<![CDATA[Abstrak - Sistem tempat sampah pintar berbasis Internet of Things (IoT) dikembangkan untuk mengoptimalkan proses pemilahan sampah secara otomatis. Sistem ini menggunakan sensor ultrasonik pada ESP32 untuk mendeteksi keberadaan objek, kamera ESP32-CAM untuk mengambil citra, dan model deep learning MobileNetV2 untuk melakukan klasifikasi ke dalam dua kategori: organik dan daur ulang. Hasil klasifikasi digunakan untuk menggerakkan servo sebagai mekanisme pemisahan, sekaligus dikirim ke dashboard web melalui API untuk pencatatan dan pemantauan. Model dilatih menggunakan dataset 5.000 citra dengan teknik augmentasi, dan menghasilkan performa akurasi sebesar 93% pada data validasi. Sistem berhasil bekerja secara realtime, dengan rata-rata waktu inferensi kurang dari 1 detik. Dashboard mampu menampilkan statistik jumlah sampah, riwayat klasifikasi, dan grafik tren berdasarkan rentang tanggal. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi objek, mengklasifikasi citra, dan menggerakkan servo dengan stabil. Sistem ini dapat diimplementasikan pada lingkungan nyata untuk mendukung pengelolaan sampah yang lebih efisien dan terotomatisasi. Keywords : IoT; ESP32; ESP32-CAM; klasifikasi sampah; dashboard monitoring; Abstract - An Internet of Things (IoT)-based smart waste bin system was developed to optimize the automatic waste sorting process. This system uses an ultrasonic sensor on ESP32 to detect the presence of objects, an ESP32-CAM camera to capture images, and a MobileNetV2 deep learning model to classify waste into two categories: organic and recyclable. The classification results are used to activate the servo as a separation mechanism, while also being sent to the web dashboard via API for recording and monitoring. The model was trained using a dataset of 5,000 images with augmentation techniques, achieving an accuracy of 93% on the validation data. The system operates in real-time, with an average inference time of less than 1 second. The dashboard is capable of displaying statistics on the amount of waste, classification history, and trend graphs based on date ranges. The test results show that the system can detect objects, classify images, and activate the servo stably. This system can be implemented in a real environment to support more efficient and automated waste management. Keywords: IoT; ESP32; ESP32-CAM; waste classification; monitoring dashboard;]]>
