Dalam usaha peternakan, sekitar 70% dari total biaya produksi digunakan sebagai biaya pakan. Penggunaan limbah, seperti limbah kopi yang memilki hasil samping berupa kulit kopi sebanyak 287.735 ton dapat dijadikan solusi yang baik (Direktorat Jendral Perkebunan, 2016). Namun, mengetahui kadar nutrisi limbah merupakan langkah penting karena limbah pada umumnya memiliki kandungan nutrisi yang rendah. Metode analisis secara kimia (analisis proksimat) yang umum digunakan memiliki banyak kelemahan dalam analisis pakak, seperti waktu analisis yang lama dan rumit serta menggunakan bahan-bahan berbahaya dan korosif. Metode Near Infrared Reflectance Spectroscopy (NIRS) dapat dijadikan sebagai metode alternatif yang potensial karena memiliki kemampuan menganalisis dengan cepat, persiapan yang mudah, non-destructive dan tanpa menggunakan bahan kimia (Andrianyta, 2006). Namun demikian kurangnya penelitian mengenai metode ini, menyebabkan minimnya data mengenai karakteristik spektrum near infrared reflectance (NIR) dan rentang panjang gelombang optimum yang relevan dengan nutrisi pada bahan pakan ternak. Tujuan dari penelitian ini adalah untuk mengevaluasi akurasi metode analisis pakan dengan teknologi NIRS dalam memprediksi kandungan nutrisi limbah kulit kopi serta mengetahui panjang gelombangnya. Penelitian ini menggunakan sampel limbah kulit kopi yang dibedakan menjadi 2 spesies, yaitu robusta dan arabika dengan total 30 sampel. Sampel kemudian digiling dengan cutting mill. Sebanyak 10 gr dari tiap sampel dilakukan akuisisi spektrum dengan FT-IR IPTEK T-1516. Analisis kimia ditujukan untuk membandingkan antara data hasil analisis kimia dan metode NIRS. Parameter yang dianalisis yaitu bahan kering (BK), serat kasar (SK) dan protein kasar (PK). Data spektrum diolah menggunakan PCR dengan metode pretreatment multiplicative scatter correction (MSC) dan DeTrending (DT). Spektrum NIR sampel limbah kopi didapatkan dengan menggunakan instrumen NIR (FT-IR). Evaluasi keakuratan dan kehandalan model dievaluasi dengan melihat parameter statistik yang meliputi; koefisien korelasi (r), root mean square error (RMSE), residual predictive deviation index (RPD), dan jumlah latent variable (LV). Berdasarkan analisis yang telah dilakukan, metode NIRS dengan model prediksi yang sudah dibangun tidak dapat memprediksi kandungan BK. Hal ini ditunjukkan dengan nilai r, R2 dan RPD yang rendah (0.58, 0.34 dan 3.06) serta RMSEC yang tinggi (3.06). Metode NIRS dapat memprediksi kandungan PK dan SK dengan baik dengan menggunakan pretreatment MSC (PK= r: 0.87, R2: 0.76, RMSEC: 0.45 dan RPD: 2.07; SK= r: 0.87, R2: 0.75, RMSEC: 2.83 dan RPD: 2.03). Prediksi kasar untuk PK dan SK didapatkan dengan menggunakan pretreatment DT (PK= r: 0.75, R2: 0.57, RMSEC: 0.60 dan RPD: 1.55; SK= r: 0.84, R2: 0.71, RMSEC: 3.06 dan RPD: 1.88)