Lama masa studi mahasiswa merupakan salah satu poin penilaian dalam akreditasi suatu program studi pada institusi perguruan tinggi. Pendeteksian dini keterlambatan masa  studi dapat dilakukan dengan memanfaatkan teknik data mining. Pada penelitian ini diterapkan algoritma Naïve Bayes Classifier (NBC) dan teknik feature selection menggunakan Informaton Gain (IG) dan Correlation Attribute (CA) dengan tujuan membangun model prediksi yang akurat dan menganalisis atribut yang berpengaruh dalam menentukan lama masa studi sehingga dapat membantu perguruan tinggi dalam membuat kebijakan akademis agar dapat mengoptimalkan tingkat kelulusan mahasiswa pada tahun-tahun berikutnya. Hasil uji coba pada dataset diperoleh akurasi tertinggi yaitu NBC+CA sebesar 81.2%, meningkat 12% dibandingkan NBC tanpa feature selection