Abstrak. Telah dilakukan identifikasi data ultrasonografi tumor payudara dengan menggunakan Adaptive NeuroFuzzy InferenceSystem (ANFIS). Untuk klasifikasi diberikan pasangan-pasangan input fungsi keanggotaan (MFs) antara O - 0, l dengan output pasien tumor/kaoker sangat parah ; input MFs 0,11 - 0,2, dengan output pasien tumor/kanker parah; input MFs 0,21 - 0,4 dengan output pasien tumor/kanker tidak parah ; dan input 0,4 -1 dengan output pasien sehat. Jdentifikasi dilakukan terhadap data citra ultrasonografi baik pada pasien sehat maupun pada pasien yang memiliki kclainan, dan memberikan persentase kcbenaran data training sebesar 87%. Rule base dibuat dengan menggunakan sistem pakar (expert system) dengan 8 aturan dan training data Fuzzy Inference System (FIS) dilakukan dengan menggunakan metode backpropagation. (JKS 20~0;2:77-86)Kata kunci: data ultrasonografi, tumor payudara, neuro-fuzzy, membership junction, data training, data testing, FIS, rule base, ANFIS.Abstract. It bas been done to identify breast tumors with ultrasound data using the Adaptive Neuro Fuzzy Inference System (ANFIS). For the classification given pairs with Membership Functions Score (MFS) 0 - 0.1 for patient output tumor I cancer is very severe; MFS 0.11 - 0.2, for patient tumor I cancer is severe; MFS 0.21 - 0.4 for patient tumor I cancer is not severe, andMFS 0.4 -1 for healthy patients. Identification of ultrasound image data are made to both healthypatients and in patients who have the disorder, and gives the percentage of truth training data by87%. Rule base is created by using an expert system (expert systems) with 8 rules and training dataFuzzy Inference System (FIS) were calculated using backpropagation. (JKS 2010;2:77-86)Keywords: ultrasonografi data, breast tumors, neuro-fuzzy, membership junction, data training, data testing, FIS, rule base, ANFIS.