Memiliki rumah dianggap sebagai kebutuhan mendasar dan indikator kesuksesan, tetapi banyak individu menghadapi kesulitan dalam memenuhi kewajiban hipotek, yang menyebabkan risiko kredit bagi pemberi pinjaman. Penelitian ini bertujuan untuk mengembangkan Decision Support System (DSS) berbasis web menggunakan algoritma Naïve Bayes untuk menganalisis aplikasi pinjaman rumah dan meminimalisir risiko kredit. Metodologi penelitian meliputi pengumpulan data dari calon peminjam, pra-pemrosesan untuk menormalkan data, dan penerapan algoritma Naïve Bayes untuk klasifikasi ke dalam kategori kredit "memenuhi syarat" atau "tidak memenuhi syarat". Kinerja sistem dievaluasi menggunakan matriks kebingungan dan pengujian kotak hitam. Hasil menunjukkan bahwa Naïve Bayes secara signifikan meningkatkan akurasi prediksi risiko kredit dengan memanfaatkan data historis dan perhitungan probabilitas berdasarkan variabel keuangan utama seperti pendapatan, stabilitas pekerjaan, dan riwayat pembayaran. Sistem yang dikembangkan memfasilitasi pengambilan keputusan yang cepat, transparan, dan objektif, mengurangi risiko gagal bayar dan meningkatkan stabilitas lembaga keuangan. Penerapan DSS juga membahas masalah dunia nyata seperti data peminjam yang tidak akurat dan dokumen palsu. Penelitian ini menyoroti efektivitas Naïve Bayes dalam mendukung keputusan pinjaman otomatis berbasis data dan memberikan model yang dapat diskalakan untuk evaluasi kredit dalam pembiayaan perumahan.