Abstrak. Pada umumnya, sebagian besar sistem di dunia nyata berkemungkinan mengandung ketidakpastian. Ketidakpastian ini dapat disebabkan oleh keterbatasan data yang tersedia, kompleksitas sistem, atau perubahan lingkungan atau demografis. Banyak perilaku menarik yang dapat diamati dari sistem, salah satunya perilaku osilasi nonlinier. Perilaku ini dapat menunjukkan dinamika yang kompleks, tergantung pada nilai awal dan parameter. Salah satu model matematika yang menggambarkan perilaku ini adalah persamaan Duffing, yang banyak diterapkan dalam bidang fisika dan juga biologi, prediksi penyakit, dan masalah dinamika populasi. Persamaan Duffing menghasilkan model yang penting untuk studi osilasi nonlinier dan sistem dinamik yang acak. Aspek lain yang menarik untuk diamati adalah adanya gaya eksternal yang mengarah pada fenomena resonansi, baik primer ataupun sekunder. Dengan mengakomodasi ketidakpastian ke dalam model, diperlukan studi intensif dalam hal deskripsi struktur matematika, metodologi untuk menentukan solusi dan prosedur untuk melakukan estimasi parameter. Di dalam penelitian ini, persamaan Duffing dengan gaya eksternal dan resonansi sekunder dijadikan sebagai subjek dengan asumsi bahwa nilai awal merupakan bilangan fuzzy. Model fuzzy yang dihasilkan dikaji melalui tiga pendekatan diferensial fuzzy, yaitu diferensial Hukuhara dan generalisasinya, serta inklusi diferensial fuzzy. Aplikasi aritmatika fuzzy pada model fuzzy tersebut mengarah ke sistem deterministik alpha-cut, dengan sejumlah tambahan persamaan. Sistem ini kemudian diselesaikan dengan metode Runge-Kutta diperluas. Berbeda dengan metode Runge-Kutta standar, metode Runge-Kutta diperluas menggunakan sejumlah parameter baru untuk meningkatkan akurasi solusi dari model dengan menambahkan fungsi dan nilai turunan pertamanya di dalam perhitungan. Di antara ketiga pendekatan fuzzy tersebut, inklusi diferensial fuzzy adalah pendekatan yang paling tepat dalam menangkap perilaku osilasi dari model. Akhirnya, penaksiran parameter dilakukan dengan menggunakan inklusi diferensial fuzzy dan metode Runge-Kutta diperluas pada suatu data simulasi fuzzy. Kata Kunci: Persamaan Duffing fuzzy, diferensial Hukuhara, inklusi diferensial fuzzy, metode Runge-Kutta diperluas, estimasi parameter