Sampah merupakan masalah global yang harus diselesaikan agar lingkungan tetap terjaga dengan baik, terutama di negara berkembang seperti Indonesia. Pemahaman yang baik tentang sampah akan berdampak pada pengelolaan sampah yang optimal. Bank sampah merupakan salah satu jalan keluar dalam pengelolaan sampah agar yang awalnya tidak berguna menjadi bernilai jual. Dalam pelaksanaannya, bank sampah harus memiliki pendataan dan transparansi data sampah nasabah secara real time. Teknologi menjadi salah satu solusi utama untuk menghasilkan produk digital yang memudahkan masyarakat dalam mengakses informasi secara akurat. Dengan menggunakan algoritma Convolutional Neural Network (CNN), sebuah data citra dapat diprediksi dengan akurasi yang baik. Seiring dengan perkembangan teknologi saat ini, berbagai macam arsitektur hadir, salah satunya adalah Mobilenet. Arsitektur ini memiliki kemampuan untuk menjalankan model machine learning pada perangkat mobile dan IoT. Selain itu, model yang dihasilkan cukup baik dengan tingkat akurasi sebesar 96% pada sampah Logam, 92% pada sampah Kertas dan Organik, 80% pada sampah Kardus , 76% pada sampah Kaca, dan 72% pada sampah Plastik. Kekurangan yang ada pada model ini ketika melakukan prediksi dengan bentuk yang hampir mirip dan citra yang memilik banyak objek didalamnya, maka error akan semakin besar sehingga ada kemungkinan terjadi kesalahan dalam memprediksi hasil citra sampah
Kata Kunci : CNN;Mobilenet;Sampah, Bank Sampah