Penelitian ini bertujuan untuk mengimplementasikan model Efficientnet-B0 dalam klasifikasi tulisan tangan anak dengan Autism Spectrum Disorder (ASD) dan Non-ASD. Penelitian ini menggunakan dataset yang terdiri dari 4.800 gambar tulisan tangan yang terbagi menjadi dua kelas: 2.400 gambar untuk anak-anak dengan ASD dan 2.400 gambar untuk anak-anak dengan Non-ASD. Proses penelitian dimulai dengan pengumpulan data yang mencakup berbagai gaya tulisan tangan, dilanjutkan dengan tahap preprocessing yang meliputi cropping, penyesuaian kontras, dan resizing gambar menjadi ukuran standar untuk model Efficientnet-B0. Augmentasi data juga diterapkan untuk memperkaya dataset, termasuk rotasi, flipping, dan penyesuaian kontras, guna meningkatkan kemampuan generalisasi model. Model Efficientnet-B0 diterapkan untuk mengklasifikasikan tulisan tangan, dan evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ini dapat mengklasifikasikan tulisan tangan dengan akurasi 82,50%, dengan precision lebih tinggi pada kelas ASD (0,92) dibandingkan dengan Non-ASD (0,77), dan recall lebih tinggi pada kelas Non-ASD (0,94). Meskipun demikian, model masih perlu peningkatan untuk mendeteksi tulisan tangan anak dengan ASD yang lebih bervariasi. Penelitian ini menunjukkan bahwa Efficientnet-B0 memiliki potensi sebagai alat bantu skrining dini untuk mendeteksi ASD berbasis tulisan tangan di lingkungan sekolah.