Penelitian ini bertujuan untuk melakukan prediksi efek samping obat yang merugikan pada studi kasus
Hepatobiliary Disorders. Obat yang bereaksi dengan protein lainnya dapat menimbulkan efek samping dan
30% obat mengalami kegagalan dalam tahap uji klinis karena efek samping yang merugikan dan
kurangnya kemanjuran. Manfaat penelitian ini adalah melakukan model prediksi dengan mudah, cepat,
dan murah. Metode penelitian menggunakan Gray Wolf Optimization untuk seleksi fitur dan
diklasifikasikan menggunakan metode Support Vector Machine untuk prediksi model. Optimasi
menggunakan hyperparameter tuning untuk meningkatkan performa model dan dilakukan validasi
menggunakan confusion matrix. Berdasarkan hasil penelitian, model SVM dengan kernel RBF merupakan
yang terbaik dengan nilai akurasi dan f1-score sebesar 0.684 dan 0.696.