Electronic Theses and Dissertation

Abstrak penelitian ini bertujuan untuk menguji dan mengevaluasi teknologi nirs sebagai metode non destruktif untuk memprediksi kadar gula dan vitamin c pada mangga menggunakan support vector machine regression (svmr) dan multiple linear regression (mlr) sebagai metode kalibrasi serta menentukan pretreatment terbaik menggunakan standar normal variate (snv) dan peak normalalization (pn). penelitian ini menggunakan 30 sampel mangga arumanis dan ft-ir science and technology t-1516. pengolahan data menggunakan unscramble software® x versi 10.5. prediksi tpt dengan metode svmr menghasilkan nilai rpd 1,8 dengan interpretasi yang cukup baik, sedangkan metode mlr non-pretreatment menghasilkan nilai rpd sebesar 1,04 dengan interpretasinya adalah prediksi masih kasar. pretreatment terbaik untuk memperkirakan tpt dengan metode mlr adalah peak normalization dengan nilai rpd adalah 0,98, r sebesar 0,421, r2 sebesar 0,053 dan rmsec sebesar 4,537. hasil prediksi vitamin c pada mangga dengan metode svmr menghasilkan model kinerja yang baik dengan nilai rpd 2,4. pretreatment terbaik untuk memperkirakan vitamin c dengan metode multiple linear regression (mlr) adalah standard normal variate (snv) dengan nilai rpd sebesar 0,92, r sebesar 0,339, r2 sebesar 0,114 dan rmsec sebesar 11,268. berdasarkan penelitian ini dapat dinyatakan bahwa nirs salah satu teknologi yang dapat digunakan untuk memprediksi kadar gula dan vitamin c mangga dengan baik. kata kunci: nirs, svmr, mlr, standard normal variate, peak normalization.