Selama beberapa tahun terakhir, Universitas Al-Azhar Indonesia (UAI) menghadapi tantangan yang signifikan dalam pengelolaan sampah. Hal ini menyebabkan peringkat UI GreenMetric menjadi lebih rendah, terutama dengan skor nol pada kategori pengelolaan sampah. Setelah melakukan observasi dan wawancara dengan Unit Pelaksana Teknis Sarana dan Prasarana (SarPras), beberapa masalah utama yang ditemukan termasuk tidak adanya pemilahan sampah, penumpukan sampah yang berlebihan, terutama selama acara besar, dan timbulan sampah yang besar pada tempat pembuangan sementara (TPS). Kondisi ini menunjukkan bahwa sistem pengelolaan sampah yang lebih cerdas dan efisien diperlukan untuk mencapai Sustainable Development Goals (SDG) dan meningkatkan peringkat UAI dalam UI Greenmetric. Tujuan dari penelitian ini adalah menghasilkan rancangan smart waste management untuk UAI yang didukung dengan Internet of Things (IoT), Embedded Systems, dan Machine Learning (ML) dengan algoritma FOMO (Faster Objects, More Objects), dengan acuan kerangka kerja Sistem Pengelolaan Sampah Cerdas dan Terintegrasi serta regulasi pengelolaan sampah nasional. Penelitian ini menggunakan metode studi kasus dengan pendekatan kualitatif, di mana pengumpulan data dilakukan melalui wawancara mendalam dengan Kepala SarPras UAI, serta studi dokumen terhadap penelitian sebelumnya, dokumen internal UAI, dan peraturan perundangan. Hasil penelitian ini berupa rancangan sistem smart waste management yang mencakup strategi pengurangan sampah dengan smart bin dengan sensor ultrasonik, mekanisme tutup otomatis, dan LCD pemantau; aplikasi web untuk pemantauan kinerja dan sistem penghargaan; CCTV untuk keamanan, pendauran ulang sampah dengan klasifikasi otomatis berbasis IoT dan ML, pemanfaatan kembali sampah dengan dukungan edukasi digital terintegrasi sistem akademik, dan penanganan sampah dengan pemilahan otomatis menggunakan Raspberry Pi, sensor inframerah dan algoritma FOMO yang dilengkapi dengan sistem reward; pengumpulan sampah yang dioptimalkan dengan prediksi ML melalui model Linear Regression dan penentuan rute terpendek via aplikasi web; serta pengangkutan sampah terpilah melalui kerjasama dengan pihak ketiga. Seluruh rancangan ini telah melalui proses validasi dan disetujui oleh pihak SarPras dan PTI UAI sebagai solusi yang layak untuk diterapkan guna meningkatkan efisiensi pengelolaan sampah dan peringkat UI GreenMetric UAI.