Penelitian untuk menciptakan obat merupakan aktivitas yang sudah manusia lakukan sejak dulu. Proses virtual screening merupakan salah satu pendekatan yang menjadi tulang punggung perancangan obat. Dua masalah yang sering muncul dalam proses virtual screening adalah, penanganan terhadap jumlah data yang sangat besar dan ketersediaan sumber daya komputasi untuk memproses yang terbatas. Penelitian ini merupakan bagian dari gagasan untuk membuat sistem perancangan obat terintegrasi. Dua kontribusi yang coba diajukan melalui tesis ini adalah analisa teknik data mining yang digunakan untuk melakukan prescreening molekul yang dilakukan pada desktop machine dan mengeksplorasi kinerja dari alternatif sumber daya komputasi kinerja tinggi cloud computing untuk proses virtual screening. Hasil dari penelitian ini, SVM memperlihatkan kinerja yang lebih bagus secara signifikan atas Naive Bayes dan Decision Tree untuk dua parameter (percent correct dan F – Measure). Namun secara umum ketiga classifier memperlihatkan hasil yang baik dengan akurasi pada kisaran 80% s.d. 98%. Selain itu, sumberdaya komputasi kinerja tinggi yang disediakan oleh Infrasruktur cloud memperlihatkan hasil yang menjanjikan dengan biaya proses pada kisaran antara $ 0.0252 - $ 0.0292 yang setara dengan Rp. 224,00 – Rp. 260,00 per molekul.