Klasifikasi emosi lagu berdasarkan lirik dapat mempermudah pendengar lagu untuk memilih lagu sesuai selera mood berdasarkan suatu kategori baik itu sedih, cinta, marah, senang, dan sebagainya. Klasifikasi dalam skala data besar akan sulit dilakukan dengan metode manual maka dari itu diperlukan penggunaan text mining. Klasifikasi emosi lagu termasuk didalam cabang ilmu Music Information Retrieval. Salah satu metode tercepat dalam Klasifikasi adalah Naïve Bayes, dan metode yang lebih spesifik lagi adalah Multinomial Naïve Bayes. Penelitian mengenai klasifikasi emosi lagu berdasarkan lirik pada kenyataannya telah banyak dilakukan namun menggunakan lirik berbahasa Inggris, sedangkan lirik berbahasa Indonesia sangat jarang, penggunaan Stemming dengan Algoritma Nazief-Andriani, pembobotan TF-IDF, Cross Validation dan Multinomial Naïve Bayes (MNB) dilakukan pada penelitian ini. MNB merupakan metode yang sangat terkenal dan sering digunakan untuk penelitian bertajuk klasifikasi. Sebelum data diketahui hasil klasifikasinya, dilakukan pelabelan secara manual, kemudian data melalui tahapan preprocessing, ekstraksi fitur, pembobotan dan seleksi fitur, cross validation kemudian klasifikasi menggunakan classifier MNB. Proses klasifikasi emosi lagu menggunakan MNB, stemming dan TF-IDF memperoleh nilai akurasi tertinggi sebesar 77,50%, sedangkan tanpa stemming sebesar 81,66%.