Abstrak - Kertas merupakan barang yang banyak digunakan dalam dunia pendidikan formal. Salah satu contoh penggunaannya adalah untuk mencatat pelajaran yang diberikan oleh pengajar pada saat kegiatan belajar mengajar. Jika semakin banyak kertas yang digunakan, maka penebangan pohon juga akan semakin banyak dilakukan. Hal tersebut akan membuat hutan menjadi gundul dan meningkatkan resiko global warming. Sebagai salah satu solusi, maka dibuat suatu aplikasi android dengan fitur handwriting recognition pada perangkat komputer mini. Sistem ini akan melakukan 1101080003pengenalan pada huruf dan karakter yang dimasukkan oleh user pada area gambar. Hasil pengenalan tersebut dapat disimpan dalam bentuk text file. File tersebut yang kemudian akan dijadikan sebagai catatan oleh user.
Hasil pengujian dengan parameter dimensi downsample didapatkan nilai akurasi tertinggi pada dimensi 7x7, yaitu sebesar 96.2% untuk angka, 94.69% untuk lowercase, dan 91.30% untuk uppercase. Hasil pengujian dengan parameter jumlah data latih didapatkan nilai akurasi tertinggi pada jumlah 1 data latih, yaitu sebesar 96.8% untuk angka, 91.53% untuk lowercase, dan 91.23% untuk uppercase. Dengan adanya aplikasi ini para pelajar tidak memerlukan banyak kertas dalam hal catat-mencatat atau pengerjaan tugas (paperless).
Kata kunci: Komputer mini, android, handwriting recognition, paperless.
Abstract - Paper is an item that is widely used in the world of formal education. One example is used to write the note from the lessons given by the teacher during the teaching and learning activities. If more paper is used, then the felling of trees will also be getting a lot done. This will make the forest bare and increase the risk of global warming. As one solution, then made an android application with handwriting recognition feature on the mini computer. This system will make recognition to letters and characters entered by the user on the image area. The recognition results can be saved in a text file. The file will then be used as a note by the user.
Results of testing with downsample dimensional parameter values obtained the highest accuracy in dimensions 7x7, amounting to 96.2% for the numbers, 94.69% to lowercase, and 91.30% for uppercase. Results of testing with the amount of training data parameter values obtained the highest accuracy on the amount of training data 1, amounting to 96.8% for the numbers, 91.53% to lowercase, and 91.23% to uppercase. With this application, the students do not require a lot of paper in terms of log-recording or processing tasks (paperless).
Keywords: Minicomputer, android, handwriting recognition, paperless