<![CDATA[Universities can not only depend on digital marketing capabilities that are currently widely used but also utilize emerging technologies such as predictive analytics. This research attempts to make a predictive basis for analytic applications by utilizing Azure Machine Learning. In addition to utilizing machine learning capabilities, the author tries to use Feature Selection which is provided to obtain attributes that support research goals related to the world of education. This research aims to find relevant factors for outstanding student candidates for every student admission process. This research uses the Support Vector Machine Algorithm and comparison of the Feature Selection using Pearson Correlation Coefficient and Mutual Information. The results obtained using 10 attributes obtained the best results of 0.827 for accuracy and 0.831 for precision Institusi pendidikan tidak boleh hanya bergantung pada kemampuan digital marketing yang saat ini banyak digunakan namun juga memanfaatkan teknologi yang sedang berkembang seperti predictive analytic. Penelitian ini mencoba membuat dasar aplikasi predictive analytic dengan memanfaatkan Azure Machine Learning. Selain memanfaatkan kemampuan machine learning, penulis mencoba menggunakan Feature Selection yang disediakan untuk memperoleh atribut yang mendukung tujuan penelitian terkait dunia pendidikan. Penelitian ini bertujuan menemukan faktor yang relevan untuk calon mahasiswa berprestasi pada setiap penerimaan mahasiswa baru yang dilakukan. Penelitian ini menggunakan Algoritma Support Vector Machine serta perbandingan Feature Selection menggunakan Pearson Correlative Coefficient dan Mutual Information. Hasil yang diperoleh menggunakan 10 atribut memperoleh hasil terbaik 0.827 untuk accuracy dan 0.831 untuk precision.]]>
