ABSTRAK Nama : Fallon Candra Program Studi : Ilmu Komputer Judul : Prediksi Risiko Kegagalan Mahasiswa pada Mata Kuliah Struktur Data dan Algoritma Menggunakan Regularized Multinomial Logistic Regression Learning Analytics merupakan suatu kegiatan yang berfokus pada pemanfaatan data akademis untuk memperoleh informasi yang bermanfaat dalam mengoptimalkan proses pemelajaran. Salah satu tujuan Learning Analytics adalah meningkatkan kesuksesan pelajar dalam proses pemelajaran. Penelitian ini berusaha untuk memenuhi tujuan tersebut dengan mengembangkan model yang memprediksi risiko kegagalan mahasiswa pada setiap minggu akademis. Model prediksi dikembangkan dengan menggunakan metode Regularized Multinomial Logistic Regression. Melalui prediksi risiko kegagalan yang dihasilkan setiap minggu, mahasiswa yang berpeluang besar tidak lulus pada suatu mata kuliah dapat segera memperbaiki pola pemelajarannya. Selanjutnya, pengajar dan pihak fakultas juga dapat melakukan tindakan intervensi sedini mungkin untuk membantu mahasiswa yang bermasalah. Hasil eksperimen menunjukkan bahwa model prediksi yang dihasilkan dapat memprediksi risiko kegagalan mahasiswa dengan cukup tepat sejak minggu kesebelas perkuliahan. Selain itu, penelitian ini juga mengevaluasi fiturfitur yang berperan penting dalam memprediksi performa akademis mahasiswa. Berdasarkan eksperimen yang dilakukan, kombinasi dari fitur terkait jumlah, keteraturan jumlah, dan jumlah unik aktivitas pemelajaran mahasiswa merupakan kombinasi fitur yang menghasilkan model prediksi dengan performa tertinggi. Lebih lanjut, fitur jumlah unik tugas yang dikumpulkan oleh mahasiswa muncul sebagai prediktor terkuat dalam penelitian ini. Kata Kunci: Learning Analytics, prediksi risiko kegagalan mahasiswa, Regularized Multinomial Logistic Regression, intervensi dini