Aedes aegypti adalah salah satu nyamuk paling berbahaya yang dapat menyebabkan beberapa penyakit mematikan, seperti demam berdarah, Chikungunya, Zika, dan penyakit kuning dengan tingkat kematian yang tinggi. Sampai saat ini belum ditemukan obat khusus yang dapat menyembuhkan penyakit yang disebabkan oleh nyamuk Aedes Aegypti tersebut. Salah satu solusi yang dapat dilakukan untuk mengatasi masalah tersebut adalah dengan menghambat pertumbuhan dan perkembangan larva Aedes aegypti. Penelitian ini bertujuan untuk mengimplementasikan Algoritma Genetika-Support Vector Machine untuk mengembangkan model Quantitative Structure-Activity Relationship untuk mengidentifikasi fitocompounds larvasida sebagai anti-aedes-aegypti. Penyetelan hyperparameter dilakukan untuk meningkatkan kinerja model. Berdasarkan hasil tersebut, kami menemukan bahwa model terbaik dikembangkan oleh kernel RBF dengan nilai skor dan masing-masing adalah 0,64 dan 0,64