Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang memengaruhi kemampuan motorik dan kognitif, termasuk dalam aktivitas menulis tangan. Tulisan tangan anak ASD sering menunjukkan ciri-ciri berbeda dibandingkan dengan anak Non- Autism Spectrum Disorder (Non-ASD), sehingga dapat digunakan sebagai indikator untuk klasifikasi dan identifikasi dini. Penelitian ini mengusulkan penerapan arsitektur deep learning InceptionV3 untuk membedakan tulisan tangan anak ASD dan Non-ASD. Dataset dikumpulkan dari lima institusi pendidikan di Banda Aceh, terdiri atas 4000 gambar (2000 gambar ASD dan 2000 gambar Non-ASD) yang kemudian diproses melalui tahapan cropping, augmentasi, dan resize. Model InceptionV3 dimodifikasi untuk klasifikasi biner dan dilatih sebanyak 30 epoch menggunakan library PyTorch. Evaluasi model menggunakan metrik klasifikasi menunjukkan performa yang cukup tinggi dengan accuraccy 86,79%, precision 83,01%, Recall 92,50%, dan F1-score 87,50%. Hasil ini menunjukkan bahwa tulisan tangan dapat menjadi fitur yang relevan dalam membedakan anak ASD dan Non-ASD, serta bahwa model InceptionV3 dapat digunakan sebagai alat bantu berbasis teknologi untuk mendukung analisis perkembangan anak.
.