Klasifikasi emosi lirik lagu digunakan untuk mengklasifikasikan emosi kedalam suatu kategori tertentu berdasarkan lirik lagunya, sehingga pendengar dapat memilih lagu sesuai dengan emosi yang mereka inginkan. Untuk itu diperlukan metode yang tepat untuk melakukan klasifikasi emosi lirik lagu. Algoritma iterative dichotomizer tree dapat melakukan klasifikasi emosi lirik lagu. Iterative dichotomizer tree merupakan suatu metode dalam learning yang akan membangun sebuah pohon keputusan yang merupakan suatu pemodelan dalam mencari solusi dari sejumlah data training. Pada iterative dichotomizer tree memerlukan proses preprocessing, pembobotan dan generalisasi data sebelum melakukan proses pengenalan pola. Pada penelitian ini dilakukan beberapa percobaan terhadap dokumen lirik dengan jumlah data training, dan testing yang berbeda-beda, yaitu sejumlah 20, 40, 80, 120, 160 dan 200 dokumen. Selanjutnya sistem akan mengelompokkan dokumen lirik berdasarkan emosi yang terkandung dalam lagu tersebut dengan perhitungan terhadap kemiripan lirik antar dokumen. Dari analisis yang dilakukan terhadap sistem pengelompokkan dengan menggunakan algoritma iterative dichotomizer tree didapat hasil rata-rata akurasi sebesar 63% pada pengujian terhadap training lebih besar dari testing. Percobaan terhadap pengujian testing lebih besar dari training, dan pengujian training dan testing dengan jumlah sama masing-masing menghasilkan rata-rata akurasi terbaik sebesar 25%, dan 62%. Percobaan yang dilakukan menunjukkan bahwa algoritma iterative dichotomizer tree, ketingkatan akurasinya ada ketergantungan data dari setiap dokumen lirik lagu.