Berdasarkan data Kementerian Lingkungan Hidup dan Kehutanan, berdasarkan jenis sampah, sampah plastik menempati urutan kedua dengan proporsi sebesar 22,9% dari total sampah yang diproduksi diJakarta. Kurangnya daur ulang plastik di menjadi salah satu faktornya, dan solusi yang dapat diterapkan adalah klasifikasi sampah untuk proses daur ulang. Saat ini, sebagian besar pemilahan sampah plastik masih dilakukan secara manual, yang tidak efisien dan rentan terhadap kesalahan manusia. Oleh karena itu, diperlukan teknologi yang lebih efektif untuk mengelompokkan sampah plastik berdasarkan Resin Identification Code (RIC). Penelitian ini menggunakan metode Deep Learning dengan model MobileNetV2 dan Xception untuk mengelompokkan sampah plastik berdasarkan Resin Identification Code (RIC). Data yang digunakan terdiri dari dua dataset: dataset pertama berisi gabungan gambar Resin Identification Code (RIC) dan sampah plastik, dan dataset kedua hanya berfokus pada gambar Resin Identification Code (RIC). Hasil penelitian menunjukkan bahwa Resin Identification Code (RIC) berperan signifikan dalam meningkatkan akurasi model MobileNetV2 dan Xception sekitar 6-11%. Model Xception unggul pada dataset pertama dengan nilai presisi tertinggi (0.89) serta akurasi, recall, dan F1-score yang lebih tinggi, sedangkan MobileNetV2 menunjukkan performa lebih baik pada dataset kedua yang lebih sederhana dan homogen.
Kata Kunci : Klasifikasi Citra;Sampah Plastik;MobileNetV2;Xception