Musik berfungsi sebagai sarana hiburan yang dapat membangkitkan semangat dan menyentuh emosi manusia. Hubungan antara musik dan emosi sangat erat, di mana berbagai genre musik mampu memengaruhi perasaan pendengarnya. Salah satu cara mengenali emosi adalah melalui ekspresi wajah, namun mencari musik yang sesuai dengan emosi tersebut terkadang sulit dilakukan. Penelitian ini bertujuan mengembangkan aplikasi Android bernama Moodify yang mampu mendeteksi emosi melalui ekspresi wajah dan merekomendasikan musik yang sesuai. Aplikasi dikembangkan menggunakan metode Deep Learning dengan algoritma Convolutional Neural Network (CNN) yang dilatih menggunakan FERPULS Balance Dataset untuk mengenali tujuh emosi dasar manusia, yaitu Angry, Disgust, Fear, Happy, Sad, Surprise, dan Neutral. Model kemudian dikonversi ke format TensorFlow Lite agar proses deteksi dapat dijalankan langsung pada perangkat Android. Selanjutnya, hasil deteksi emosi digunakan sebagai dasar untuk menentukan rekomendasi musik melalui integrasi dengan Spotify Web API, sehingga aplikasi dapat menampilkan lagu yang sesuai dengan emosi pengguna. Model CNN yang dikembangkan memperoleh akurasi sebesar 90% pada tahap evaluasi menggunakan data uji (testing). Pengujian fungsional aplikasi dengan metode BlackBox Testing menunjukkan bahwa seluruh fitur aplikasi berfungsi sesuai dengan yang diharapkan. Selain itu, Usability Testing yang melibatkan 20 responden dengan teknik purposive sampling memperoleh nilai rata-rata sebesar 86,20%, sehingga aplikasi termasuk dalam kategori "Sangat Layak". Hasil penelitian menunjukkan bahwa aplikasi Moodify mampu mendeteksi emosi pengguna dengan baik, menjalankan seluruh fungsionalitas sesuai kebutuhan, serta memberikan rekomendasi musik yang sesuai dengan emosi pengguna melalui integrasi dengan Spotify Web API.