Sistem Isyarat Bahasa Indonesia (SIBI) adalah bentuk komunikasi yang digunakan oleh orang tunarungu di Indonesia, yang melibatkan gerakan tangan, tubuh, dan ekspresi wajah untuk menyampaikan pesan tertentu. Seiring dengan kemajuan teknologi di era digital, teknik pengenalan gambar dan pengolahan citra telah berkembang pesat, salah satunya adalah Convolutional Neural Network (CNN). CNN adalah arsitektur dalam algoritma Deep Learning, sebuah metode pembelajaran mesin yang memanfaatkan jaringan saraf tiruan dengan banyak lapisan. Deep learning banyak diterapkan dalam bidang visi komputer, seperti deteksi objek, klasifikasi gambar, dan pengenalan wajah. Dalam penelitian ini, Digunakan CNN dan model YOLO untuk mendeteksi simbol abjad SIBI secara real time dan menganalisis hasil deteksi dari pengujian dengan kedua model tersebut. Dataset penelitian terdiri dari 1200 gambar simbol abjad SIBI, dari A sampai Z. Implementasi model dilakukan di Google Colaboratory dengan menggunakan bahasa pemrograman Python. Hasil penelitian ini menunjukkan bahwa deteksi objek menggunakan YOLOv9 didapatkan akurasi lebih tinggi yaitu 85%