Penumpukan limbah medis pada Tempat Pembuangan Akhir (TPA) selama masa pandemic Covid-19 yang dilakukan oleh kelompok tertentu dari fasilitas layanan kesehatan seperti rumah sakit, puskesmas dan lain sebagainya mengakibatkan tercemarnya lingkungan. Limbah ini tentu saja harus diperhatikan pengelolaannya, karena limbah tersebut akan membahayakan bagi makhluk hidup sekitar jika tidak dikelola secara baik.

Mesin Insenerator menjadi salah satu solusi untuk mengatasi pencemaran lingkungan akibat penumpukan limbah medis. Cara kerja mesin ini dengan membakar limbah tersebut. Terdapat satu langkah penting dalam pengelolaan limbah, yaitu pemisahan limbah menjadi beberapa komponen yang berbeda, dan tahap pemisahan limbah ini masih dilakukan secara manual oleh manusia, hal tersebut tentu saja akan menyebabkan manusia terinfeksi penyakit.

Karena itu mesin insenerator ini membutuhkan sistem yang dapat mengklasifikasikan limbah tersebut. Untuk mengatasinya penulis mengusulkan sistem klasifikasi limbah medis menggunakan metode Transfer Learning dengan beberapa pre-trained Convolutional Neural Network (CNN)  model yaitu VGG16, ResNet50 dan Inception-V3, Ketiga model tersebut sebagai perbandingan untuk mengetahui model mana yang paling akurat.  pada sistem ini masukan yang dibutuhkan berupa citra limbah medis, jumlah dataset citra limbah medis yang digunakan pada penelitian ini yaitu sejumlah 1600, yang terbagi menjadi empat kelas yang berbeda yaitu syringe, masks, gloves dan drugs.

Hasil terbaik diperoleh oleh model Inception-V3 dengan mendapatkan tingkat akurasi terbaik yaitu 93%, kemudian disusul oleh model VGG-16 dengan nilai 85% dan yang terakhir model ResNet50 mendapatkan nilai akurasi sebesar 63%.

Kata kunci : Limbah medis, CNN, Pre-trained model, Transfer Learning, Classification Image, Insenerator