Berbicara merupakan cara komunikasi paling alami bagi manusia, memainkan peran penting dalam interaksi sehari-hari. Namun, kemajuan teknologi dan penggunaan pesan teks yang umum sering kali tidak mampu menyampaikan nuansa emosi secara efektif seperti dalam percakapan lisan. Untuk mengatasi ini, pengembangan sistem Pengenalan Emosi dari Wicara (Speech Emotion Recognition, SER) telah menjadi topik penelitian yang penting, khususnya dalam mengintegrasikan konsep emosi ke dalam sistem komputer. Meskipun banyak penelitian telah dilakukan dalam bahasa-bahasa dengan sumber daya besar seperti Inggris, penelitian dalam konteks bahasa yang kurang dipelajari seperti bahasa Indonesia masih terbatas. Penelitian ini meneliti metode untuk meningkatkan pengenalan emosi dari wicara dalam bahasa Indonesia menggunakan teknik ekstraksi fitur dan model klasifikasi machine learning. Pengujian dilakukan dengan dataset bahasa Indonesia yang terdiri dari 200 data, yang dibagi menjadi 75% untuk data pelatihan, 20% untuk pengujian, dan 5% untuk validasi. Model CNN menggunakan kombinasi empat fitur seperti MFCC, ZCR, RMSE, dan Pitch, sedangkan model CNN-LSTM menggunakan kombinasi tiga fitur seperti MFCC, ZCR, RMSE, keduanya berhasil mencapai akurasi klasifikasi emosi sekitar 88%. Model CNN-LSTM mencapai akurasi yang sama dengan fitur yang lebih sederhana dibandingkan dengan model CNN. Eksperimen ini menunjukkan bahwa penggunaan fitur ekstraksi dan metode klasifikasi yang tepat dapat signifikan dalam meningkatkan akurasi deteksi emosi dari data suara serta memastikan efisiensi komputasi.