Undang-undang No. 20 Tahun 2003 tentang Sistem Pendidikan Nasional, menyebutkan bahwa setiap peserta didik pada setiap satuan pendidikan berhak mendapatkan Beasiswa bagi yang berprestasi yang orang tuanya kurang mampu membiayai pendidikannya. Politeknik TEDC Bandung berusaha memberikan beasiswa pendidikan kepada calon mahasiswa baru dan mahasiswa lama yang telah dialokasikan oleh Kementerian Ristekdikti melalui Lembaga Layanan Pendidikan Tinggi (LLDIKTI) atau sebelumnya disebut Kopertis ataupun beasiswa pendidikan yang diselenggarakan oleh Pemerintah Pemprov dan Pemerintah Daerah. Namun jumlah calon mahasiswa penerima beasiswa yang mendaftar lebih banyak dibandingkan dengan jumlah alokasi yang disediakan untuk penerima beasiswa. Kenyataan di lapangan yang terjadi di Politeknik TEDC Bandung, calon mahasiswa yang tidak diterima sebagai penerima beasiswa mengeluh dengan sistem seleksi penerimaan beasiswa yang bersifat tertutup sehingga menimbulkan pertanyaan dan komentar baik dari orangtua / wali mahasiswa. Ketidaktepatan penentuan penerima beasiswa menjadi masalah utama yang tidak dapat terhindarkan karena setelah dilakukan analisis terhadap data calon penerima beasiswa dan penerima beasiswa di Politeknik TEDC Bandung pada tahun 2017 terdapat sebagian data penerima beasiswa yang seharusnya tidak mendapatkan beasiswa begitu juga sebaliknya. Permasalahan ini timbul dikarenakan Politeknik TEDC Bandung belum memiliki sistem pengambilan keputusan yang tepat ataupun model prediksi untuk menentukan penerima beasiswa. Sementara untuk memudahkan dan mengetahui dalam menentukan calon mahasiswa penerima beasiswa, peneliti tertarik untuk meneliti atribut-atribut yang mempengaruhinya dengan cara teknik klasifikasi yang terdapat pada data mining. Sehingga informasi hasil dari klasifikasi dapat digunakan sebagai solusi / model dalam mendukung pengambilan keputusan dalam penentuan mahasiswa penerima beasiswa di Politeknik TEDC Bandung. Adapun beberapa faktor yang menjadi persyaratan bagi calon mahasiswa penerima beasiswa di Politeknik TEDC Bandung, yaitu sebagai penerima bantuan pemerintah, pendidikan orang tua, pekerjaan orang tua, pendapatan orang tua, pengeluaran orang tua, kepemilikan rumah tinggal, jumlah tanggungan, transportasi yang digunakan, nilai rata-rata ujian, dan prestasi non akademik. Support Vector Machine (SVM) merupakan salah satu metode dari data mining yang digunakan untuk proses klasifikasi dan regresi berdasarkan pada beberapa prediksi. Algoritma Support Vector Machine (SVM) termasuk ke dalam 10 besar algoritma klasifikasi terbaik. Penelitian ini bertujuan untuk mengetahui model terbaik, memprediksi tingkat akurasi seleksi penerima beasiswa dan atribut yang paling berpengaruh yang dihasilkan oleh algoritma Support Vector Machine (SVM) berbasis Particle Swarm Optimization (PSO). Hasil yang diperoleh menyatakan bahwa algoritma Support Vector Machine berbasis Particle Swarm Optimization memiliki tingkat akurasi lebih besar dibandingkan dengan algoritma Support Vector Machine tanpa dioptimasi sebesar 78,35 % atau memiliki selisih 2,41 % dengan waktu eksekusi lebih lama 59 detik. Namun algoritma Support Vector Machine berbasis Particle Swarm Optimization tidak dapat dipastikan secara nyata hasil akurasinya lebih baik dibandingkan algoritma yang tidak dioptimasi karena melebihi nilai ambang batas yang telah ditentukan sebesar 0,168. Atribut paling berpengaruh dalam menentukan seleksi penerima beasiswa adalah atribut pengeluaran per bulan, pendidikan terakhir ayah, pendidikan terakhir ibu dan jumlah tanggungan dari total 10 atribut yang digunakan dalam proses pengujian. Dengan adanya penelitian ini diharapkan dapat membantu Politeknik TEDC Bandung dalam menentukan seleksi penerima beasiswa.