Penerimaan mahasiswa baru merupakan kegiatan yang sangat penting bagi perguruan tinggi dalam rangka menjaring mahasiswa baru. Hal ini juga terjadi saat mahasiswa baru diterima di UNISNU Jepara. Naïve Bayes Clasifier atau disebut juga dengan Bayesian Classification merupakan metode pengklasifikasian statistik yang didasarkan pada teorema bayes yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu kelas. Bayesian Classification terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database yang besar. Meskipun memiliki akurasi yang cukup baik, metode Naïve Bayes memiliki kelemahan dalam seleksi atribut sehingga dapat mempengaruhi nilai akurasi. Untuk mengatasi kelemahan pada metode Naïve Bayes tersebut, peneliti mengembangkan penelitian sebelumnya dengan menambahkan metode Particle Swarm Optimization (PSO) untuk pembobotan atribut dalam meningkatkan akurasi metode Naïve Bayes. Penelitian ini menggunakan dataset data calon mahasiswa baru pada penerimaan mahasiswa baru (PMB) tahun akademik 2018 – 2021. Proses validasi menggunakan ten fold-cross validation, sedangkan pengujian modelnya menggunakan confusion matrix dan kurva ROC. Hasilnya menunjukan akurasi NB meningkat dari 80,20% menjadi 81,70% setelah dikombinasikan dengan PSO.