Dalam aktivitas presentasi, kendala penggunaan perangkat fisik seperti mouse atau remote sering kali membatasi pergerakan presenter dan mengurangi efektivitas interaksi dengan audiens. Penelitian ini bertujuan untuk mengimplementasikan sistem pengenalan gerakan tangan sebagai solusi alternatif untuk mengontrol slide presentasi secara real-time tanpa perangkat tambahan. Sistem dibangun menggunakan kombinasi MediaPipe untuk deteksi landmark tangan, OpenCV untuk pengolahan citra video, dan model Long Short-Term Memory (LSTM) untuk klasifikasi pola gerakan sekuensial. Fokus penelitian terbatas pada pengenalan tiga jenis gestur tangan, yaitu “Next”, “Previous”, dan “Diam”, dengan input berupa streaming video dari kamera webcam pada jarak 1–3 meter. Model dilatih menggunakan data hasil pelabelan manual dari berbagai pengguna, lalu dievaluasi pada dua platform utama yaitu Microsoft PowerPoint dan Google Slides. Hasil evaluasi menunjukkan bahwa sistem mampu mengenali gestur secara akurat dan responsif. Dengan demikian, sistem ini dapat meningkatkan fleksibilitas dan interaktivitas dalam kegiatan presentasi, sekaligus membuka potensi penerapan lebih luas dalam interaksi manusia-komputer berbasis gerakan tangan.