Persentase dari kelulusan tepat waktu mahasiswa merupakan salah satu aspek penting dalam akreditasi suatu perguruan tinggi. Maka sangat penting untuk memastikan dan terus memotivasi mahasiswa agar dapat lulus tepat waktu. Dengan melakukan prediksi akan probabilitas kelulusan mahasiswa diharapkan para dosen dapat fokus memberikan perhatiannya kepada mahasiswa yang terprediksi kelulusannya rendah. Dengan mengimplementasikan klasifikasi data mining, memprediksi kelulusan mahasiswa akan jauh lebih mudah dan efisien. Pada penelitian ini dengan menerapkan salah satu metode klasifikasi data mining yaitu Naive Bayes, proses pengklasifikasian data dapat terprediksi dengan keakuratan yang cukup baik berdasarkan penelitian-penelitian sebelumnya. Proses pengklasifikasian dimulai dari proses pengumpulan data. Data yang digunakan adalah data nilai mahasiswa dan probabilitas kelulusan yang mana menjadi objek penelitian ini. Dalam penelitian ini diuji juga rasio perbandingan antara data training dan data tes mana yang paling optimal untuk metode naive bayes. Dari hasil penelitian ini, dengan menerapkan metode naive bayes didapatkan bahwa dengan menggunakan rasio 80% data training hasil yang didapat lebih optimal. Tingkat akurasi yang didapat dari metode tersebut mencapai 90.78% , dengan presisi data sebesar 88%, dan recall sebesar 88.4%. Hasil tersebut diharapkan akan berguna untuk studi literatur penelitian selanjutnya dan juga agar perguruan tinggi dapat lebih memperhatikan probabilitas kelulusan mahasiswanya guna meningkatkan akreditasi kampusnya.
Kata kunci : klasifikasi, data mining, naive bayes, kelulusan mahasiswa