Keterlambatan waktu studi mahasiswa merupakan tantangan yang sering dihadapi oleh institusi pendidikan tinggi, termasuk Politeknik Caltex Riau (PCR), karena memengaruhi indikator kelulusan tepat waktu yang menjadi salah satu komponen penting dalam penilaian akreditasi. Penelitian ini membangun sistem prediksi keterlambatan kelulusan berbasis machine learning dengan memanfaatkan data akademik mahasiswa. Lima algoritma supervised learning, yaitu Logistic Regression, Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Decision Tree, dan Random Forest, digunakan dalam proses klasifikasi. Hasil pengujian menunjukkan bahwa model Random Forest memberikan performa terbaik dengan tingkat akurasi sebesar 96%, sehingga dipilih sebagai model utama dalam sistem. Sistem prediksi kemudian diimplementasikan dalam bentuk aplikasi berbasis web yang menampilkan hasil prediksi secara interaktif. Dengan adanya sistem ini, pihak manajemen akademik dapat melakukan pemantauan lebih efektif, memberikan intervensi lebih awal, serta mendukung pengambilan keputusan strategis guna mengurangi jumlah mahasiswa yang terlambat lulus.