Indonesia memiliki populasi penyandang tunarungu terbesar keempat di dunia, dengan sekitar 19 juta jiwa mengalami disabilitas pendengaran. Kondisi ini menimbulkan tantangan signifikan dalam komunikasi, yang umumnya diatasi dengan penggunaan bahasa isyarat. Namun, ketersediaan layanan khusus bagi tunarungu, terutama dalam pendidikan agama seperti pembelajaran Al-Qurán masih sangat terbatas. Ketidakmerataan peraturan daerah tentang disabilitas membuat layanan ini sulit diakses oleh tunarungu. Padahal, pendidikan agama termasuk mempelajari huruf hijaiyah sangat penting sebagai langkah awal untuk membaca Al-Qur'an. Teknologi Hand Gesture Recognition (HGR) menawarkan solusi inovatif untuk mendukung komunikasi dan pendidikan tunarungu. HGR memungkinkan komputer mengenali gerakan tangan yang dapat digunakan untuk mengajarkan huruf hijaiyah. Penelitian ini bertujuan untuk menguji akurasi sistem pengenalan isyarat tangan untuk huruf Hijaiyah menggunakan model Feedforward Neural Network (FNN). Implementasi FNN menggunakan framework mediapipe dengan pemrograman python yang diaplikasikan di jupyter notebook. Jumlah dataset yang digunakan 4.506 citra yang dibagi menjadi 80% data train, 20% data validation dari total data train, dan 20% data test. Pelatihan dilakukan sebanyak sepuluh kali percobaan dengan membandingkan parameter epoch untuk menghasilkan akurasi terbaik. Dari sepuluh percobaan, parameter yang menghasilkan akurasi terbaik menggunakan epoch 300 pada batch size 32. Hasil pengujian menggunakan confusion matrix menunjukkan bahwa pengenalan huruf hijaiyah mencapai tingkat akurasi sebesar 97%, precision 100%, recall 97%, dan F-score sebesar 98.5%. Penelitian ini menyimpulkan bahwa sistem yang telah diimplementasikan dapat bekerja dengan baik dan mampu mendeteksi huruf hijaiyah secara realtime.