Pengenalan ekspresi wajah merupakan teknologi penting untuk mendukung interaksi antara manusia dan komputer, seperti sistem absensi, pendeteksian suasana hati, dan aplikasi berbasis emosi. Namun, tantangan seperti kualitas gambar yang rendah serta distribusi data yang tidak merata antar kelas emosi seringkali menurunkan performa klasifikasi. Penelitian ini bertujuan membangun sistem klasifikasi ekspresi wajah menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur Visual Geometry Group 16 (VGG-16). Untuk meningkatkan kualitas data dan mengatasi ketidakseimbangan kelas, digunakan proses pra-pemrosesan seperti konversi grayscale, cropping, rescale, flipping, zooming, serta penambahan median filter, dan teknik SMOTE. Dataset terdiri dari tujuh label emosi dasar yaitu marah, jijik, takut, senang, netral, sedih, dan terkejut. Model terbaik dari eksperimen menunjukkan bahwa pretrained VGG-16 menghasilkan akurasi training tertinggi sebesar 88,38%, precision sebesar 84,79%, recall sebesar 84,70%, dan f1-score sebesar 84,72%. Adapun akurasi testing sebesar 84,70%. Model ini diintegrasikan ke dalam aplikasi Android berbasis React Native dengan antarmuka yang ramah pengguna. Berdasarkan pengujian blackbox dan usability, aplikasi menunjukkan fungsionalitas yang baik dan tingkat kepuasan pengguna yang tinggi 85,9%. Dengan demikian, sistem ini terbukti efektif dan layak digunakan untuk klasifikasi ekspresi wajah secara otomatis.