Kredit merupakan suatu sistem pinjam meminjam atas persetujuan yang telah disepakati diawal dengan phak bank atau institusi lembaga keuangan sejenis dengan nasabahnya. Dengan demikian analisa kelayakan pemberian kredit ini diharapkan dapat menganalisa solusi kesesuaian tingkat akurasi dalam sejumlah data yang sangat besar (big data) dengan melibatkan sebuah dataset yang nantinya akan dilakukan penambangan data dengan menggunakan tools rapid miner. Metode algoritma yang akan digunakan yakni metode data mining berupa Algoritma Naive Bayes Classifier. Klasifikasi data mining dapat membantu para analis kredit dalam hal menentukan signifikansi dan kelayakan pemberian kredit pada nasabah. Sehingga dari proses klasifikasi ini didapatkan berupa atribut penentu berupa kategori kelayakan dalam hal penentuan pemberian kredit kepada salah satu nasabah yang bersangkutan. Pengujian yang dilakukan yakni dengan menggunakan model confusion matrix yang melibatkan data training yang berbeda dalam hal jumlah atribut, dimana ekperimen pertama pengujian dilakukan terhadap 16 atribut data training kemudian ekperimen kedua pengujian dilakukan dengan melibatkan 9 atribut data training. Maka dari kedua eksperimen yang dilakukan akan diperoleh komparasi nilai akurasi, pengujian 16 atribut menghasilkan signifikansi akurasi 59,00% dan pengujian 9 atribut menghasilkan nilai akurasi sebesar 56,00 % sehingga dari kedua pengujian yang dilakukan dapat dipilih alternatif akurasi yang paling baik yakni pengujian dengan 16 atribut. Sehingga hasil dan output yang dihasilkan akan menghasilkan ketepatan pengujian atas suatu rekomendasi keputusan dalam membantu para profesional atau analis kredit di institusi keuangan dalam hal menentukan kelayakan pemberian kredit pada nasabahnya dengan bantuan algoritma yang digunakan untuk menyelesaikan suatu persoalan sehingga didapatkan pengidentifikasi terkait manakah yang layak atau tidak dikatakan sebagai penentuan pemberian kredit dengan mengacu pada penentuan kelas lancar atau bermasala