Dalam bidang pengobatan, peternakan, dan perikanan, antibiotik ?-laktam telah terbukti efektif dalam
mengatasi infeksi bakteri. Namun, peningkatan penggunaan antibiotik menyebabkan masalah serius
seperti resistensi antibiotik dan pencemaran lingkungan akibat residu berbahaya. Tujuan dari
penelitian ini adalah untuk mengembangkan cara yang lebih efektif untuk memprediksi toksisitas
antibiotik ?-laktam. Masukan sistem ini terdiri dari data tentang struktur kimia antibiotik, dan
keluarannya adalah prediksi tingkat toksisitasnya. Relevansi masalah ini sangat penting karena efek
toksisitas antibiotik pada kesehatan manusia dan kelestarian ekosistem. Kondisi saat ini menunjukkan
perbedaan antara kebutuhan prediksi yang cepat dan metode konvensional yang kurang efisien;
pengujian toksisitas secara konvensional memerlukan waktu yang lama, biaya tinggi, dan
menimbulkan masalah etika, terutama pada pengujian hewan. Penelitian ini menawarkan solusi
dengan menggabungkan metode pembelajaran mesin dengan model multilayer perceptron regressor
dan algoritma pemilihan fitur Harris Hawks Optimization. Proses pengumpulan dan praproses data,
pembuatan model yang menggambarkan hubungan antara struktur dan aktivitas, serta penggunaan
metrik evaluasi regresi merupakan tahapan penting dalam pengembangan sistem prediksi ini. Hasil
pengujian menunjukkan bahwa model yang dioptimasi menggunakan Harris Hawks menghasilkan
nilai koefisien determinasi tertinggi sebesar 0.5664 dengan nilai MAE dan RMSE yang lebih rendah
dibandingkan metode pembanding. Penelitian ini memberikan kontribusi dalam bentuk pendekatan
prediktif yang efisien, hemat biaya, serta lebih etis dibandingkan metode laboratorium konvensional.
Kata kunci: prediksi toksisitas, antibiotik ?-laktam, pembelajaran mesin, multilayer perceptron, harris
hawks, optimasi parameter