Pengelolaan mainan donasi dalam skala besar membutuhkan sistem yang efisien untuk menyortir dan mengklasifikasikan mainan berdasarkan bentuk visualnya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mainan berbasis web dengan memanfaatkan algoritma YOLOv11. Sistem ini dirancang untuk mengenali dan mengkategorikan mainan ke dalam empat kelas utama—animal, humanoid, vehicle, dan abstrak—melalui citra yang diperoleh secara real-time atau melalui unggahan gambar. Proses pelatihan model dilakukan menggunakan dataset yang telah dianotasi dengan Label Studio dan dilatih menggunakan platform Google Colab. Evaluasi performa menunjukkan bahwa varian YOLOv11-Small memberikan hasil terbaik dengan nilai mAP50 sebesar 0.96. Sistem web dibangun menggunakan FastAPI pada sisi backend dan Next.js pada sisi frontend, serta diuji menggunakan metode black box dan confusion matrix. Hasil pengujian membuktikan bahwa sistem mampu menjalankan proses klasifikasi secara akurat, cepat, dan responsif.