Kinerja akademik mahasiswa menjadi faktor penting dalam peningkatan kualitas pendidikan di perguruan tinggi. Learning Management System (LMS) berfungsi sebagai alat pemantauan aktivitas belajar mahasiswa melalui log data mata kuliah, tetapi volume data yang besar menjadi kendala dalam pengolahan data. Penelitian ini menerapkan Educational Data Mining (EDM) dengan berbagai algoritma machine learning untuk mengidentifikasi pola dalam klasifikasi log data LMS. Tujuan penelitian adalah menganalisis pengaruh Backward Elimination (BE) terhadap performa algoritma machine learning dalam memprediksi nilai akhir mahasiswa dan menentukan fitur signifikan. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan Backward Elimination memperoleh performa terbaik dengan akurasi sebesar 89.67%, macro recall 87.49%, macro precision 89.67%, dan macro F1 score 88.08%. Fitur yang paling berpengaruh meliputi aktivitas menandai penyelesaian kursus, mengunggah teks sebagai tugas, bergabung dalam pertemuan online, membuat tanggapan di forum, mengirimkan tugas, serta melihat halaman kursus dan materi LMS.