Pengendali logika fuzy memiliki kelemahan yaitu segala sesuatu harus didefnisikan terlebih dahulu secara eksplisit, termasuk aturan-aturan kendalinya. Masalah timbul jika aturan-aturan kendali tidak dimiliki dan tidak adanya seorang expert atau operator untuk membentuk aturan-aturan kendali yang sesuai. Masalah ini dapat diatasi dengan menggunakan jaringan syaraf buatan pada bagian inferensi. Jaringan syaraf memiliki kemampuan untuk dilatih dengan sekumpulan data pelatihan, sehingga setelah pelatihan selesai jaringan ini dapat digunakan tanpa harus mengetahui aturan-ataran kendali secara lengkap. Peuggunaan jaringan syaraf menimbulkan masalah bare, yaitu jika data pelatihan tidak tersedia, becarti konsep jaringan syaraf tidak dapat digunakan. Untuk itu digunakan mekanisme belajar (self-learning) untuk menghasilkan data pelatihan yang selanjutnya digunakan untuk melatib jaringan syaraf. Skripsi ini membahas mengenai algoritma dan penerapan pengendali self-learning neurofuzzy pada sistem overdamped dan underdamped serta membahas pengaruh perubahan parameter-parameter pengendali terhadap basil pengendalian.