Abstrak: Sebelum adanya uji non-destruktif pada mangga untuk mengetahui kandungan kadar gula pada buah mangga selalu dilakukan metode destruktif yaitu dengan cara mangga diperas sari buahnya dan dilihat oBrix dengan menggunakan alat refraktometer. Penelitian ini bertujuan untuk mengembangkan instrument berbasis teknologi sensor FT-NIR melalui transformasi wavelet (wavelet segmentation) sehingga diharapkan dapat membantu mendeteksi cepat kualitas buah mangga. Penelitian ini menggunakan alat FT-NIR dengan sensor photodiode. Penelitian ini menggunakan model prediksi yang dibangun dengan menggunakan metode Partial least square dengan metode koreksi baseline correction. Setelah itu untuk mendeteksi data pencilan menggunakan metode analisa PCA dan hotelling T2 ellips sehingga data prediksi tidak ada noise (gangguan). Kemudian dilanjutkan dengan analisis laboratorium untuk mendapatkan nilai acuan dalam membangun model prediksi. Dalam membangun model prediksi Parameter statistika yang biasa digunakan untuk mengevaluasi model yang dihasilkan adalah Nilai Error (RMSEC), Nilai Koefisien Korelasi (r), Nilai Koefisien Determinasi (R2), dan RPD. Hasil penelitian menunjukan bahwa self developed FT-NIR mampu mendeteksi zat organik kadar gula dengan kisaran gelombang 2137 nm – 2333 nm, spektrum yang telah dikoreksi menggunakan baseline correction diperoleh nilai parameter statistiknya adalah R2 = 0,881, nilai r = 0,939, nilai RPD = 2,149, nilai error (RMSEC) sebesar 0,782. model yang dihasilkan adalah model prediksi yang bagus (good model performance) karena nilai RPD berada pada kisaran 2 - 2,5.Development of Fourier Transform Near InfraRed Spectroscopy (FT-NIR) Through Wavelet Transformation For Sugar Content Evaluation Mango Gadung (Mangifera Indica)Abstrack : Before the existence of non-destructive test on mango determine of sugar content in mango fruit always destructively by way of mango squeezed juice and seen Brix by using tool of refractometer. This research aims to develop intrument based on FT-NIR sensor technology through wavelet transformation (wavelet segmentation) so it is expected to help detect the quality of mango fruit fast. This research uses FT-NIR tool with photodiode sensor. This research uses prediction model which established by using partial least square method with correction method of baseline correction. Then proceed with laboratory analysis to obtain the reference value in building predictive model. In constructing the prediction model the usual statistical parameters used to evaluate the resulting model are error value (RMSEC), correlation coefficients (r), coefficient of determination (R2), and RPD. The results showed that self developed FT-NIR was able to detect organic subtance of sugar content with wave range 2137 nm - 2333 nm, the corrected spectra using baseline correction obtained statistic parameter value is R2 = 0,881, r = 0,939, value RPD = 2,149, error value (RMSEC) to 0,782. The model produced is a good model of performance (good model performance) because the value of RPD is in the range between 2 and 2,5.