Dalam penelitian ini, dilakukan penerapan algoritma Naive Bayes dan Decision Tree untuk seleksi atribut dalam klasifikasi kelulusan mahasiswa tepat waktu. Data yang digunakan adalah data mahasiswa Universitas Ichsan Gorontalo Program Studi Informatika yang terdiri dari 8 atribut, yaitu IPS1, IPS2, IPS3, IPS4, IPS5, Jenis Kelamin, Kelas, dan Status Kelulusan. Hasil penelitian ini menunjukkan bahwa algoritma Decision Tree lebih unggul dalam mengklasifikasi mahasiswa tepat waktu dengan akurasi mencapai 97.87%, sementara algoritma Naive Bayes memiliki akurasi sebesar 97.70%. Kedua algoritma ini diterapkan menggunakan perangkat lunak RapidMiner untuk melakukan proses klasifikasi dan evaluasi model. Meskipun kedua algoritma menunjukkan performa yang sangat baik, Decision Tree sedikit lebih akurat dalam memprediksi statuskelulusan mahasiswa tepat waktu. Hasil ini dapat digunakan untuk membantu pengambilan keputusan dalam manajemen akademik, terutama dalam memprediksi mahasiswa yang berpotensi lulus tepat waktu.