Manusia tidak terlepas dari emosi, emosi mengisi kehidupan manusia setiap saat. Emosi berdampak pada hubungan sosial, memori dan pengambilan keputusan. Di era penelitian ini, manusia cenderung mengekspresikan emosi melalui media sosial seperti Twitter dalam bentuk video, gambar, dan teks. Seiring berjalannya waktu, media sosial telah menjadi bagian penting dari kehidupan kebanyakan orang. Emosi manusia merupakan bidang penelitian yang banyak diteliti terutama di bidang linguistik. Dalam studi ini, kami mengklasifikasikan emosi dengan Convolutional Neural Network. Selain itu, kami membandingkan kinerja dengan tiga metode word embedding yang berbeda, Glove, word2vec, dan fastText dalam mengklasifikasikan dataset yang diberikan. Dataset yang kami gunakan sebanyak 4403 tweet yang akan diklasifikasikan ke dalam 5 kelas, yaitu: love, happy, angry, sadness, dan fear. F1-score digunakan sebagai metrik evaluasi. Hasil percobaan kami menunjukkan bahwa kombinasi CNN dan word2vec dapat mencapai 72.06% dari skor F1, yang meningkatkan model dasar sebesar 63.71%