Siswa SMP yang berencana melanjutkan jenjang pendidikannya ke SMK harus memutuskan program studi apa yang akan dipilih untuk melanjutkan pendidikannya kelak. Hal ini merupakan sesuatu yang cukup sulit diputuskan oleh kebanyakan siswa terutama bagi mereka yang tidak memiliki banyak referensi. Kebanyakan keputusan siswa, dipengaruhi oleh pendapat orang tua, teman atau figur yang diidolakan. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan dengan metode Naive Bayes sebagai algoritma terpilih berbasis Particle Swarm Optimization (PSO) dalam pemilihan jurusan yang sesuai dengan kemampuan akademik siswa. Pada penelitian ini dilakukan optimasi metode Naive Bayes dengan menggunakan metode Particle Swarm Optimization untuk seleksi atribut untuk meningkatkan akurasi prediksi yang diaplikasikan terhadap data nilai calon siswa SMK. Setelah dilakukan pengujian dengan dua model, yaitu metode naive bayes dan optimasi naive bayes menggunakan particle swarm optimization hasil yang diperoleh menunjukan bahwa dengan menggunakan Naive Bayes nilai accucary yang dihasilkan sebesar 73,09% sedangkan pengujian dengan menggunakan optimasi Naive Bayes dengan Particle Swarm Optimization didapatkan nilai accurcy sebesar 80,43%. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi sebesar 7,34%. The junior high school students who plan to continue their education to the vocational high school must decide what study program they will choose to continue their education later. This is something that is quite difficult for most students to decide, especially for those who don't have many references. Most students' decisions, sometimes influenced by the opinions of parents, friends or idolized figures. This study aims to build a decision support system using the Naive Bayes method as the selected algorithm based on Particle Swarm Optimization (PSO) in selecting majors according to students' academic abilities. In this study, the optimization of the Naive Bayes method was carried out by using the Particle Swarm Optimization method for attribute selection to improve the accuracy of predictions applied to prospective Vocational School student value data. After testing with two models, namely the Naive Bayes method and the Naive Bayes optimization using particle swarm optimization results obtained showed that using Naive Bayes the accucary value generated was 73.09% while testing using Naive Bayes optimization with Particle Swarm Optimization obtained values accurcy is 80.43%. So that both methods have different accuracy rates of 7.34%.