ABSTRAK Nama Mahasiswa 1 : Gilang Catur Yudishtira Nama Mahasiswa 2 : Kaysa Syifa Wijdan Amin Nama Mahasiswa 3 : Nabila Dita Putri Program Studi : Ilmu Komputer Judul : Pembangunan Data dan Model Analisis Emosi Fine-Grained pada Teks Media Sosial Berbahasa Indonesia Pembimbing 1 : Rahmad Mahendra, S.Kom., M.Sc. Pembimbing 2 : Meganingrum Arista Jiwanggi, S.Kom., M.Kom., M.Comp.Sc Saat ini, di Indonesia belum ada penelitian analisis emosi yang menggunakan fine-grained emotion. Selain itu, dataset yang tersedia untuk melakukan analisis emosi juga masih terbatas, baik dari segi jumlah data, cakupan emosi, serta sumbernya. Pada penelitian ini, peneliti membangun dataset besar untuk tugas analisis emosi pada data teks berbahasa Indonesia, di mana dataset ini dikumpulkan dari berbagai domain dan sumber. Dataset ini mengandung 33 ribu teks, yang terdiri dari tweet yang dikumpulkan dari Twitter, serta komentar unggahan yang dikumpulkan dari Instagram dan Youtube. Domain yang dicakup pada dataset ini adalah domain olahraga, hiburan, dan life chapter. Dataset ini telah dianotasi oleh 36 annotator dengan label emosi fine-grained secara multi-label, di mana label emosi yang digunakan ini merupakan hasil dari taksonomi emosi baru yang diusulkan oleh peneliti. Pada penelitian ini, peneliti mengusulkan taksonomi emosi baru yang terdiri dari 44 fine-grained emotion, yang dikelompokkan ke dalam 6 basic emotion. Selain itu, peneliti juga membangun baseline model untuk melakukan analisis emosi. Didapatkan dua baseline model, yaitu hasil fine-tuning IndoBERT yang mencapai f1-score micro tertinggi sebesar 0.3786, dan model hierarchical logistic regression yang mencapai exact match ratio tertinggi sebesar 0.2904. Kedua baseline model tersebut juga dievaluasi di lintas domain untuk melihat seberapa general dan robust model yang telah dibangun tersebut. Kata kunci: Penambangan Data, Taksonomi Emosi, Anotasi Data, Klasifikasi Emosi