Performa mahasiswa menjadi perhatian penting bagi Perguruan Tinggi. Salah satu indikator performa mahasiswa berupa nilai akhir mata kuliah yang berdampak langsung dengan nilai Indeks Prestasi Kumulatif (IPK) ataupun kelulusan dari mahasiswa tersebut. Penelitian ini mengusulkan penggunaan machine learning dalam mengolah log data Learning Management System (LMS) untuk memprediksi performa mahasiswa berdasarkan nilai akhir. Penelitian terkait prediksi nilai akhir sudah banyak dilakukan pada penelitian sebelumnya. Namun belum banyak yang memanfaatkan log data untuk dianalisis. Penelitian ini berkontribusi untuk mengoptimalkan algoritma regresi dengan teknik feature selection pada log data LMS untuk memprediksi nilai akhir mata kuliah mahasiswa. Algoritma regresi yang digunakan yaitu linear regression (LR), random forest regression (RFR), dan support vector regression (SVR). Sedangkan, untuk teknik feature selection yang digunakan yaitu mutual information dan backward elimination (BE). Hasil penelitian ini menunjukkan bahwa log data LMS dapat digunakan untuk memprediksi nilai akhir. Selain itu teknik feature selection mampu meningkatkan performa model regresi, terutama pada model yang dipasangkan dengan BE. Dimana, nilai R⊃2; model SVR tanpa feature selection hanya sebesar 0.74, sedangkan model SVR+BE mampu mencapai 0.81. Selain itu, model SVR + BE menjadi model terbaik dengan nilai MAE sebesar 4.54
