pra-latih untuk membangun sebuah model. Data yang digunakan pada penelitian ini yaitu data abjad SIBI berjumlah 2600 data citra dan memiliki 26 kelas yaitu A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, dan Z masing-masing kelas memiliki 100 data citra. Data citra abjad SIBI dilakukan proses image processing agar data yang diperoleh jadi lebih banyak. Hasil akurasi dari proses pelatihan model yang sudah dibuat dengan arsitektur CNN dan Inceptionv3 mendapatkan akurasi 98%, loss sebesar 0,0811, validasi akurasi sebesar 97% dan validasi loss sebesar 0,0803. Hasil pengujian model menggunakan confusion matrix multi-class mendapatkan nilai rata-rata accuracy sebesar 99%, precision 99%, recall 99%, dan f1-score 99%. Diharapkan dengan adanya penelitian ini dapat membantu pengguna dalam pembelajaran abjad SIBI.