Keterlambatan kelulusan mahasiswa saat ini masih menjadi permasalahan besar di berbagai perguruan tinggi di Indonesia karena, dipengaruhi oleh berbagai faktor akademik maupun non-akademik. Proses untuk mengidentifikasi mahasiswa yang berisiko terlambat lulus masih dilakukan secara manual bahkan dinilai kurang efektif dalam mengolah data yang besar dan kompleks. Penelitian ini memiliki tujuan untuk mengembangkan sistem prediksi kelulusan mahasiswa tepat waktu yang berbasis web dengan menggunakan algoritma Random Forest. Metode yang digunakan dalam penelitian ini adalah kuantitatif, dengan tahapan berupa preprocessing data, pemodelan dengan Random Forest Regressor, dan evaluasi model menggunakan metrik R-squared (R²), Mean Absolute Error (MAE), dan Mean Squared Error (MSE). Data diperoleh melalui kuesioner online pada alumni Universitas Muhammadiyah Bangka Belitung angkatan 2020–2021, yang mencakup variabel akademik dan non-akademik. Hasil penelitian menunjukkan bahwa model ini memiliki kinerja yang memuaskan dengan nilai MAE sebesar 0.0119, MSE sebesar 0.0235, dan R² sebesar 0.8418. Model tersebut kemudian diimplementasikan dalam sistem berbasis web menggunakan Streamlit yang mampu memproses data mahasiswa dan menghasilkan prediksi serta visualisasi secara otomatis. Sistem ini dapat digunakan untuk mendukung pemantauan akademik dan pengambilan keputusan yang lebih objektif dan efisien.