Penelitian ini mengimplementasikan Structural Equation Modeling (SEM) untuk menganalisis faktor-faktor yang memengaruhi prestasi akademik siswa menggunakan dataset Student Performance, Portuguese Language dari UCI Machine Learning Repository. SEM dipilih karena kemampuannya dalam memodelkan variabel laten serta hubungan struktural antar variabel secara simultan. Dataset terdiri dari 649 observasi siswa SMA di Portugal dengan 33 variabel yang mencakup aspek demografis, sosial, dan akademik. Variabel yang digunakan meliputi hubungan keluarga (famrel), waktu luang (freetime), waktu belajar (studytime), jumlah kegagalan (failures), serta nilai akademik G1, G2, dan G3. Model SEM yang dibangun terdiri dari tiga variabel laten: Social (dibentuk oleh famrel dan freetime), StudyHabit (dibentuk oleh studytime dan failures), serta Achievement (dibentuk oleh G1, G2, dan G3). Hasil analisis measurement model menunjukkan bahwa seluruh indikator memiliki factor loading yang signifikan. Pada structural model, StudyHabit berpengaruh signifikan terhadap Achievement (β = 0,232, p < 0,001), sedangkan Social tidak berpengaruh signifikan (β = 0,075, p = 0,054). Analisis path analysis tambahan menunjukkan G2 sebagai prediktor dominan nilai G3 (β = 0,801). Model fit SEM menunjukkan nilai CFI = 0,940 dan TLI = 0,909 yang memenuhi kriteria acceptable fit, meskipun RMSEA = 0,124 mengindikasikan perlunya penyempurnaan model lebih lanjut.