Salah satu peran mahasiswa dalam dunia pendidikan adalah untuk menyelesaikan studinya di perguruan tinggi. Namun saat ini, tidak semua mahasiswa dapat menyelesaikan studinya secara tepat waktu. Di jurusan Sistem Informasi UIN Syarif Hidayatullah Jakarta, persentase lulusan tepat waktu pada setiap angkatan berada di bawah angka 50%, hal ini menandakan adanya masalah yang perlu diidentifikasi dan diselesaikan. Penelitian ini bertujuan untuk membangun sebuah model klasifikasi yang memprediksi status kelulusan mahasiswa tepat waktu atau tidak. Metode Knowledge Discovery in Databases (KDD) yang memiliki fokus untuk membuat model klasifikasi digunakan untuk memprediksi status kelulusan tepat waktu mahasiswa menggunakan hasil komparasi dari algoritma Random Forest, Naive Bayes, dan Support Vector Machine (SVM). Hasil prediksinya dibuat menjadi sebuah visualisasi yang dibangun dalam bentuk Dashboard. Dashboard ini memberikan informasi mengenai perkembangan mahasiswa Sistem Informasi yang berguna untuk kepentingan analisis dan monitoring bagi pihak jurusan. Dari hasil komparasi model yang dibangun, algoritma Random Forest menunjukkan kinerja optimal dalam memprediksi kemungkinan seorang mahasiswa lulus tepat waktu dan analisis Dashboard memberikan saran berupa usulan untuk meningkatkan persentase lulusan tepat waktu. Usulan dari penelitian ini diharapkan dapat menjadi panduan bagi pengambil kebijakan di perguruan tinggi untuk merancang strategi yang lebih efektif dalam meningkatkan persentase lulusan tepat waktu, serta memberikan kontribusi pada pemahaman faktor-faktor yang memengaruhi kesuksesan akademis mahasiswa.
Kata Kunci : dashboard;naïve bayes;random forest;support vector machine