Emosi adalah suatu perasaan yang ditujukan pada seseorang atau suatu hal yang dapat memicu mereka untuk mengambil tindakan atau mengekspresikan diri yang dapat dipicu secara internal ataupun eksternal. Dalam kehidupan sehari-hari, penting untuk dapat memahami dan memprediksi keadaan emosional seseorang. Salah satu cara untuk merasakan emosi mereka adalah melalui ekspresi wajah, namun terkadang seseorang dapat memanipulasi apa yang mereka alami dengan mengontrol ekspresi wajah mereka. Oleh karena itu, dikembangkanlah alat untuk mengidentifikasi emosi pada anak yang tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan keadaan tubuhnya. Metode yang digunakan pada penelitian ini adalah salah satu metode deep learning yaitu Convolutional Neural Network (CNN) dan juga salah satu metode clusterisasi yaitu K-Means. Metode CNN berperan untuk mengolah data wajah sehinga dapat mengenali emosi berdasarkan ekspresi wajah pada anak. Dari percobaan yang di lakukan menunjukkan bahwa nilai akurasi tertinggi didapat saat menggunakan dataset yang diambil sendiri dengan nilai akurasi mencapai 99%. Agar sistem dapat lebih akurat maka ditambahkanlah proses identifikasi emosi pada anak berdasarkan kondisi tubuh menggunakan 2 modul sensor yaitu sensor Galvanic Skin Response (GSR) dan sensor detak jantung (Heart Rate Reader) yang akan diprogram menggunakan mikrokontroller. Output data yang dihasilkan oleh kedua sensor tersebut akan disimpan pada csv file untuk selanjutnya dilakukan proses clusterisasi menggunakan metode K-Means. Dari penelitian ini berhasil didapatkan model untuk memprediksi emosi anak berdasarkan ekspresi wajah, detak jantung, serta konduktivitas dengan benar sebanyak 16 anak dari 20 anak.