Pengendalian robot berbasis remote control konvensional kerap memerlukan adaptasi dan pembelajaran baru bagi pengguna, khususnya bagi mereka yang belum terbiasa dengan tata letak tombol yang kompleks. Penelitian ini menawarkan solusi yang lebih intuitif melalui pendekatan Hand Gesture Recognition berbasis sarung tangan pintar (smart glove) yang dilengkapi sensor MEMS berupa akselerometer dan giroskop. Data pergerakan tangan yang diperoleh diolah menggunakan metode Neural Network Backpropagation untuk mengenali lima jenis gerakan, yaitu diam, maju, mundur, belok kiri, dan belok kanan. Sistem dikembangkan pada mikrokontroler STM32F10C dengan modul nirkabel NRF24L01 sebagai media transmisi data ke robot beroda. Pengujian dilakukan oleh satu orang pengguna dengan sepuluh kali percobaan untuk setiap gerakan. Hasil klasifikasi menunjukkan tingkat akurasi rata-rata sebesar 82,8%, dengan respon yang cepat dan stabil terhadap perintah yang diberikan. Temuan ini membuktikan bahwa pengendalian robot dapat dilakukan secara lebih natural, efisien, dan responsif hanya dengan gerakan tangan, sehingga berpotensi dikembangkan untuk aplikasi yang lebih luas di masa depan.