Komunikasi adalah hal sangat penting bagi setiap makhluk hidup. Komunikasi terbagi dalam dua kategori, yaitu verbal dan nonverbal. Bahasa isyarat merupakan komunikasi nonverbal yang tidak memakai kata- kata sama sekali tetapi digantikan dengan gerakan tertentu. Dalam Bahasa isyarat, setiap gerakan memiliki makna-makna tertentu. Oleh karena itu, diperlukan bantuan memaknai gerakan itu dengan menggunakan sebuah tahapan klasifikasi. Namun, metode ini membutuhkan fitur yang canggih untuk melakukan klasifikasi. Penerjemahan Bahasa isyarat menggunakan Teknik pengklasifikasian linear seperti CNN, k-NN dan lain sebagainya. Penelitian ini menggunakan penerjemah berbasis model Convolutional Neural Network (CNN) dengan menerapkan arsitektur ResNet50V2. Untuk melatih model CNN, dibuah sebuah dataset yang merupakan kumpulan data citra dari alfabet A-Z, delete, space dan nothing. Pelatihan data dilakukan dengan menerapkan beberapa input layer dan fully connected layer untuk mendapatkan model dengan kinerja terbaik. Model yang dilatih dievaluasi kinerjanya menggunakan nilai akurasi. Dalam penerapan model CNN ini didapatkan model yang mempunyai nilai akurasi 100%.