Human Oral Bioavailability (HOB) menunjukkan kemampuan obat untuk dimasukkan melalui jalur oral, memengaruhi seleksi obat potensial dan menghindari molekul dengan peluang keberhasilan rendah. Keterbatasan dalam menentukan HOB secara eksperimental, mendorong penelitian terhadap pendekatan alternatif menggunakan Machine Learning. Machine Learning sebagai metode yang dapat mempelajari pola dari data, telah diterapkan dalam beberapa penelitian untuk memprediksi HOB. Penelitian ini mengusulkan penggunaan metode Simulated Annealing-Ensemble untuk memprediksi HOB kandidat obat. Tujuan penelitian ini menerapkan Simulated Annealing untuk seleksi fitur dan memprediksi HOB dengan Ensemble Machine Learning serta mengevaluasi performa hasil prediksi HOB menggunakan pendekatan ini. Pada penelitian ini telah dibangun model prediksi Human Oral Bioavailability (HOB) menggunakan Simulated Annealing (SA) sebagai seleksi fitur dan metode Ensemble yang melibatkan tiga metode yaitu Random Forest, AdaBoost dan XGBoost sebagai model prediksi kandidat obat. Model terbaik adlah Random Forest dengan akurasi 0.7448 dan F1-Score 0.7784