Ketepatan waktu kelulusan mahasiswa merupakan indikator penting dalam menilai kualitas dan efektivitas pendidikan tinggi. Keterlambatan kelulusan tidak hanya berdampak pada akreditasi program studi, tetapi juga pada efisiensi manajemen akademik dan kesiapan lulusan menghadapi dunia kerja. Penelitian ini bertujuan membangun model prediksi kelulusan mahasiswa menggunakan algoritma C4.5 berbasis pohon keputusan dengan dukungan perangkat lunak RapidMiner. Dataset yang digunakan terdiri atas 379 entri mahasiswa, yang mencakup atribut demografis (jenis kelamin, umur, status nikah), status mahasiswa, indeks prestasi semester (IPS 1–8), serta indeks prestasi kumulatif (IPK). Proses penelitian meliputi pengumpulan, pembersihan, transformasi data, pemodelan, dan evaluasi performa. Model diuji menggunakan pembagian data 70:30 serta validasi silang (10-fold cross-validation) untuk memastikan keandalan hasil. Hasil pengujian menunjukkan akurasi 97,81% dan nilai AUC 0,991, yang menegaskan kemampuan algoritma C4.5 dalam mengklasifikasikan status kelulusan secara tepat. Temuan ini menunjukkan peningkatan signifikan dibandingkan penelitian sebelumnya dengan algoritma Naïve Bayes (88,16%) dan K-NN (87,8%). Atribut yang paling berpengaruh adalah IPS3, IPS4, IPS5, status pekerjaan, dan umur mahasiswa. Penelitian ini berkontribusi pada pengembangan model prediksi yang tidak hanya akurat, tetapi juga mudah diinterpretasikan, sehingga dapat dimanfaatkan oleh institusi pendidikan dalam menyusun kebijakan intervensi akademik dini bagi mahasiswa berisiko terlambat lulus.