Coronavirus disease 2019 (COVID-19) adalah jenis penyakit baru yang disebabkan oleh Virus Sevete Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2). COVID-19 telah menyebabkan lebih dari 215 juta orang terinfeksi dan lebih dari 4,47 juta orang meninggal dunia per-tanggal 27 Agustus 2021. Hingga saat ini masih belum ditemukan obat yang dapat mengobati penderita COVID-19 meskipun protokol RT-PCR dan sekuensing DNA standar telah dikembangkan untuk tujuan diagnostik. Terkait urgensi desain obat, maka digunakanlah salah satu protease fungsional SARS-CoV-2 yaitu papain-like protease (PLpro) sebagai target obat. Di antara metode penemuan obat secara in silico, Quantitative Structure Activity Relationship (QSAR) adalah salah satu metode yang dapat digunakan karena telah banyak berhasil digunakan dalam melakukan prediksi dan klasifikasi pada aktivitas biologis terhadap senyawa yang belum diuji. Penelitian ini bertujuan untuk membangun model klasifikasi QSAR untuk in-house molecules sebagai inhibitor pada papain-like protease (PLpro) SARS-CoV-2. Proses klasifikasi dilakukan menggunakan metode SVM (Support Vector Machine) yang terlebih dahulu dilakukan seleksi fitur menggunakan genetic algorithm. Dataset yang digunakan adalah label bioaktivitas dan fitur deskriptor berupa fingerprint PubChem dan Extended yang dihitung berdasarkan struktur molekul. Jumlah fitur direduksi dengan cara menghilangkan fitur yang memiliki variansi < 0.1 dan < 0.2. Hasil penelitian menunjukkan bahwa hasil terbaik didapatkan melalui implementasi SVM kernel Polynomial pada deskriptor PubChem dan VarianceThreshold 0.2 dengan nilai akurasi dan F1-Score berturut-turut 70.370% dan 63.636%.
Kata kunci : Papain-like Protease (PLpro), SARS-CoV-2, COVID19, quantitative structure activity relationship (QSAR), genetic algorithm, support vector machine (SVM)