<![CDATA[The use of technology in data processing and decision-making is a crucial requirement for companies to be competitive and improve their operational performance. In practice, such decision-making still has the potential to lead to analytical errors. Furthermore, a lack of supervision of applicants can also lead to problematic financing. This indicates that the eligibility assessment process is still suboptimal and requires a system that can facilitate more accurate and objective decision-making. Therefore, a classification method is needed that can assist the process of assessing applicant eligibility systematically, quickly, and accurately. One method that can be used is the Naïve Bayes Classifier. This method has several advantages, including the ability to produce a high level of accuracy in the classification process. The system is able to process predetermined criteria data and produce a decision of whether or not it is feasible based on the highest probability calculation results. This is evidenced by the results of the pretest and posttest, which resulted in 90% of the data being recognized and 10% of the data being unrecognized.Keywords: Creditworthiness; Probability; Naïve Bayes Classifier AbstrakPemanfaatan teknologi dalam pengolahan data dan pengambilan keputusan menjadi kebutuhan penting bagi perusahaan agar mampu bersaing dan meningkatkan kinerja operasionalnya. Dalam praktiknya, pengambilan keputusan tersebut masih berpotensi menimbulkan kesalahan analisis. Selain itu, kurangnya pengawasan terhadap pemohon juga dapat menyebabkan terjadinya pembiayaan bermasalah. Hal ini menunjukkan bahwa proses penilaian kelayakan masih belum optimal dan membutuhkan sistem yang dapat membantu pengambilan keputusan secara lebih akurat dan objektif. Sehingga diperlukan suatu metode klasifikasi yang mampu membantu proses penilaian kelayakan pemohon secara sistematis, cepat, dan akurat. Salah satu metode yang dapat digunakan adalah Naïve Bayes Classifier. Metode ini memiliki beberapa keunggulan, di antaranya kemampuan menghasilkan tingkat akurasi yang baik dalam proses klasifikasi. Sistem yang dibangun mampu mengolah data kriteria yang telah ditentukan dan menghasilkan keputusan berupa layak atau tidak layak berdasarkan hasil perhitungan probabilitas tertinggi, hal ini dibuktikan dari hasil uji Pretest dan Posttest yang menghasilkan 90% data dikenali dan 10% data tidak dikenali. Kata kunci: Kelayakan Kredit; Probalilitas; Naïve Bayes Classifier]]>
