Obat adalah campuran zat yang dapat mencegah, mengurangi dan menyembuhkan penyakit. Selain dapat mencegah penyakit, obat-obatan juga dapat menimbulkan efek samping. Ini adalah penyebab kematian keempat di Amerika dan menyebabkan sebanyak 100.000 kematian setiap tahun. Banyak peneliti mengidentifikasi obat dengan menggabungkan senyawa (reseptor dan enzim), untuk menghasilkan prediksi efek samping obat. Tetapi eksperimen tradisional dan pengembangan obat memakan waktu dan mahal. Penggunaan in vitro lebih sulit karena uji biokimia harus menguji senyawa seluler, tetapi banyak obat menargetkan protein yang belum dijelaskan. Metode in silico dinilai cukup efektif karena kemampuannya menghasilkan prediksi yang baik dan wawasan baru tentang cara kerja obat dan mekanisme efek sampingnya. Pada penelitian ini dikembangkan model prediksi efek samping obat menggunakan Gravitational Search Algorithm (GSA) untuk seleksi fitur dan metode ensemble untuk membangun model prediksi dengan tujuan penemuan obat pada studi kasus gangguan hepatobilier. dengan tiga metode yaitu Random Forest, Adaptive Boosting (AdaBoost), dan Extreme Gradient Boosting (XGBoost). Model terbaik diperoleh dari model Random Forest dengan akurasi dan skor F1 masing-masing 0.68 dan 0.77.