Masalah keterlambatan kelulusan mahasiswa sering kali ditemui di berbagai perguruan tinggi. Salah satunya yang terjadi pada mahasiswa program studi Statistika, Universitas Negeri Gorontalo lulusan 2018 sampai dengan 2023, yang mana sebanyak 162 orang (76,5%) terlambat menyelesaikan studi dan 5 orang (2,35%) drop out. Keterlambatan kelulusan tersebut disebabkan oleh berbagai faktor, sehingga diperlukan metode klasifikasi yang mampu untuk mengidentifikasi faktor yang paling dominan. Adapun metode klasifikasi yang digunakan pada penelitian ini yaitu Improved Chi-Square Automatic Interaction Detection (I-CHAID) dengan pendekatan Synthetic Minority Oversampling Technique (SMOTE). SMOTE digunakan untuk mengatasi data yang jumlah amatannya tidak seimbang. Berdasarkan pohon klasifikasi I-CHAID dengan pendekatan SMOTE, diperoleh hasil signifikan yang mempengaruhi durasi penyelesaian studi yaitu IPK pada semester lima (67,2%) dan cara pembimbingan (87,5%). Adapun kinerja klasifikasi yang dihasilkan dari testing data 40% yaitu akurasi sebesar 40,6% atau dari 32 sampel terdapat 13 sampel tepat diklasifikasikan, nilai sensitivitas yaitu 6,25% menunjukan tingkat keberhasilan klasifikasi data dengan kategori lulus tepat waktu, nilai spesifisitas 75% menunjukan tingkat keberhasilan klasifikasi data dengan kategori lulus tidak tepat waktu, nilai precision sebesar 20% menunjukan hasil prediksi kategori lulus tepat waktu yang sebenarnya dan nilai F-measure yaitu 9,52% menunjukan tingkat keseimbangan antara precision dan sensitivitas. Kata Kunci: Durasi Studi; Klasifikasi; Improved CHAID; SMOTE