Tesis ini membahas model optimasi pemeliharaan jaringan jalan yang terdampak banjir dengan menggunakan teknik heuristik dan machine learning. Penelitian ini bertujuan untuk mengidentifikasi dampak banjir pada perkerasan jalan dan mengoptimalkan pemeliharaan jalan dengan mempertimbangkan keterbatasan anggaran. Tiga metode optimasi dianalisis, yaitu greedy heuristik, reinforcement learning, dan naive bayes classifier, yang masing-masing memiliki keunggulan dalam kondisi tertentu. Hasil penelitian menunjukkan bahwa metode greedy heuristik memberikan rasio benefit-cost (BCR) tertinggi pada skenario tanpa banjir dan dengan batasan anggaran, sementara metode naive bayes classifier memberikan BCR tertinggi pada skenario banjir tanpa batasan anggaran. Penelitian ini diharapkan dapat membantu pihak terkait dalam mengambil keputusan pemeliharaan jalan yang lebih efektif dan efisien dalam menghadapi risiko banjir.