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

Pemalsuan madu lebah tanpa sengat (SBH) merupakan masalah serius yang memerlukan
metode deteksi akurat. Penelitian ini bertujuan mengembangkan model prediksi
kandungan gula madu menggunakan Support Vector Regression (SVR) yang kinerjanya
dioptimalkan dengan seleksi fitur Forward Selection (FS). Model dikembangkan dari
dataset spektrum UV-Vis 200 sampel, di mana tantangan data tidak lengkap secara
signifikan berhasil diatasi menggunakan imputasi. Kernel Radial Basis Function (RBF)
dipilih karena kemampuannya menangani pola data non-linear yang kompleks. Evaluasi
dengan K-Fold Cross-Validation menunjukkan bahwa model dengan Forward Selection
lebih unggul. Performa optimal dicapai pada 6-Fold Cross-Validation dengan nilai R²
sebesar 0.8697, RMSE 0.0519, dan MAE 0.0398. Metode Forward Selection juga berhasil
mengidentifikasi panjang gelombang spesifik yang paling berpengaruh terhadap
kandungan gula. Kemampuan generalisasi model kemudian divalidasi pada unseen data
dengan hasil R² 0.8671. Hasil ini membuktikan bahwa kombinasi SVR dan Forward
Selection efektif untuk membangun sistem prediksi kemurnian madu yang akurat.