Program beasiswa berperan penting dalam mendukung pemerataan akses pendidikan tinggi. Namun, kendala sering muncul terkait tidak tercapainya syarat IPK ≥ 3.00. Penelitian ini bertujuan mengembangkan model prediksi keberhasilan akademik mahasiswa penerima beasiswa di Politeknik Caltex Riau menggunakan pendekatan Principal Component Analysis (PCA), Decision Tree, dan Regresi Linier. Data diperoleh melalui kuesioner yang disusun berdasarkan validasi bersama psikolog dan mencakup sepuluh faktor akademik dan non-akademik. Dari 262 data responden, dihasilkan 54 atribut awal yang direduksi menjadi 38 komponen utama melalui PCA dengan total variansi 95%. Lima kategori dominan mencakup: kesesuaian jurusan, motivasi belajar, metode pembelajaran, kondisi keuangan, dan kondisi psikologis. Model klasifikasi menggunakan Decision Tree menunjukkan hasil terbaik pada data uji 20% tanpa SMOTE, dengan akurasi 94,3%, f1-score kelas minoritas 0.77, precision 0.71, dan recall 0.83. Model regresi terbaik diperoleh dari Regresi Linier dengan PCA 95%, menghasilkan R² sebesar 0.9556, MAE 0.0652, dan RMSE 0.0810. Hasil menunjukkan bahwa integrasi PCA, Decision Tree, dan Regresi Linier efektif untuk klasifikasi dan prediksi IPK, serta dapat digunakan sebagai alat bantu evaluasi akademik penerima beasiswa