Kredit macet merupakan salah satu resiko kredit yang dihadapi oleh pelaku industri keuangan dan perbankan. Kredit macet dapat dihindari dengan cara melakukan analisa kredit yang akurat terhadap calon debitur. Keakuratan penilaian kredit sangat penting untuk profitabilitas lembaga keuangan. Peningkatan akurasi penilaian kredit dapat dilakukan dengan cara melakukan seleksi terhadap atribut, karena seleksi atribut mengurangi dimensi dari data sehingga operasi algoritma data mining dapat berjalan lebih efektif dan lebih cepat.Banyak penelitian yang telah dilakukan untuk penentuan penilaian kredit. Salah satu metode yang paling banyak digunakan adalah metode Naive Bayes. Dalam penelitian ini akan digunakan metode Naive Bayes dan akan dilakukan seleksi atribut dengan menggunakan particle swarm optimization untuk penentuan penilaian kredit. Setelah dilakukan pengujian maka hasil yang didapat adalah Naive Bayes menghasilkan nilai akurasi sebesar 72,40 % dan nilai AUC sebesar 0,765. Kemudian dilakukan optimasi dengan menggunakan particle swarm optimization hasil menunjukkan nilai akurasi yang lebih tinggi yaitu sebesar 75,90% dan nilai AUC sebesar 0,773. Sehingga dicapai peningkatan akurasi sebesar 3,5 %, dan peningkatan AUC sebesar 0,008. Dengan melihat nilai akurasi dan AUC, maka algoritma Naive Bayes berbasis particle swarm optimization masuk kedalam kategori klasifikasi cukup.