Pengelolaan sampah merupakan salah satu tantangan lingkungan terbesar di era modern. Pertumbuhan jumlah penduduk dan peningkatan konsumsi masyarakat setiap tahun mendorong peningkatan volume sampah. Salah satu solusi yang dapat dilakukan untuk mengurangi dampak negatifnya adalah dengan melakukan pemilahan sampah. Permasalahan utama dalam pengelolaan sampah di Indonesia adalah kurangnya efisiensi dalam proses pemilahan sampah, yang berdampak pada meningkatnya pencemaran lingkungan. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi dan klasifikasi jenis sampah secara otomatis menggunakan metode deep learning dengan arsitektur MobileNetV2 dan diimplementasikan pada perangkat Raspberry Pi. Sistem ini dirancang untuk mengklasifikasikan sampah ke dalam dua kategori utama, yaitu sampah organik dan anorganik, dengan memanfaatkan kamera sebagai alat input visual dan sensor ultrasonik sebagai pemicu pendeteksian objek. Model MobileNetV2 dipilih karena ringan dan efisien, serta dapat dijalankan pada perangkat dengan keterbatasan daya komputasi. Model dikonversi ke format TensorFlow Lite untuk mendukung proses inferensi secara real-time pada Raspberry Pi. Hasil klasifikasi digunakan untuk mengontrol motor servo yang mengarahkan sampah ke tempat yang sesuai. Evaluasi sistem dilakukan melalui Confusion Matrix dan Black Box Testing. Hasil pengujian menunjukkan bahwa model mencapai akurasi tertinggi sebesar 99,14% tanpa penggunaan EarlyStopping pada rasio 80:10:10. Berdasarkan penelitian ini, sistem mampu mengklasifikasikan sampah secara akurat dan efisien.