Penerapan pembelajaran jarak jauh (PJJ) berbasis Learning Management System (LMS) seperti Moodle telah menjadi krusial dalam menunjang proses belajar mandiri mahasiswa. Namun, efektivitas PJJ tidak hanya ditentukan oleh teknologi, tetapi juga oleh strategi umpan balik yang mampu menyesuaikan kebutuhan individu peserta didik. Penelitian ini bertujuan mengembangkan sistem umpan balik adaptif berdasarkan tingkat Self-Regulated Learning (SRL) mahasiswa dengan memanfaatkan log aktivitas pada LMS. Metode klasifikasi menggunakan algoritma Random Forest diterapkan untuk memetakan tingkat SRL dari data log yang telah dinormalisasi dan diekstraksi per pekan. Selain itu, pendekatan unsupervised learning dengan KMeans digunakan dalam tahap awal untuk menentukan label SRL sebagai acuan pelatihan model. Berdasarkan hasil klasifikasi mingguan, sistem memberikan rekomendasi belajar yang dipersonalisasi sesuai dengan prediksi level SRL, seperti saran peningkatan keterlibatan untuk mahasiswa SRL rendah dan eksplorasi lanjutan bagi mahasiswa SRL tinggi. Eksperimen menunjukkan bahwa model mampu memberikan prediksi yang stabil dan interpretatif, serta dapat mengidentifikasi dinamika perubahan pola belajar mahasiswa dari awal hingga akhir semester. Penelitian ini memberikan kontribusi terhadap pengembangan sistem pendukung pembelajaran yang informatif, adaptif, dan berbasis data dalam konteks pendidikan digital.
Kata Kunci: Self-Regulated Learning, LMS, Random Forest, KMeans, Umpan Balik.