Salah satu komoditas Perkebunan yang memiliki peranan penting dalam perekonomian Indonesia adalah kelapa sawit. Pada tahun 2023, Riau menjadi provinsi dengan areal perkebunan kelapa sawit terluas, mencapai 3.38 juta hektar atau sekitar 20,68% dari total luas areal perkebunan kelapa sawit yang tersebar di 26 provinsi di Indonesia. Pengendalian kualitas Crude Palm Oil (CPO) merupakan faktor kunci untuk mempengaruhi daya saing dan harga jual di pasar internasional. Standar mutu menjadi indikator utama untuk menilai kualitas CPO. Parameter standar mutu CPO telah diatur dalam Standar Nasional Indonesia (SNI), yaitu: nilai maksimum FFA sebesar 5%, Moisture sebesar 0.25% dan Dirt sebesar 0.25%. Penelitian ini mengimplementasikan algoritma Multinomial Logistic Regression (MLR) menggunakan data primer mutu CPO dari PT Telen Prima Sawit Muara Bengkal Mill dalam rentang waktu Januari 2019 hingga Agustus 2023, dengan total 6790 baris data. Proses pengolahan data dilakukan menggunakan tools Jupyter Notebook dengan bahasa pemrograman python. Parameter yang digunakan meliputi FFA, Moisture, Dirt, dan DOBI. Model klasifikasi MLR mencapai akurasi tertinggi pada skema pembagian data 70:30 dengan resampling menggunakan SMOTE dan melalui pengujian 10-fold cross-validation K=3 dan K=5 merupakan model paling optimal dengan akurasi rata-rata mencapai 85.80%. Evaluasi menggunakan confusion matrix menunjukkan bahwa model berhasil memprediksi kelas positif (1) dengan 272 kasus benar (TP) dan kelas negatif (0) dengan 588 kasus benar (TN). Model juga menghasilkan 65 kasus prediksi positif yang seharusnya negatif (FP), tetapi tidak ada prediksi negatif yang seharusnya positif (FN), sehingga menghasilkan tingkat accuracy 96.10%, precision 88.31%, recall 100%, dan F1-score 93.79% untuk hasil klasifikasi kategori kelas “baik” dan “tidak baik”.