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