Kelenjar tiroid merupakan salah satu organ dalam tubuh manusia, fungsi dari kelenjar ini yaitu untuk mengontrol metabolisme dalam tubuh manusia. Ketika kelenjar troid dapat bekerja normal maka jumlah hormon akan dipertahankan secara tepat yang fungsinya untuk menjaga metabolisme dalam tubuh. kelenjar tiroid dapat terkena beberapa gangguan yang dapat merusak fungsinya secara normal. Pada tahun 2009 di Amerika Serikat tedapat sejumlah 37.200 orang mengidap kanker tiroid. Di tahun 2012 sebanyak 20 juta penduduk  di Amerika Serikat dari berbagai macam ras dan usia terkena gangguan pada tiroidnya. Pendekatan berbasis komputer dapat menjadi salah satu solusi alat untuk mempermudah diagnosa penyakit tiroid. Metode FIS Tsukamoto  dipilih sebagai solusi penyelesaian masalah diagnosa penyakit tiroid karena fleksibel dan sederhana dalam menentukan aturan-aturan yang diberikan. Namun, kekurangan dari metode FIS Tsukamoto  adalah penentuan batasan-batasan untuk fungsi keanggotaan yang masih manual sedangkan batasan tersebut berpengaruh pada hasil diagnosa sistem. Oleh karena itu dibutuhkan suatu metode untuk mengoptimasi batasan-batasan pada fungsi keanggotaan tersebut. Metode Algoritma Genetika dipilih sebagai metode yang akan digunakan untuk optimasi fungsi keanggotaan tersebut karena metode ini mampu menyelesaikan berbagai masalah optimasi dengan efisien dan efektif. Masukan yang diberikan pada sistem berupa 5 nilai tes yang diperlukan yaitu t3-resin test, total serum thyroxin, total serum triiodothyronine, basal thyroid-stimulating hormone (TSH), maksimal perbedaan dari nilai TSH.  Sedangkan keluaran dari sistem berupa 3 kategori hasil diagnosa yaitu normal. hypertiroidism dan hypotiroidism. Sistem ini memiliki akurasi sebesar 86% data yang digunakan sebanyak 215 data dari UCI repository. Parameter Algoritma Genetika yang menghasilkan solusi optimum adalah kombinasi cr=0.7 dan mr=0.3, ukuran populasi sebesar 80 dan jumlah generasi sebanyak 100.