Credit scoring di lembaga keuangan/bank sangat penting dalam menentukan apakah layak atau tidak menerima dana pinjaman. Oleh karena itu, credit scoring merupakan bagian terpenting dari perusahaan dan berdampak besar terhadap keuntungan perusahaan. Oleh karena itu, ada peraturan yang sangat ketat dalam proses credit scoring. Evaluasi kredit ini menggunakan data nasabah yang dikumpulkan dengan mengisi formulir, data riwayat keuangan nasabah, dan berbagai sumber data lainnya. Algoritma Binning Optimal adalah metode standar industri yang digunakan oleh ilmuwan data untuk membangun model penilaian kredit. Namun, ilmuwan data perlu menganalisis setiap variabel atau fitur secara individual untuk memahami bagaimana pola setiap variabel mempengaruhi tujuan. Ketika ada ratusan bahkan ribuan variabel, itu akan memakan banyak waktu, Dari perspektif bisnis, biasanya membutuhkan solusi yang secepat dan seefektif mungkin. Untuk mengatasi masalah ini, kami mengusulkan implementasi algoritma evolusioner untuk menemukan solusi terbaik dari kendala nilai variabel untuk membentuk binning yang optimal. Algoritma genetika sebagai cabang dari algoritma evolusi adaptif yang biasa digunakan untuk memecahkan pencarian nilai dalam masalah optimasi. Melalui penelitian ini, Algoritma Genetika dapat memecahkan masalah dalam menentukan keterbatasan dalam pembentukan binning variables yang optimal dengan sangat baik. Hasil perbandingan antara metode pengklasifikasi memberikan bukti bahwa Regresi Logistik dapat secara konsisten memiliki kinerja yang stabil. Selain itu, dapat mempertahankan kinerja model prediksi meskipun ada perubahan tren dalam data pengujian, sementara metode lain mendapatkan penurunan hasil kinerja. Dalam data test Regression Logistik, ia menerima AUC sebesar 0,71.