Manajemen sampah minuman kemasan memerlukan pemisahan yang spesifik, khususnya antara material plastik, logam, dan karton demi optimalisasi proses daur ulang. Penelitian ini bertujuan mengimplementasikan model YOLO26 untuk klasifikasi sampah minuman kemasan dengan arsitektur Edge-to-Cloud. Raspberry Pi 3 Model B+ di sisi lokal bertindak sebagai unit edge untuk mengolah sensor ultrasonik HC-SR05 dan kamera USB, lalu mengirimkan citra via protokol HTTP ke server Google Cloud Platform (GCP). Di dalam server Google Cloud Platform, komputasi inferensi dieksekusi menggunakan model YOLO26 untuk melakukan deteksi sekaligus klasifikasi (image classification) menjadi kelas plastik, logam, dan karton. Data hasil keputusan dikirim kembali ke lokal (Raspberry Pi), yang kemudian meneruskannya via komunikasi serial ke mikrokontroler ESP32 guna menggerakkan aktuator pemilah ke wadah yang sesuai. Hasil evaluasi model terbaik menunjukkan performa yang sangat optimal pada proses deteksi maupun klasifikasi dengan keberhasilan menghindari masalah overfitting. Uji coba menggunakan objek nyata membuktikan bahwa sistem mampu memilah sampah secara akurat, dengan kesalahan yang umumnya diakibatkan oleh kemiripan visual pada material plastik transparan dan logam. Integrasi ini sukses mewujudkan sistem pemilahan limbah otomatis yang sinkron, valid, dan responsif.