ABSTRAKSI: Classification adalah salah satu topik penting pada riset data mining. Diberikan sejumlah data, dimana setiap data tersebut mengacu pada class yang belum ditentukan, masalah classification menitikberatkan pada penemuan dari rule (aturan) classification yang mengklasifikasikan secara benar dari anggota class yang belum diketahui. Banyak algoritma yang telah dibangun untuk melakukan penggalian pengetahuan pada data berjumlah besar pada model classification dan terbukti efektif. Namun, beberapa algoritma tersebut belum dapat digunakan untuk menentukan probabilitas kemungkinan atau kecenderungan. Untuk aplikasi seperti ini, tujuannya tidak hanya memprediksi apakah pelanggan akan pindah operator atau tidak (churn), prediksi kecenderungan kepindahan berikut classclass yang mempengaruhi juga penting. Atas dasar ini, maka digunakan DMEL sebagai bentuk dari Evolutionary Algorithm (EA). Selanjutnya, dalam Tugas Akhir ini dilakukan pengujian peningkatan performansi waktu terhadap penggunaan Logika fuzzy dalam pengadaptasian parameter learning di EA. Hasil yang didapat menunjukkan bahwa Fuzzy EA mampu mempercepat waktu learning pada DMEL.Kata Kunci : data mining, classification , penemuan rule, evolutionaryABSTRACT: Classification is an important topic in data mining research. Given a set of data records, each of which belongs to one of a number predefined classes, the classification problem is concerned with the discovery of classification rules that can allow records with unknown class membership to be correctly classified. Many algorithms have been developed to mine large data sets for classification models and they have been shown to be very effective. However, when it comes to determining the likelihood of each classification made, many of them are not designed with such purpose in mind. For such an application, the goal is not only to predict whether or not a subscriber would switch from one carrier to another, it is also important that the likelihood of the subscriber s doing so be predicted. Given its importance, an Evolutionary Algorithm (EA) called DMEL will be used. Furthermore, in this final project the research for time performance improvement of using fuzzy logic to adapting learning parameter is tested. The Result shows that Fuzzy EA can improve the DMEL learning time.Keyword: data mining, classification , classification rules, mine, evolutionary