Penelitian terkait pengenalan ekspresi wajah atau Facial Expression Recognition (FER) menjadi salah satu tema yang mendapat perhatian besar pada bidang computer vision dikarenakan aplikasinya yang luas. Teknologi kecerdasan buatan, sebagai contoh deep learning, juga sudah diaplikasikan pada penelitian di area FER ini. Penggunaan model deep learning pada FER membutuhkan sejumlah dataset sebagai media pembelajaran. Dataset tersebut menjadi hal yang penting dalam menentukan kinerja dari deep learning. Pada kenyataannya, dataset dari FER yang tersedia terkadang masih memerlukan pre-processing sebelum diproses menggunakan deep learning. Pada penelitian ini, dilakukan perbandingan pre-processing pengaturan kontras dari citra dataset menggunakan metode HE (Histogram Equalization) dan CLAHE (Contrast Limited Adaptive Histogram Equalization). Selanjutnya, citra dataset tersebut akan dipakai pada model deep learning AlexNet yang telah dilakukan fine-tuning untuk diklasifikasikan sesuai dengan kategori ekspresi wajah manusia yang ada. Penelitian ini bertujuan untuk mengetahui metode pengaturan kontras citra dataset FER yang lebih baik dalam menigkatkan kinerja dari model deep learning yang digunakan. Dataset FER yang digunakan pada penilitian ini adalah CK+ (The Extended Cohn-Kanade) dan KDEF (The Karolinska Directed Emotional Faces). Hasil penelitian menunjukkan metode CLAHE memberikan hasil yang lebih baik daripada HE baik ketika digunakan pada dataset CK+ maupun KDEF. Pada dataset CK+ metode CLAHE memberikan akurasi rata-rata sebesar 93,21% sedangkan akurasi rata-rata metode HE sebesar 91,50%. Sedangkan pada dataset KDEF akurasi rata-rata metode CLAHE sebesar 88,35% dan metode HE sebesar 84,70%.