Peningkatan volume sampah akibat pertumbuhan penduduk dan aktivitas manusia telah menyebabkan berbagai permasalahan lingkungan, seperti polusi, penumpukan sampah di tempat pembuangan akhir, dan emisi gas rumah kaca. Rendahnya kesadaran masyarakat dalam memilah sampah serta kurangnya edukasi mengenai pengolahan sampah yang tepat menyebabkan proses pengelolaan sampah belum berjalan optimal. Penelitian ini bertujuan mengembangkan aplikasi pintar berbasis smartphone yang mampu mengidentifikasi jenis sampah secara otomatis dan memberikan rekomendasi pengolahan sampah yang sesuai. Sistem klasifikasi dikembangkan menggunakan metode Support Vector Machine (SVM) dengan kombinasi ekstraksi fitur Histogram of Oriented Gradients (HOG), Hue Saturation Value (HSV), dan Local Binary Pattern (LBP) untuk merepresentasikan karakteristik bentuk, warna, dan tekstur citra. Dataset yang digunakan terdiri dari 10.081 citra dengan lima kelas, yaitu botol plastik, kaca, kardus, limbah makanan, dan logam. Sebelum proses klasifikasi, dilakukan preprocessing, reduksi dimensi menggunakan Principal Component Analysis (PCA), serta penyeimbangan data menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Hasil pengujian menunjukkan bahwa model SVM dengan parameter terbaik kernel Radial Basis Function (RBF), nilai C sebesar 10, dan gamma scale menghasilkan akurasi cross validation sebesar 94,03% dan akurasi pengujian sebesar 83,68%. Hasil evaluasi juga menunjukkan bahwa kelas kaca memiliki performa terbaik dengan nilai F1-score sebesar 0,87, sedangkan kelas botol plastik memperoleh nilai F1-score terendah sebesar 0,76. Selain itu, pengujian fungsional menunjukkan bahwa seluruh fitur aplikasi berjalan sesuai dengan perancangan sistem. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu membantu proses pemilahan dan pengolahan sampah secara lebih mudah, cepat, dan efektif sebagai media edukasi pengelolaan sampah.