Perkembangan industri game menuntut adanya interaksi yang lebih dinamis, terutama pada alur cerita bercabang yang masih kompleks dan memakan waktu untuk dikembangkan. Dialog dengan Karakter Non-Pemain (NPC) yang seringkali terasa kaku dan repetitif menjadi salah satu tantangan utama dalam menciptakan pengalaman yang imersif. Penelitian ini bertujuan untuk mengembangkan sebuah sistem dialog berbasis Behavior Tree yang dapat memicu reaksi karakter secara dinamis berdasarkan hasil klasifikasi emosi dari input dialog pemain. Metode penelitian yang digunakan adalah Software Development Life Cycle (SDLC) yang mencakup tahap perencanaan, desain arsitektur, implementasi, dan pengujian. Sistem ini terdiri dari dua komponen utama: mekanik game yang dibangun di Unreal Engine dan modul klasifikasi emosi berbasis Natural Language Processing (NLP) yang diimplementasikan menggunakan Python dan terhubung melalui REST-API. Hasil pengujian black box menunjukkan bahwa sistem berfungsi sesuai rancangan. Model klasifikasi emosi menunjukkan performa yang stabil dengan rata-rata F1-Score 61.19% dan berhasil diakses oleh Unreal Engine yang dibuktikan dengan diterimanya respons kode 200. Fungsionalitas Behavior Tree juga terbukti berhasil menjalankan alur dialog secara dinamis sesuai pilihan pemain. Kesimpulannya, penelitian ini berhasil mengonfirmasi bahwa algoritma NLP dan Behavior Tree merupakan teknologi yang tepat untuk mengimplementasikan sistem dialog bercabang yang dinamis dan menyediakan kerangka kerja yang fungsional bagi pengembang.