Bencana banjir menjadi salah satu bencana alam tahunan di Indonesia. Informasi terkait bencana banjir dapat diperoleh melalui media sosial, salah satunya adalah melalui twitter. Identifikasi bencana banjir melalui media sosial twitter dapat dilakukan dengan mengklasifikasikan pesan bencana banjir.Pada penelitian ini, digunakan metode uni-gram dan TF-IDF untuk ekstraksi data dan algoritma Support Vector Machine (SVM) untuk klasifikasi data.  Data yang digunakan adalah data tweet dari twitter yang berjumlah 3000 data dan terdiri dari 3 kelas data dengan masing-masing kelas sebanyak 1000 data. Penelitian dilakukan dengan membandingkanfungsi kernel Polynomial dan Gaussian Radial Basis Function (RBF) pada Support Vector Machine (SVM). Dari perbandingan fungsi kernel tersebut, diperoleh hasil bahwa kernelRBF memiliki kinerja klasifikasi yang lebih baik dibandingkan kernel Polynomial yaitu dengan nilai akurasi sebesar 77,90%, presisi sebesar  78,29%, dan recall sebesar 77,90%.