Sampah merupakan masalah yang muncul saat ini. Semakin banyak jumlah penduduk maka semakin banyak pula sampah yang dihasilkan. Sampah yang tidak diolah akan berdampak negatif terhadap perekonomian, kesehatan masyarakat, dan lingkungan. Proses awal pengolahan sampah adalah klasifikasi. Namun, jumlah sampah yang besar akan memakan waktu lama jika diklasifikasikan secara manual. Sehingga diperlukan suatu mesin yang dapat mengklasifikasikan sampah untuk mempercepat prosesnya. Selain itu, diperlukan metode yang tepat, agar mesin memiliki akurasi seolah-olah dilakukan secara manual. Oleh karena itu, penelitian ini muncul untuk menguji metode Convolutional Neural Network (CNN) agar mendapatkan hasil yang tepat dalam proses klasifikasi limbah pada sistem komputer sumber daya rendah (Raspberry-Pi) dengan menguji akurasi dan kinerjanya. Luaran dari penelitian ini adalah berupa purwarupa mesin sortir sampah sederhana berbasis citra. Dimana sampah dapat diklasifikasikan menjadi 4 jenis yaitu plastik, kaca, logam, dan kertas. Dengan memanfaatkan pretrained model CNN yaitu EfficientDet-D0. Akurasi sistem dalam melakukan sortir sampah adalah 89.5% dalam metrik f1-score dengan performa sistem dalam mendeteksi objek sebesar 3.2 fps. Proses ini menggunakan Raspberry pi 4 Model B sebagai kontroler utama dan pengolah data, serta Arduino Mega 2560 sebagai pengatur aktuator.