Emosi merupakan hal yang tidak bisa lepas dalam kehidupan sehari-hari, termasuk ketika seseorang sedang berinteraksi di media sosial salah satu nya adalah Twitter. Pengklasifikasian tweet mengenai emosi merupakan hal yang menarik untuk diteliti, karena seseorang ketika berkomunikasi di media sosial tentu tidak lepas dari emosi orang tersebut. Text Mining merupakan proses ekstraksi informasi yang bertujuan untuk mendapatkan makna yang sebenarnya dari suatu data teks. K-Nearest Neighbor merupakan salah satu metode pengklasifikasian teks, metode tersebut memiliki akurasi yang baik di dalam pengklasifikasian, dengan menggunakan pendekatan berdasarkan jarak antar data yang yang dimiliki oleh K-Nearest Neighbor, yang dimana didalam pembobotan teks tersebut akan menggunakan proses TF-IDF, maka pengklasifikasian teks pada kasus emosi bisa berjalan dengan baik. Pada penelitian ini menerapkan beberapa skema pengujian, pada skema pengujian tersebut didapatkan hasil akurasi terbaik pada skema pengujian K-Fold k=10 dengan menggunakan preprocessing stemming yaitu sebesar 74,33%, yang dimana akurasi tersebut didapatkan pada nilai K neighbor=281, dengan rata-rata precision 76,38%, recall 74,15%, dan F1-Score 73,4%.
Kata kunci : Text Mining, K-Nearest Neighbor, Classification, Emotion