IMPLEMENTASI METODE SUPPORT VECTOR REGRESSION UNTUK PREDIKSI KANDUNGAN GULA PADA MADU LEBAH TANPA SENGAT

Madu memiliki rasa manis yang khas karena mengandung gula alami. Untuk memeriksa kandungan gula dalam madu, biasanya diperlukan pengujian laboratorium yang menggunakan alat spektroskopi. Dalam penelitian ini, teknologi UV-Vis (Ultraviolet-Visible) spektroskopi digunakan untuk mengumpulkan data spektrum panjang gelombang dari sampel madu lebah tanpa sengat. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah sistem model prediksi kandungan gula pada madu lebah tanpa sengat menggunakan metode Support Vector Regression (SVR) yang dikombinasikan dengan validasi silang K-Fold Cross Validation (K-Fold CV). Data yang digunakan dalam penelitian ini berasal dari hasil uji laboratorium yang dilakukan pada sampel madu dari wilayah Lampung dan Bogor. Metode SVR dengan K-Fold CV diterapkan untuk melakukan prediksi kandungan gula berdasarkan data spektrum UV-Vis dalam rentang panjang gelombang 357–725,5 nm. Model SVR dengan K-Fold CV, di mana nilai k yang digunakan adalah 10, berhasil memprediksi kandungan gula dengan tingkat akurasi yang sangat baik. Hasil penelitian menunjukkan bahwa model prediksi ini menghasilkan nilai RMSE (Root Mean Square Error) sebesar 0,05983 dan R² (koefisien determinasi) sebesar 0,99864, yang menunjukkan bahwa model memiliki kemampuan prediksi yang akurat dengan tingkat kesalahan yang rendah.