Permasalahan sampah belum teratasi dengan baik, memerlukan perhatian serius karena dampaknya signifikan. Penyebabnya karena proses daur ulang yang lama dan tidak ada pemilahan sampah. Solusinya adalah pemisahan dan pemilahan sampah berdasarkan jenisnya untuk mempermudah daur ulang. Penelitian menggunakan teknologi Machine Learning dalam pengelolaan sampah dapat menjadi inovasi baru, tetapi masih memerlukan peningkatan pada akurasi, Dataset gambar, dan penerapan pada medium yang berbeda. Berdasarkan hasil penelitian menggunakan Dataset yang telah diCleaning, memperoleh total 7736 gambar dan 12 kategori sampah, kemudian ditrain menggunakan Algoritma Deep Learning Convolutional Neural Network dengan data yang telah di Augmentasi serta menerapkan metode Transfer Learning menggunakan Pre-Trained Model MobileNetV2. Hasil dari pelatihan model pada Epoch ke-21 memperoleh nilai akurasi 96,28%, akurasi validasi 89,44%, loss 10,33%, loss validasi 40,98%. Nilai metrik memiliki kriteria kinerja yang baik dan tidak Overfit. Kemudian dilakukan pengujian dengan perulangan untuk mengecek label yang diprediksi dengan label sebenarnya. Hasil dari pengujian tersebut 30 dari 32 label yang diuji memiliki ketepatan uji. Hasil evaluasi pada masing-masing kategori menggunakan metrik Precision, Recall, F1-Score, dan Support dari classfication_report Scikit Learn. Metrik memiliki Nilai tinggi, serta akurasi keseluruhan 91%. Model juga memprediksikan label dengan baik pada setiap kelas, dengan jumlah instance yang berbeda-beda. Dari hasil Pengujian dan Evaluasi, dapat disimpulkan penerapan Algoritma, Metode, dan Data yang digunakan pada penelitian ini berdasarkan nilai-nilai tersebut, menunjukkan model dapat memprediksi dengan sangat baik. Kemudian pada Web yang diimplementasikan menggunakan TensorFlow.js dan React.js, akan memperoleh hasil yang sama dengan Model Machine Learning.