Pemanfaatan teknologi dalam pembelajaran bahasa Arab dan Al-Qur'an masih kurang dan terkendala oleh minimnya sistem yang mampu mengenali huruf hijaiyah tulisan tangan secara akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi huruf hijaiyah tulisan tangan menggunakan Jaringan Syaraf Tiruan (JST) algoritma backpropagation yang digabungkan dengan teknik ekstraksi ciri bentuk dan tekstur (GLCM). Dataset terdiri dari 1200 data latih dan 450 data uji dengan citra huruf hijaiyah tulisan tangan. Tahapan penelitian meliputi preprocessing citra (resize, grayscale, Gaussian filter, binarisasi Otsu), ekstraksi 24 fitur (8 fitur bentuk dan 16 fitur GLCM), normalisasi, serta pelatihan dan pengujian model. Hasil pelatihan model mencapai akurasi sempurna 100%, sedangkan hasil pengujian pada data tulisan tangan menggunakan data Kaggle sebesar 93,77%. Sedangkan pengujian menggunakan tulisan tangan secara langsung sebesar 93%. Namun, ketika diuji dengan data huruf font digital yang belum pernah dilihat sebelumnya, akurasi sistem menurun drastis menjadi 20%. Hasil ini menyimpulkan bahwa model backpropagation yang dibangun sangat efektif untuk mengenali pola spesifik dari dataset tulisan tangan yang dilatih, namun memiliki kemampuan generalisasi yang terbatas terhadap variasi bentuk huruf yang baru.