ABSTRAKSI: Persaingan di bidang industri telekomunikasi semakin banyak seiring dengan kemajuan teknologi. Banyak perusahaan operator telekomunikasi baru yang muncul untuk ikut meramaikan persaingan bisnis telekomunikasi. Berbagai macam layanan dan fasilitas yang menarik ditawarkan oleh masing-masng perusahaan untuk dapat menarik pelanggan sebanyak-banyaknya. Sehingga tidak menutup kemungkinan banyak pelanggan yang dapat dengan mudah melakukan churn dan beralih ke perusahaan lain. Jumlah staff yang terbatas menjadi kendala bagi sebuah perusahaan untuk dapat menghubungi semua pelanggan tersebut. Oleh karena itu, diperlukan suatu sistem data mining yang dapat melakukan prediksi seseorang pelanggan berpotensi churn atau tidak. Tugas akhir ini bertujuan untuk melakukan klasifikasi dalam menentukan pelanggan menggunakan kombinasi Fuzzy dan salah satu varian Genetic Algorithm yaitu Data Mining Evolutionary Learning (DMEL). Metode ini dilakukan karena lebih efektif dalam menemukan rule dan dapat menangani missing value. Studi kasus yang digunakan dalam tugas akhir ini adalah churn prediction untuk pelanggan mobile telecommunication.Kata Kunci : churn, data mining, fuzzy, genetic algorithm, data miningABSTRACT: Telecommunication industry competition is rapidly grow up as soon as technology development . A lot of companies in telecommunication operator have grew up to join in this competition. Various of services and facilities have been offering to draw a lot of customers. So, it’s easy to customer to have a churn. Limited staff is the problem to contact all customer who have churn potential. So, we need a system of data mining including assorted technique for prediction that customers have potency to churn or not churn. This final project used combination of Fuzzy and Data Mining Evolutionary Learning (one of variant Genetic Algorithm) to build classification in determining the customer. This method is used because it can effectively find the rules and handle missing value. Case study used in final project is churn prediction in mobile telecommunication’s customer.Keyword: churn, data mining, fuzzy, genetic algorithm, data mining