Klasifikasi emosi merupakan aspek penting dalam natural language processing, terutama dalam memahami interaksi pengguna di media sosial. Media sosial X menjadi sumber data yang kaya di mana pengguna mengekspresikan berbagai emosi melalui unggahan mereka. Penelitian ini memperkenalkan perbandingan strategi preprocessing untuk menangani slang dalam posts media sosial berbahasa Indonesia, dengan menggunakan RoBERTa untuk mengklasifikasikan emosi dalam cuitan berbahasa Indonesia. Dataset yang digunakan terdiri dari 8.978 cuitan berlabel yang dikategorikan ke dalam empat kelas emsoi, yaitu bahagia, marah, sedih, dan takut. Penelitian ini membandingkan metode full preprocessing dan half preprocessing. Full preprocessing, yang mencakup normalization, stemming, dan stopword removal, mencapai akurasi tertinggi sebesar 75,01% dan F1-score sebesar 0,750. Sebaliknya, half preprocessing, yang berfokus pada case folding, cleansing
