ABSTRAKSI: Kondisi normal atau abnormal sebuah jaringan komputer sulit diprediksi karena batasannya tidak dapat didefinisikan dengan pasti. Untuk mengurangi masalah ini, dapat digunakan fuzzy classifier system yang mengacu pada konsep fuzzy. Pada tugas akhir ini telah dilakukan analisis proses pencarian sebuah aturan fuzzy yang optimal sebagai penentu kondisi jaringan komputer dengan menggunakan genetic programming. Metode ini memiliki beberapa parameter yang akan mempengaruhi solusi yang didapatkan. Parameter tersebut antara lain ukuran populasi, peluang mutasi, dan peluang pindah silang. Bahasa pemrograman yang digunakan adalah Delphi7. Dari hasil pengujian diperoleh parameter optimal yang menghasilkan aturan fuzzy dengan tingkat kebenaran sebesar 51.65% yaitu dengan ukuran populasi 100, peluang mutasi 0.1, dan peluang pindah silang 0.6. Selain itu, diketahui pula bahwa semakin besar ukuran populasi dan nilai fitness pada data training tidak menjamin akan memberikan hasil optimal. Performasi aturan klasifikasi yang terbentuk memiliki tingkat keamanan tinggi, namun tingkat kenyamanan bagi user cukup rendah.Kata Kunci : aturan fuzzy, fuzzy classifier system, genetic programming, sistem pendeteksi intrusiABSTRACT: In a computer network, normal or abnormal condition has become a tough proportion problem to predicts because of unconfined in straits. Fuzzy classifier system, which is reffering to fuzzy concept, would be used to alleviate this problem. This final project will examines a process to find an optimal fuzzy rule as the determining condition of computer network with genetic programming. This have some parameter which is affecting the result. The parameters are population size, generation maximal size, crossover and mutation probability. Programming language with Delphi7. The experiment shown that optimal fuzzy rule have probability correct 51.65% with 100 of population size, 0.1 of mutation rate, and 0.6 of crossover rate. Maximal population size and fitness value does not guarantee evolve an optimal rule. The performace of the classification rule output shown that the securities was high while comfort rate was low.Keyword: fuzzy rule, fuzzy classifier system, genetic programming, intrusion detection system