ABSTRAKSI: Pohon keputusan merupakan salah satu metode klasifikasi dalam data mining. Pohon keputusan mengelompokkan data ke dalam kelas-kelas tertentu yang sudah didefinisikan sebelumnya. SLIQ merupakan salah satu contoh metode pohon keputusan yang menggunakan Gini Index dan dapat digunakan untuk mengklasifikasikan data bertipe numeric dan kategorial. Namun SLIQ memiliki keterbatasan dalam mengklasifikasikan data-data continous, karena split point pada SLIQ menggunakan nilai diskret sehingga kurang sesuai dengan karakteristik data continuous. Hal ini mengakibatkan data klasifikasi yang dihasilkan akan cenderung kasar, kaku dan kurang sesuai dengan karakter data yang diberikan. Oleh karena itu diberikan metode Fuzzy SLIQ Decision Tree dengan menambahkan fuzzy dalam penghitungan split point algoritma SLIQ. Dengan penambahan fuzzy ini penentuan split point akan didasarkan pada keanggotaan suatu data terhadap titik potong tertentu. Dengan metode ini, data continous tidak diklasifikasikan secara diskret, tetapi dengan memperhitungkan nilai keanggotaan terhadap titik-titik potong yang terdapat dalam model pohon yang dihasilkan. Dari hasil pengujian didapat bahwa Fuzzy SLIQ Decision Tree menghasilkan akurasi yang secara umum lebih baik dibandingkan dengan algoritma SLIQ dan mempunyai waktu proses pembentukan model yang lebih cepat dibandingkan dengan algoritma SLIQ.Kata Kunci : Data Mining, Klasifikasi, Pohon Keputusan, Fuzzy SLIQ Decision Tree, SLIQABSTRACT: Decision tree is one of classification method in data mining. Decision tree collects data into certain class that has been defined before. SLIQ is one decision tree method that use Gini Index and can use to classify categorical and numerical data. But SLIQ have limitation to classify continuous data, because split point in SLIQ use discrete value so not fit with continuous data characterization. It can make classification data that produce with SLIQ is rough, rigid and less appropriate with given data characterization. Because of that, give the Fuzzy SLIQ Decision Tree algorithm with add fuzzy in split point calculation SLIQ algorithm. With add fuzzy in the algorithm, split point decision will base with membership value the data to split point. With this method, continuous data doesn’t classify use discrete split point but use calculation membership value split points that describe in tree model that has been produced in training process. From the test result we can see that Fuzzy SLIQ Decision Tree Algorithm generally give better accuracy than SLIQ Algorithm and give the time model building process faster than SLIQ algorithm.Keyword: Data Mining, Classification, Decision Tree, Fuzzy SLIQ Decision Tree, SLIQ