ABSTRAK Nama : Kamila Dini Nabilati Program Studi : Ilmu Komputer Judul : Prediksi Risiko Kegagalan pada Mata Kuliah SDA dengan Algoritma eXtreme Gradient Boosting Learning analytics adalah suatu bidang yang memanfaatkan data akademis untuk meningkatkan mutu pemelajaran. Penelitian ini bertujuan untuk melakukan prediksi risiko kegagalan mahasiswa pada suatu mata kuliah dengan memanfaatkan data aktivitas pemelajaran online secara mingguan sejak awal minggu perkuliahan. Metode yang digunakan untuk mencapai tujuan tersebut adalah dengan membangun model prediksi menggunakan algoritma eXtreme Gradient Boosting (XGBoost). Hal-hal yang perlu diperhatikan dalam pembuatan model prediksi adalah pemahaman terkait data dan pengolahannya serta penentuan fitur dan parameter-parameter terbaik. Hyperparameter pada XGBoost memerlukan penanganan tersendiri sehingga dapat membangun model prediksi secara otomatis untuk setiap minggu akademis. Model prediksi yang dihasilkan dari penelitian ini dapat dikembangkan dan diintegrasikan lebih lanjut pada sistem pemelajaran Fasilkom UI. Kata Kunci: learning analytics, model prediksi, XGBoost, risiko kegagalan vi