Malaria adalah penyakit berbahaya yang sering terjadi di wilayah tropis dan minginfeksi jutaan manusia setiap tahunnya. Infeksi malaria pada manusia dapat disebabkan oleh parasit Plasmodium Falciparum yang masuk ke tubuh dari gigitan nyamuk anopheles. Penyakit ini sangat membahayakan dan dikategorikan serius karena terus ditemukannya resistensi parasit terhadap obat-obat anti malaria yang tersedia saat ini. Oleh karena itu, penelitian terhadap obat baru anti malaria sangat diperlukan. Penelitian ini dilakukan untuk menemukan senyawa baru yang dapat menghambat pertumbuhan enzim falcipain dalam tubuh, mengingat enzim ini sangat berperan dalam siklus hidup parasit Plasmodium Falciparum. Penelitian dilakukan dengan pendekatan berbasis komputasi dengan menggunakan Quantitative Structured-Activity Relationship (QSAR) sebagai akselerasi penelitian. Model QSAR akan dibangun dengan menggunakan algoritma Particle Swarm Optimization sebagai metode seleksi fitur, dan Regularized Linear Regression sebagai model prediksi. Hasil validasi model menunjukkan bahwa performa terbaik dihasilkan oleh model Elastic Net dengan nilai R2 pada data latih sebesar 0.813 dan nilai R2 pada data uji sebesar 0.615. Lalu nilai nilai leave-one-out cross-validation (Q2) yang didapat adalah sebesar 0.870.