Bencana hidrometeorologi sendiri mempunyai dampak yang besar terhadap kondisi sosial dan ekonomi masyarakat. Perubahan musim yang terjadi di Indonesia seperti penghujan dan kemarau dapat berpontensi menyembakan bencana hidrometeorologi. Penelitian ini berfokus pada klasifikasi teks berita bencana hidrometeorologi terutama dengan topik banjir, apakah termasuk tingkat banjir rendah, sedang, atau tinggi menggunakan machine learning SVM, Naive Bayes, XgBoost, Decision Tree, AdaBoost, dan Random Forest. Hasil akurasi yang didapatkan SVM (55%), Naïve Bayes (57%), XgBoost (45%), Decision Tree (47%), AdaBoost (50%), dan Random Forest (45%). Kemudian, pembuatan peta map banjir di Jawa Timur yang nantinya dapat digunakan sebagai persiapan keadaan darurat dan manajemen krisis serta sebagai kesadaran individu.