Dengue merupakan penyakit tropis yang disebabkan oleh virus Flavivirus dan menjadi beban kesehatan masyarakat global dengan lebih dari 390 juta kasus tiap tahun. Salah satu pendekatan dalam pengembangan antivirus adalah menargetkan NS3 protease, enzim penting dalam replikasi virus. Namun, proses identifikasi inhibitor potensial melalui metode konvensional sering kali mahal dan memakan waktu. Penelitian ini bertujuan untuk mengimplementasikan kombinasi metode Harris Hawks Optimization (HHO) dan Support Vector Machine (SVM) dalam memprediksi bioaktivitas inhibitor NS3 protease. Dataset diambil dari ChEMBL dan disaring menjadi 591 senyawa aktif dan non-aktif. Seleksi fitur dilakukan dengan HHO dalam tiga skema kernel berbeda (RBF, Polynomial, dan Linear), kemudian model SVM dioptimasi menggunakan GridSearchCV. Kernel RBF mencapai hasil terbaik dengan akurasi 84% dan skor F1 0.84. Kombinasi HHO dan SVM terbukti efektif dalam meningkatkan efisiensi dan akurasi prediksi inhibitor NS3, serta menunjukan potensi signifikan dalam percepatan penemuan obat antivirus dengue.
Kata kunci: dengue, NS3 protease, machine learning, Harris Hawks Optimization, Support Vector Machine