| Dalam era digital yang berkembang pesat, data teks semakin melimpah dan mudah diakses melalui berbagai platform komunikasi seperti media sosial, forum daring, dan aplikasi pesan instan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi teks bahasa Indonesia berdasarkan jenis emosi menggunakan beberapa algoritma machine learning, yaitu LSTM, Naive Bayes, SVM, dan Random Forest. Data yang digunakan adalah tweet berbahasa Indonesia, dengan fokus pada pengklasifikasian emosi dasar seperti senang, sedih, marah, takut, terkejut, dan netral. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki kinerja terbaik dengan nilai precision sebesar 0,91, recall sebesar 0,98, F-1 Score sebesar 0,94, dan accuracy sebesar 0,94. Algoritma lainnya seperti LSTM, SVM, dan Random Forest menunjukkan kinerja yang lebih rendah. Kesimpulan ini mengindikasikan bahwa Naive Bayes lebih efektif dalam mengklasifikasikan emosi dalam teks berbahasa Indonesia dibandingkan algoritma lainnya |