Kelulusan merupakan parameter penting dalam penilaian penyelenggaraan perkuliahan pada suatu perguruan tinggi yang berkaitan dengan kemampuan mahasiswa dan presensi mahasiswa seharusnya mendapat perhatian yang lebih serius dalam evaluasi kinerja mahasiswa. Salah satu bentuk kinerja yang baik sebagai mahasiswa adalah dengan lulus tepat waktu dan tidak terancam sanksi drop out atau mengundurkan diri. Sebagaimana halnya yang terjadi pada Politeknik Caltex Riau (PCR) yaitu belum semua mahasiswa dapat lulus tepat waktu dikarenakan mahasiswa terkendala pada kerja praktik, mengulang semester, dan memiliki riwayat cuti. Hal ini tentu saja menjadi kendala terhadap lulusan tepat waktu PCR yang ditargetkan sebesar 80%. Mengatasi hal tersebut dirasa perlu adanya teknik yang dapat memprediksi kelulusan mahasiswa. machine learning merupakan aplikasi komputer dan algoritma matematika yang diadopsi dengan cara pembelajaran yang berasal dari data dan menghasilkan prediksi di masa yang akan datang. Pada penelitian ini akan menggunakan algoritma XGBoost. Algoritma XGBoost merupakan pengembangan dari algoritma Decision Tree yang juga merupakan algoritma supervised learning yang dapat digunakan untuk melakukan prediksi maupun klasifikasi. Sistem yang dibangun pada penelitian ini diharapkan dapat membantu program studi khususnya bagi para dosen pembimbing akademik untuk lebih intensif mengarahkan mahasiswa bimbingannya dalam belajar sehingga dapat menekan angka ketidak lulusan. Berdasarkan hasil pengujian, didapatkan accuracy algoritma yang digunakan sebesar 98% dengan recall sebesar 91%, precision sebesar 99%, dan F1-score sebesar 94%.