<![CDATA[Abstract Banyuasin Regency has about 80% of its territory in the form of wetlands, which makes most of its area vulnerable to disasters, especially climate-related disasters such as floods, droughts, tornadoes, and fires. Therefore, it is important to know the severity of the disaster so that the community can implement effective countermeasures to minimize losses. This study uses the Naive Bayes classification method, which is known to have high accuracy. The development of the system is carried out using the waterfall method. This research resulted in an design of a prediction system for potential natural disasters in Banyuasin Regency, South Sumatra Province. This system displays the categories of disaster severity, namely mild, moderate, and severe so that it can assist the Regional Disaster Management Agency (BPBD) in improving the efficiency of resource allocation and determining the right handling steps. Keywords: Classification, Disaster Severity, Naïve Bayes, Waterfall, Banyuasin Abstrak Kabupaten Banyuasin memiliki sekitar 80% wilayahnya berupa lahan basah, yang menyebabkan sebagian besar wilayahnya rentan terhadap bencana, terutama bencana terkait iklim seperti banjir, kekeringan, angin puting beliung, dan kebakaran. Oleh karena itu, penting untuk mengetahui tingkat keparahan bencana agar masyarakat dapat menerapkan langkah-langkah penanggulangan yang efektif untuk meminimalkan kerugian. Penelitian ini menggunakan metode klasifikasi Naive Bayes, yang dikenal memiliki akurasi tinggi. Pengembangan sistem dilakukan dengan metode waterfall. Penelitian ini menghasilkan desain sistem prediksi potensi bencana alam di Kabupaten Banyuasin, Provinsi Sumatera Selatan. Sistem ini menampilkan kategori tingkat keparahan bencana, yaitu ringan, sedang, dan berat, sehingga dapat membantu Badan Penanggulangan Bencana Daerah (BPBD) dalam meningkatkan efisiensi alokasi sumber daya dan menentukan langkah penanganan yang tepat. Kata Kunci: Klasifikasi, Tingkat Keparahan Bencana, Naïve Bayes, Waterfall, Banyuasin]]>
Copyrights © 2025
