Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang memengaruhi kemampuan sosial, komunikasi, serta perilaku individu sejak usia dini. Di Indonesia, jumlah anak dengan autisme terus meningkat, namun keterbatasan data yang valid dan representatif menjadi hambatan serius dalam pengembangan sistem diagnosis berbasis kecerdasan buatan. Salah satu jenis data penting dalam penelitian ini adalah gambar tulisan tangan anak autisme yang mencerminkan pola motorik halus dan kemampuan kognitif. Namun, proses pengumpulan data tersebut memiliki tantangan besar dari segi etika, biaya, dan ketersediaan. Penelitian ini bertujuan untuk mengatasi keterbatasan data dengan menghasilkan data sintesis menggunakan metode Generative Adversarial Networks (GANs), yaitu arsitektur jaringan saraf yang terdiri dari dua komponen: generator dan discriminator. Melalui pelatihan yang bersifat kompetitif, GANs mampu menghasilkan data sintesis visual yang menyerupai data asli. Dengan pendekatan ini, diharapkan jumlah dan variasi dataset dapat ditingkatkan secara signifikan untuk mendukung pelatihan model klasifikasi dan analisis perilaku anak autisme. Hasil dari penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung diagnosis yang lebih efisien, hemat biaya, dan akurat. Selain itu, penggunaan data sintesis juga membuka peluang untuk riset lanjutan di bidang kesehatan anak dengan tetap memperhatikan validitas dan etika penggunaannya.
Kata Kunci: Autisme, Data Sintesis, Tulisan Tangan, Generatif Adversarial Networks (GANs), Kecerdasan Buatan.