Perkembangan teknologi yang begitu pesat membawa peningkatan kualitas pembelajaran pada bidang komputasi untuk penguasaan bahasa pemrograman. Salah satu tantangan yang sering dihadapi oleh mahasiswa dalam melakukan pembelajaran pemrograman ialah mengalami kesulitan dalam memahami sintaksis dan juga melakukan debugging. Pengembangan sistem Online Judge (OJ) digabungkan dengan feedback adaptif sebagai bantuan kepada mahasiswa untuk menganalisis kesalahan pada kode program Python. Sistem dibangun dengan menggunakan sistem Cluster and Repair (CLARA) sebagai dasar klasterisasi dan perbaikan kode, serta digabungkan dengan Large Language Model (LLM) DeepSeek V3 untuk melakukan feedback adaptif berdasarkan tingkat kesulitan soal. Pengujian sistem dilakukan menggunakan metode crossover-design dengan menggunakan dua skenario dan melibatkan 32 orang mahasiswa semester 2 dari Program Studi Data Sains Universitas Telkom. Hasil pengujian dan analisis statistik menggunakan metode Wilcoxon Signed-Rank Test menunjukkan bahwa penerapan feedback adaptif belum memberikan pengaruh yang signifikan, khususnya pada tingkat kesulitan easy dan medium, namun pada tingkat kesulitan hard terdapat indikasi pengaruh yang lebih lebih baik. Sedangkan untuk feedback yang dihasilkan sudah sesuai dengan tingkat kesulitan soal berdasarkan validasi para ahli. Penelitian ini membuka peluang untuk pengembangan lebih lanjut, pada bagian peningkatan kualitas sistem klasterisasi dan jangka waktu evaluasi pengujian yang lebih panjang.