Saat ini semakin sulit untuk menentukan emosi pada lagu karena jumlah lagu yang terus bertambah banyak, karena permasalahan tersebut maka peneliti membuat suatu model klasifikasi menggunakan text classification. Atas dasar permasalahan tersebut, maka penelitian ini menggunakan metode Multi Class Support Vector Machine (SVM) dengan Particle Swarm Optimization (PSO) sebagai tuning hyperparameter dan membandingkan pengaruh dari 3 dataset (perbaris, perbait dan keseluruhan lagu) pada kasus pengklasifikasian emosi lirik lagu. Pada kasus ini terdapat 5 emosi dasar manusia antara lain cinta (love), senang (happy), marah (anger), takut (fear), dan sedih (sadness). Berdasarkan hasil pengujian pada setiap model, skenario 2 (SVM-PSO Perbaris) memang memberikan performa model paling baik dengan nilai accuracy sebesar 92,13%. Namun jika melihat perubahan nilai performa dari evaluasi data training terhadap evaluasi data testing yang disajikan pada tabel 4.3, maka perubahan paling signifikan justru terjadi pada dataset perbait dan dataset keseluruhan lagu. Hal ini dapat terjadi karena isi atau value dari dataset perbait dan keseluruhan lagu jumlah kalimatnya lebih banyak daripada dataset perbaris. Sehingga secara kualitas akan lebih baik jika menggunakan dataset perbait atau keseluruhan lagu. Penelitian ini juga berhasil melakukan klasifikasi emosi, sehingga dapat mengklasifikasikan kelas emosi dari teks lirik lagu berbahasa Indonesia.