Penelitian ini bertujuan untuk mengetahui hasil deteksi emosi melalui twitter oleh pendukung kandidiat capres 2019. Penelitian ini menggunakan pendekatan Guided Latent Dirichlet Allocation, yakni evaluasi loglikehood dan UMass coherence. Sampel pada penelitian ini sejumlah 100.000 tweets. Data dikumpulkan melalui scrapping twitter kemudian disimpan dalam format Comma Separated Values (CSV). Hasil penelitian didapatkan bahwa hasil performa evaluasi metode Guided LDA sedikit lebih baik dilihat dari ukuran kuantitatif dan matriksnya namun demikian secara objektif belum terlalu kohersif, perlu penelitian lebih lanjut mengenai hal tersebut. Pengguna twitter juga menggunakan twitter untuk berkampanye politik hastag untuk mengkategorikan tweet mereka dan membuatnya mudah ditemukan oleh orang lain yang tertarik dengan topik yang sama. Interpretasi metode Guided LDA sedikit lebih baik karena topik yang dihasilkan pada pemilu 2019 lebih terarah. Sedangkan Unsupervised LDA sudah cukup baik dalam memberikan interpretasi namun belum begitu terarah pada masing-masing topik. Topik yang digunakan sebagai acuan topik emosi secara umum sebanyak 8, yaitu : marah, antisipatif, gembira, percaya, takut, terkejut, sedih, dan muak. Hal ini menunjukkan bahwa secara umum interpretasi topik model Guided LDA lebih mudah dipahami dibandingkan Unsupervised LDA. Kata kunci: emosi;guided lda;LDA;twitter