Sampah merupakan salah satu masalah lingkungan yang serius di seluruh dunia. Klasifikasi dan pemilahan sampah yang tidak tepat dapat memperburuk kondisi lingkungan. Oleh karena itu, diperlukan solusi yang dapat mengotomatisasi proses pemilahan sampah. Rancang bangun sistem robot cerdas pemilah jenis sampah ini bertujuan untuk merancang dan mengembangkan sistem robot cerdas yang mampu memilah jenis sampah secara otomatis berdasarkan kategori sampah kertas, logam, dan plastik. Sistem robot cerdas ini dibangun menggunakan Arduino Mega 2560 sebagai mikrokontroler utama yang dihubungkan melalui komunikasi serial dengan Raspberry Pi 4 sebagai otak sistem atau pengolah data input dari kamera. Selain itu, algoritma pembelajaran mesin (machine learning) khususnya dalam pengolahan citra diterapkan untuk mendukung kemampuan robot dalam mengenali jenis sampah berdasarkan karakteristik visual menggunakan algoritma YOLOV8. Proses desain robot meliputi perancangan perangkat keras (hardware), perancangan model algoritma object detection, dan pengujian kemampuan robot dalam pemilahan tiga jenis objek sampah. Dari 3031 dataset dan 1263 gambar yang dianotasi, robot berhasil memilah sampah dengan tingkat akurasi pembacaan sebesar 100% nilai recall, 95,9% nilai precision, 87% nilai F1, dan 100% nilai confusion matrix untuk ketiga jenis sampah. Kendati demikian, robot menunjukkan efisiensi waktu yang lebih lama dibandingkan metode manual dikarenakan adanya tahap scanning yang diperlukan robot dalam menentukan urutan objek sampah sebelum memindahkannya ke dalam kotak yang sesuai. Pengujian dilakukan di gedung jurusan Teknik Elektro lantai dua ruangan Bengkel Elektronika dengan tiga jenis sampel sampah yang berbeda. Rancang bangun sistem robot cerdas pemilah jenis sampah telah berhasil memenuhi tujuan untuk memilah jenis sampah secara otomatis. Namun, akurasi pemilahan dapat ditingkatkan dengan melakukan optimalisasi algoritma pengenalan visual dan penggunaan sensor yang lebih presisi. Penelitian selanjutnya disarankan untuk mengembangkan robot ini lebih lanjut agar dapat diimplementasikan dalam skala industri pengelolaan sampah yang lebih luas.

Kata kunci : Sistem Klasifikasi Sampah, YOLOV8, Object Detection, Webcam