Semakin meningkatnya penggunaan jaringan pada komputer terutama untuk data dan informasi yang berskala besar dan bersifat penting, disisi lain hal tersebut dapat menyebabkan suatu masalah yaitu adanya intrusi pada jaringan. Intrusion Detection System (IDS) adalah proses monitoring kejadian yang terjadi pada sistem atau jaringan serta dapat menganalisa apakah suatu aktivitas normal atau sebuah intrusi. Pada tugas akhir ini, supervised anomaly detection pada Intrusion Detection System(IDS) dengan menggunakan metode jaringan syaraf tiruan (JST) backpropagation termodifikasi pada datasetkddcup 1999 intrusion detection untuk mendeteksi data normal dan data intrusi beserta performansi tiap kelas dan akurasi. Masalah utama backpropagation adalah membutuhkan waktu yang relatif lama untuk mencapai konvergensi. Dengan menggunakan algoritma Conjugate Gradient Fletcher Reeves untuk mencapai konvergensi dalam waktu yang lebih cepat, karena epoch yang dihasilkan lebih sedikit. Selain itu menggunakan 4 (empat) teknik line search pada proses pelatihan pada Backpropagation Termodifikasi ini yang diharapkan mampu mengklasifikasikan yang lebih baik untuk mendeteksi intrusi dan waktu yang lebih efisien karena dapat meminimumkan arah pencarian dengan parameter ?, ? dan direction. Kemudian akan dilakukan analisa pada 4 (empat) line search tersebut berdasarkan jumlah epoch, nilai MSE dan nilai rata-rata f-measure yang dihasilkan. Berdasarkan hasil pengujian, dengan melakukan pelatihan menggunakan data traning dengan jumlah 16000 record memiliki hasil yang lebih baik, dengan performansi sistem menggunakan nilai rata-rata f-measure. Untuk Brent Search menghasilkan rata-rata f-measure yaitu 41.99%, pada Charalambous Search yaitu 47.67%, pada Golden Section Searchyaitu 44.15% dan pada Hybrid Bisection-CubicSearchyaitu 54.13%. Hybrid Bisection-Cubic Search merupakan line search yang terbaik karena memiliki jumlah epochyang paling minimum, nilai MSE yang paling terbaik dan performansi sistem yang baik pada saat klasifikasi kelas. Hal ini dikarenakan pada Hybrid Bisection-Cubic Search memiliki perhitungan yang banyak pada setiap langkahnya sehingga dapat menghasilkan konvergensi yang baik. Berdasarkan nilai rata-rata f-measure pada backpropagation termodifikasisudah cukup menjanjikan dibandingkan dengan pada backpropagation termodifikasi standar yaitu 42.04%, untuk epoch mencapai batas maksimum yaitu 1001 epoch dan belum mencapai konvergensi.