Dropout adalah kondisi ketika mahasiswa keluar dari program pendidikan yang dijalani, hal ini menjadi masalah penting yang memengaruhi mahasiswa dan institusi pendidikan. Di Universitas Sebelas Maret (UNS), 23,9% mahasiswa angkatan 2013 mengalami dropout. Untuk menekan angka ini, diperlukan prediksi dini menggunakan data dari SIAKAD UNS menggunakan bantuan Educational Data Mining (EDM). EDM menggunakan algoritma machine learning memanfaatkan data yang dimuat di dalam SIAKAD untuk mengidentifikasi pola-pola penting yang berkaitan dengan mahasiswa dropout. Penelitian ini membandingkan algoritma dasar seperti algoritma Decision Tree (DT), K-Nearest Neighbors (KNN), Logistic Regression (LR), Extreme Gradient Boosting (XGBoost), dan Random Forest (RF), serta algoritma ensemble seperti stacking dan weighted stacking untuk memprediksi dropout. Hasilnya menunjukkan bahwa weighted stacking memberikan f1-score terbaik sebesar 93.31%. Selain itu, analisis fitur dilakukan untuk mengidentifikasi faktor-faktor yang memengaruhi dropout dimana faktor akademis merupakan faktor paling berpengaruh terhadap dropout. Penelitian ini diharapkan berkontribusi dalam pengembangan metode klasifikasi dan analisis faktor dropout mahasiswa.