Pengenalan ekspresi wajah merupakan bidang penting dalam interaksi manusia dan komputer, namun implementasinya pada perangkat dengan sumber daya terbatas memerlukan arsitektur model yang efisien. Penelitian ini bertujuan untuk melakukan analisis perbandingan terhadap tiga generasi arsitektur MobileNet, yaitu V1, V2, dan V3 (Large dan Small), guna menentukan model yang paling optimal dalam mengklasifikasikan tujuh jenis emosi manusia. Pengujian dilakukan menggunakan dataset Facial Expression Recognition 2013 (FER-2013) melalui dua skenario pelatihan utama: transfer learning menggunakan bobot pralatih ImageNet dan from scratch training.

Hasil eksperimen menunjukkan bahwa skenario transfer learning secara konsisten mengungguli pelatihan dari nol di seluruh varian model. Arsitektur MobileNetV1 dengan metode transfer learning berhasil mencapai performa klasifikasi tertinggi dengan rata-rata akurasi sebesar 66,54%. Dari aspek efisiensi komputasi, MobileNetV2 menunjukkan posisi paling strategis sebagai sweet spot dengan pencapaian akurasi 63,56%, ukuran model yang lebih ringkas (2,9 juta parameter), serta kompleksitas matematis (FLOPs) yang hampir 50% lebih rendah dibandingkan MobileNetV1. Sebaliknya, arsitektur MobileNetV3 yang paling hemat parameter ditemukan kurang optimal dan mengalami penurunan performa ekstrem saat memproses citra beresolusi rendah 48x48 piksel. Penelitian ini menyimpulkan bahwa penggunaan transfer learning merupakan prasyarat krusial bagi arsitektur lightweight dalam tugas klasifikasi emosi, dengan MobileNetV2 sebagai model yang paling direkomendasikan untuk implementasi yang membutuhkan keseimbangan antara akurasi dan efisiensi sumber daya.