Abstrak− Penelitian ini dimulai dengan memperkenalkan konteks masalah, yaitu tingkat keberhasilan dan kegagalan mahasiswa di perguruan tinggi, khususnya di Politeknik Negeri Subang. Kegagalan mahasiswa, yang dapat menyebabkan drop out, menjadi fokus utama karena dapat mempengaruhi mutu pendidikan dan akreditasi perguruan tinggi. Politeknik Negeri Subang, didirikan pada tahun 2014, memiliki jurusan Teknologi Informasi dan Komputer dengan program studi Sistem Informasi (SI). Data mahasiswa SI untuk tahun akademik 2022/2023 menjadi dasar penelitian ini. Tingkat keberhasilan mahasiswa menjadi tantangan di lingkungan perguruan tinggi yang sangat kompetitif. Identifikasi faktor penyebab kegagalan mahasiswa di Politeknik Negeri Subang menjadi kunci untuk mengatasi tantangan ini dan terus meningkatkan kualitas pendidikan. Buku panduan akademik Politeknik Negeri Subang membagi alasan drop out menjadi tiga poin utama, termasuk nilai indeks prestasi semester, jumlah SKS, dan nilai akademik. Penelitian ini bertujuan untuk melakukan klasifikasi pada kasus drop out menggunakan algoritma C4.5 guna mengidentifikasi faktor yang paling berpengaruh. Dalam konteks ini, data mining, khususnya metode klasifikasi dengan algoritma C4.5, dianggap sebagai pendekatan yang efektif untuk menganalisis data mahasiswa yang berpotensi drop out. Penelitian ini juga merujuk pada penelitian terdahulu yang menggunakan algoritma C4.5 untuk klasifikasi mahasiswa berpotensi drop out. Selanjutnya, penelitian ini menetapkan lima atribut sebagai variabel independen, yaitu IPK, SKS, jenis tempat tinggal, jenis transportasi, dan status mahasiswa. Metode penelitian mencakup beberapa tahap, termasuk pengumpulan data dari Sistem Informasi Akademik (SIAKAD) Politeknik Negeri Subang, praproses data, pembagian data menjadi data training dan data testing, serta klasifikasi data menggunakan algoritma Decision Tree C4.5. Penelitian ini mengambil data mahasiswa tahun akademik 2022/2023 dengan total 976 data. Proses praproses data melibatkan data selection, data cleaning, dan data transformation. Setelah pembagian data, dilakukan klasifikasi menggunakan algoritma Decision Tree C4.5. Penelitian ini mengevaluasi performa model dengan menggunakan data testing dan menghasilkan confusion matrix. Hasil evaluasi menunjukkan akurasi sebesar 98.50%, dengan precision untuk Drop Out dan Tidak Drop Out masing-masing 93.18% dan 100.00%. Recall dari data Drop Out dan Tidak Drop Out adalah 64.44% dan 100.00%. Pohon keputusan merupakan output dari penelitian ini, yang dapat memberikan pemahaman lebih lanjut mengenai faktor-faktor yang mempengaruhi mahasiswa drop out. Penelitian ini diharapkan dapat memberikan kontribusi positif dalam upaya mengurangi angka drop out di Politeknik Negeri Subang dan perguruan tinggi pada umumnya.Kata Kunci: Drop Out, Data Mining, Algoritma C4.5, Decision Tree, Kualitas Pendidikan