Penelitian ini bertujuan untuk menerapkan suatu teknik pemodelan berdasarkan basil pengukuran data masukan keluaran suatu sistem, atau biasa disebut identifikasi sistem. Teknik identifikasi yang digunakan adalah dengan menggunakan metoda neuro-fuzzy dan metoda wavenet (neural network adaptive wavelet). Kedua metoda ini sangat sesuai untuk sistem nonlinier, dimana pada kenyataannya hampir semua sistem yang ada di dunia ini menunjukkan perilaku nonlinier. Metoda neuro-fuzzy yang digunakan dalam penelitian ini berstruktur ANFIS (Adaptive Neuro-Fuzzy Inference System) menggunakan algoritma hibrida yang menggabungkan metoda least-square estimator (LSE) dan error backpropagation (EBP), sedangkan wavenet menggunakan algoritma backpropagation dan minimisasi gradient steepest descent. Kedua metoda ini kemudian diaplikasikan untuk mengidentifikasi dua unit sistem yang terdapat pads plant amoniak yaitu unit sintesa amoniak dan kolom distilasi biner aqua amoniak. Proses identifikasi dilakukan menggunakan data rill operasional yang diambil dari PT. Kaltim Pasifik Amoniak, Bontang untuk unit sintesa amoniak dan dari PT. Petrokimia Gresik untuk unit kolom distilasi biner. Berdasarkan hasil identifikasi dan validasi model, basil yang diperoleh menunjukkan bahwa kedua metoda mampu melakukan identifikasi plant nonlinier dengan baik, model terbaik diperoleh dari model konsentrsi NH3 menggunakan metoda neuro-fuzzy dengan pendekatan orde 6. Secara umum dan hasil perbandingan menunjukkan metoda neuro-fuzzy mampu menghasilkan rata-rata error yang lebih kecil, tetapi memerlukan waktu komputasi yang relatif lebih lama. Kelebihan dan kekurangan masing-masing dikarenakan antara lain : faktor inisialisasi parameter, perbedaan struktur jaringan dan algoritma pembelajaran yang dipergunakan. Dengan diperolehnya model yang akurat pads penelitian ini, maka diharapkan dapat membantu dalam perancangan sistem kontrol di masa yang akan datang.