Aksara Bali adalah warisan budaya Bali yang tetap harus dijaga dan dilestarikan. Namun, pada saat ini aksara Bali mulai jarang digunakan sehingga menyebabkan banyak masyarakat Bali yang kurang menguasai teknik menulis dan membaca aksara Bali dengan baik. Dengan kemajuan teknologi yang begitu cepat, sistem klasifikasi tulisan tangan aksara Bali dapat membantu dalam mengenali dan membaca karakter tulisan tangan aksara Bali. Maka dari itu, pada tugas akhir ini dikembangkan aplikasi mobile berbasis android yang dapat mengklasifikasi gambar tulisan tangan aksara Bali. Model untuk klasifikasi yang diterapkan dalam tugas akhir ini adalah convolutional neural network (CNN) dengan arsitektur MobileNetV3-Large dan EfficientNet-B0. Aplikasi diintegrasikan dengan model menggunakan dua arsitektur, yaitu aplikasi menggunakan model yang ada di server dan aplikasi menggunakan model yang ada di perangkat mobile. Hasil pengujian model menunjukkan bahwa EfficientNet-B0 merupakan model yang paling optimal dengan performa akurasi dan F1-Score 0,9905 dan 0,9905 pada data uji. Selanjutnya, hasil pengujian aplikasi menunjukkan bahwa aplikasi yang menggunakan model MobileNetV3-Large yang ada di perangkat mobile mempunyai rata-rata end-to-end classification time yang paling rendah, yaitu 61,9465ms.