Bagian terpenting dari sebuah kendaraan listrik adalah motor listrik sebagai
penggerak kendaraan tersebut. Agar sebuah motor listrik dapat bekerja dengan baik,
perlu ada sebuah kontroler yang mengatur sehingga tenaga yang dikeluarkan pada
waktu tertentu bisa sesuai dengan kebutuhan. Seiring perkembangan zaman, metode
pembelajaran mesin untuk kontroler jadi semakin banyak digunakan, dan salah satu
model pembelajaran mesin terbaik untuk digunakan sebagai kontroler adalah
jaringan syaraf fuzzy. Melihat hal tersebut, pada penelitian ini akan digunakan salah
satu model neuro fuzzy yaitu Artificial Neuro Fuzzy Inference System (ANFIS).
Metode standar untuk optimasi sebuah model jaringan syaraf fuzzy adalah
menggunakan gradient descent, namun metode tersebut memiliki beberapa
kekurangan bagi jaringan syaraf fuzzy, salah satunya mudah terjebak dalam
minimum lokal. Oleh karena itu pada penelitian ini akan diuji cobakan dua metode
optimasi tanpa gradien yaitu gradientless descent (GLD) dan particle swarm
optimization (PSO). Dengan menggunakan data hasil rekaman dari motor listrik,
dilatih model ANFIS dengan 3 input dan 2 output. Dari hasil penelitian didapatkan
bahwa model ANFIS dengan menggunakan membership function segitiga dan
konfigurasi (3, 3, 3) dengan menggunakan optimasi PSO memberikan hasil paling
baik. Kombinasi membership function segitiga dengan konfigurasi (3, 3, 3)
memberikan kompleksitas yang cukup bagi model tanpa menjadi overfit, dan
optimasi PSO dapat memberikan akurasi yang lebih baik dibandingkan GLD
meskipun menggunakan waktu training dan biaya komputasi yang jauh lebih sedikit.