Klasifikasi emosi dalam media sosial menjadi tugas penting dengan aplikasi dalam kesehatan mental, pemantauan sentimen publik, dan analisis umpan balik pelanggan. Penelitian ini membandingkan algoritma Random Forest dan Decision Tree untuk mengklasifikasikan emosi seperti bahagia, sedih, marah, dan takut dari postingan media sosial. Data dikumpulkan melalui crawling tweet dan pelabelan manual. Tahap prapemrosesan mencakup tokenisasi, stemming, dan penghapusan stopword, dengan ekstraksi fitur menggunakan TF-IDF dan Bag of Words. Skenario eksperimen menguji rasio pembagian data, resampling untuk keseimbangan kelas, dan penyetelan parameter. Parameter Decision Tree yang diuji meliputi criterion (gini, entropy), max depth (none, fixed value), min samples split (2, 5), dan min samples leaf (1, 2). Sementara itu, parameter Random Forest yang disesuaikan mencakup n_estimators (100–400), max de