Banjir berdampak luas bagi lingkungan sekitar yang terdampak. Banjir yang biasa terjadi bisa menimbulkan bebagai macam masalah, seperti masalah kesehatan dan masalah infrastrukstur. Selain itu banjir juga dapat berdampak pada lumpuhnya jalur transportasi, pemicu terjadinya tanah longsor, serta pencemaran lingkungan akibat banyaknya sampah yang terbawa banjir sehingga menyebabkan sampah-sampah tersebut berserakan. Analisis keadaan lahan geospasial dengan algoritma C4.5 dapat mengklasifikasikan wilayah berdasarkan tingkat kategori banjir. Dengan menggunakan data geospasial seperti jarak dari sungai dan jenis penggunaan lahan, model ini dapat membantu mengidentifikasi area mana yang paling berisiko terkena banjir. Sebagai contoh, pohon keputusan dapat menunjukkan bahwa daerah yang dekat dengan sungai dan memiliki penggunaan lahan hunian lebih rentan terhadap banjir, sehingga memberikan wawasan tentang area mana yang membutuhkan perhatian lebih besar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kategori banjir berdasarkan kondisi lahan di Jakarta Barat menggunakan algoritma C4.5. Data geospasial yang digunakan meliputi data banjir, penggunaan lahan, batas wilayah, dan sungai dalam format geodatabase. Proses pra-pemrosesan data melibatkan teknik intersect buffer dan spatial join, serta transformasi data numerik menjadi kategori menggunakan equal frequency discretization. Model yang dihasilkan menunjukkan kinerja yang cukup baik dengan tingkat akurasi sebesar 69,69%. Faktor kedekatan dengan sungai dan jenis penggunaan lahan terbukti menjadi indikator penting dalam menentukan kategori banjir. Penelitian ini menunjukkan efektivitas algoritma C4.5 dalam mengklasifikasikan kategori banjir berdasarkan fitur-fitur geospasial yang digunakan.

Flooding has a widespread impact on the affected environment. Regular flooding can cause various issues, such as health problems and infrastructure damage. Additionally, floods can disrupt transportation routes, trigger landslides, and lead to environmental pollution due to the large amounts of waste carried by the water, which then scatter debris. Geospatial land condition analysis using the C4.5 algorithm can classify areas based on flood risk categories. By utilizing geospatial data such as the distance from rivers and land use types, this model can help identify areas most at risk of flooding. For example, a decision tree may show that areas close to rivers and with residential land use are more prone to flooding, thus providing insights into which areas require greater attention. This research aims to develop a flood category classification model based on land conditions in West Jakarta using the C4.5 algorithm. The geospatial data used includes flood data, land use, administrative boundaries, and rivers in a geodatabase format. The data preprocessing involves techniques such as intersect buffer and spatial join, as well as transforming numerical data into categories using equal frequency discretization. The resulting model shows decent performance with an accuracy rate of 69.69%. Proximity to rivers and land use types have proven to be important indicators in determining flood categories. This study demonstrates the effectiveness of the C4.5 algorithm in classifying flood categories based on the geospatial features used.