Indeks retensi kovats yang diperoleh dari 51 senyawa flavor dan fragrance telah berhasil dihitung menggunakan data deskriptor molekular. Algoritma genetika yang dibangun dengan bahasa pemograman Perl digunakan untuk memilih deskriptor molekular optimal. Deskriptor molekular optimal yang diperoleh akan digunakan untuk memprediksi indeks retensi kovats dengan menggunakan metode regresi linear berganda yang dibuat dengan menggunakan bahasa pemograman R. Perhitungan nilai deskriptor molekular dapat dilakukan dengan mudah dan gratis (open source) menggunakan software Online Chemical Database, Perl, dan R. Hasil yang diperoleh menunjukkan bahwa dari 51 senyawa flavor dan fragrance didapatkan 170 deskriptor molekular. Dari 51 senyawa ini dibagi menjadi 2 dataset, yaitu training set sebesar 90% dan testing set sebesar 10%. Dari hasil tersebut dilakukan seleksi dengan menggunakan algoritma genetika dan terpilih 5 deskriptor molekular yang paling optimal dengan 200 perulangan untuk digunakan dalam pembangunan model regresi linear berganda. Model yang terbaik dipilih dan diperoleh indikator optimalisasi yang optimal yaitu R-Square sebesar 0,986, Adjusted R-Square sebesar 0,984 dan RMSE = 38,36. Model regresi linear berganda yang dibangun juga dapat memprediksi indeks retensi kovats dengan rata-rata perbedaan sebesar 3,2%. Dari hasil yang didapatkan, diketahui bahwa algoritma genetika dan regresi linear berganda dapat dijadikan salah satu metode untuk memprediksi indeks retensi kovats.