Algoritma Extreme Learning Machine dan Backpropagasi digunakan pada penelitian ini untuk mengetahui algoritma mana yang paling sesuai dalam mengetahui prestasi akademik mahasiswa. Data-data tentang mahasiswa ini digali untuk mendapatkan pola sehingga dapat diketahui karakteristik mahasiswa baru setiap tahunnya. Proses evaluasi dari penelitian ini menggunakan confusion matrix untuk pengenalan data yang dikenali dengan benar dan data yang tidak dikenal. Perbandingan algoritma ini menggunakan data mahasiswa di awal perkuliahan sebagai deteksi dini terhadap mahasiswa yang memiliki masalah dengan akademik untuk segera diantisipasi. Adapun variabel yang digunakan adalah nilai ujian masuk mahasiswa baru, nilai IP Semester 1, Jenis Kelamin, dan Status Bekerja, sedangkan variabel keluaran adalah nilai mutu sebagai klasifikasi kinerja akademik. Hasil penelitian ini menyatakan bahwa algoritma Extreme Learning Machine memiliki 14,84% tingkat kesalahan lebih rendah dibandingkan dengan Backpropagasi 28,20%. Dari tahapan pengujian model didapatkan hasil yang paling akurat adalah algoritma Extreme Learning Machine karena mempunyai tingkat akurasi paling tinggi dan tingkat kesalahan paling rendah.