Aksara Jawa merupakan salah satu aksara tradisional Indonesia yang digunakan di pulau Jawa, yang mana saat ini penggunaannya mulai menurun dikarenakan sulitnya dalam mempelajari bentuk-bentuk yang banyak, rumit, serta mirip antara huruf satu dengan yang lainnya. Hal ini dapat berdampak pada kelestarian kebudayaan Aksara Jawa yang semakin menurun, yang mana jika dibiarkan akan menyebabkan hilangnya salah satu ciri khas Negara Indonesia. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan membuat sebuah aplikasi yang dapat bekerja dengan baik dalam mengenali gambar tulisan aksara Jawa. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan pendekatan baru dalam transfer learning menggunakan pre-trained model ResNeXt. Dataset yang digunakan untuk proses training model yaitu dataset hasil penggabungan dataset gambar aksara Jawa yang tersedia secara publik di laman Kaggle dengan dataset hasil koleksi manual serta hasil augmentasi yang dilakukan penulis. Proses pengenalan yang digunakan pada aplikasi ini berbasis Optical Character Recognition (OCR) dengan tahapan preprocessing, segmentasi, ekstraksi ciri dan klasifikasi, serta post-processing. Hasil uji model CNN terbaik didapatkan pada percobaan dengan kombinasi penggunaan optimizer Adam, learning rate 0.0001 tanpa scheduler, serta pembekuan 4 layer pertama dari 10 layer model CNN ResNeXt, dengan nilai akurasi testing sebesar 0.9819 atau 98.19%. Sedangkan proses OCR pada aplikasi mobile yang diuji pada 11 gambar yang diambil dari buku Pepak Jawa mencapai rata-rata tingkat kesalahan karakter (character error rate) sebesar 32.50%.