Ekspresi wajah merupakan saluran utama komunikasi non-verbal untuk menyampaikan emosi dan memiliki peranan penting dalam komunikasi manusia sehari-hari. Pengenalan ekspresi wajah berbasis citra menjadi topik penelitian yang cukup populer di bidang kecerdasan buatan dan visi komputer. Namun, pengenalan ekspresi wajah pada citra input beresolusi rendah masih menjadi tantangan yang signifikan dan penelitian terkait hal tersebut masih relatif terbatas dalam perkembangan teknologi ini. Gambar beresolusi rendah seringkali ditemui dalam situasi pengambilan gambar dari sumber daya terbatas seperti CCTV atau perangkat sensor pada perangkat mobile, sehingga dapat mengakibatkan kehilangan detail penting pada wajah dan menyulitkan pengenalan ekspresi wajah dengan akurasi yang optimal. Pada penelitian ini membangun model pengenalan ekspresi wajah berbasis Convolutional Neural Network optimal yang mampu mengatasi kondisi citra input dengan resolusi rendah. Pemilihan arsitektur model EfficientNetB0 dengan melakukan teknik fine-tuning melatih seluruh lapisan dan teknik oversampling pada dataset CK+ untuk mengatasi kelas imbalace pada data latih. Hasil yang didapatkan dari penelitian ini dengan menganalisis pengaruh dari beberapa optimizer terhadap kinerja pada model yang diajukan diantaranya Adam, SGD, dan RMSProp dapat diambil hasil yang paling optimal yaitu optimizer RMSProp, dan di dapat nilai akurasi sebesar 96%, dengan recall sebesar 96%, precision 96,5%, dan F1-Score 95,84%. Berdasarkan hasil analisis nilai akurasi, precision, recall, dan F1-Score tinggi dimana model yang dibangun mampu mengoptimalkan kinerja pada sistem pengenalan ekspresi wajah terutama pada gambar beresolusi rendah.