Skripsi / Tugas Akhir merupakan suatu penelitian yang dilakukan mahasiswa untuk memperoleh gelar Sarjana Strata 1 (S1) di Perguruan Tinggi. Dalam Penyusunan Skripsi / Tugas Akhir, mahasiswa di dampingi oleh dosen pembimbing dalam menyusun skripsinya agar dapat menghasilkan penelitian yang baik dan benar sesuai standar yang berlaku. Pemilihan dosen pembimbing merupakan faktor penting yang diharapkan dapat memberikan arahan serta masukan yang tepat kepada mahasiswa. Hal ini berlaku di Program Studi Teknik Informatika UNISNU Jepara. Namun, pada penerapannya proses pembagian dosen pembimbing skripsi ini hanya berdasarkan keputusan dari panitia skripsi tanpa mempertimbangkan dan melakukan penyesuaian antara kategori atau bidang ilmu yang dipilih mahasiswa dengan bidang ilmu dan keahlian dari dosen yang bersangkutan. Hal tersebut tentu tidak efektif karena memungkinkan terjadinya miskomunikasi dan human error. Dari permasalahan tersebut dibutuhkan suatu metode data mining untuk mengklasifikasi penentuan dosen pembimbing skripsi, salah satunya yaitu dengan menggunakan metode algoritma klasifikasi. Salah satu algoritma klasifikasi yang terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database yang besar adalah algoritma Naive Bayes. Namun, metode Naive Bayes juga memiliki kelemahan yaitu banyaknya celah untuk mengurangi keefektifan metode ini, maka dari itu perlu adanya pengoptimasian metode algoritma Naive Bayes agar mendapatkan akurasi yang lebih akurat yaitu menggunakan metode algoritma Particle Swarm Optimization (PSO) karena metode ini mampu meningkatkan nilai akurasi yang lebih tinggi. Dari pengujian menggunakan Confusion Matrix sebagai performance didapat hasil akurasi algoritma Naive Bayes saja sebesar sebesar 78,08 % dan Naive Bayes dengan optimasi PSO sebesar 96,97 %, didapat peningkatan akurasi sebesar 18,89 %.