Abstract-Hepatitis is a major cause of death among all infectious diseases, and become a public health problem in developing countries in the world, including Indonesia which ranks second among the WHO South East Asian Region member countries with the number 2 person with Hepatitis B after Myanmar (WHO, 2017). Hepatitis includes chronic diseases, when the patient is infected, the condition is still healthy and has not shown typical symptoms and signs, but the transmission continues. Then there needs to be early treatment to reduce cases of hepatitis, one of them is by making an accurate hepatitis diagnosis system. In this research, naive bayes optimization was carried out using particle swarm optimization which was applied to patient data with 2 classes, namely positive hepatitis and negative hepatitis in Al-Mulk Hospital Sukabumi City. After testing, the accuracy value for the Naive Bayes algorithm model is 86.52% with AUC value 0.860 and the accuracy value of the Naive Bayes model with attribute selection using Particle Swarm Optimization is 91.67% with AUC 0.895. Based on this value, the accuracy difference was 5.15% and the difference in AUC was 0.035.Keyword: Hepatitis, Naive Bayes, Particle Swarm Optimazation.            Abstrak-Hepatitis adalah penyebab utama kematian di antara semua penyakit menular, dan menjadi masalah kesehatan masyarakat di negara-negara berkembang di dunia, termasuk Indonesia yang menempati peringkat kedua di antara negara-negara anggota WHO Kawasan Asia Tenggara dengan orang nomor 2 dengan Hepatitis B setelah Myanmar ( WHO, 2017). Hepatitis termasuk penyakit kronis, ketika pasien terinfeksi, kondisinya masih sehat dan belum menunjukkan gejala dan tanda yang khas, tetapi penularannya berlanjut. Maka perlu ada pendeteksian lebih dini untuk mengurangi kasus hepatitis, salah satunya adalah dengan membuat sistem diagnosis hepatitis yang akurat. Dalam penelitian ini, optimasi naive bayes dilakukan dengan menggunakan optimasi partikel swarm yang diterapkan pada data pasien dengan 2 kelas, yaitu hepatitis positif dan hepatitis negatif di Rumah Sakit Al-Mulk Kota Sukabumi Kota. Setelah pengujian, nilai akurasi untuk model algoritma Naive Bayes adalah 86,52% dengan nilai AUC 0,860 dan nilai akurasi model Naive Bayes dengan pemilihan atribut menggunakan Particle Swarm Optimization adalah 91,67% dengan AUC 0,895. Berdasarkan nilai ini, perbedaan akurasi adalah 5,15% dan perbedaan dalam AUC adalah 0,035.Kata Kunci : Hepatitis, Naive Bayes, Particle Swarm Optimazation.