Object tracking merupakan salah satu bidang pada computer vision yang mempelajari tentang cara melacak suatu objek yang bergerak pada suatu ruang, yang dimana sekarang sedang berkembang dengan pesat. Object tracking dalam pengaplikasiannya digunakan dalam melacak gerakan benda maupun manusia dan augmented reality. Namun dalam pengaplikasiannya object tracking masih memiliki banyak tantangan dalam mendeteksi suatu objek. Pada kernel-based object tracking, kemiripan warna (background clutters) dan pergerakan cepat dari objek (motion blur) merupakan faktor utama penyebab terjadinya kegagalan pelacakan dan juga pada kernel-based object tracking belum dapat mendeteksi kegagalan dalam pelacakan. Sehingga pada algoritma koreksi kegagalan diterapkan pada kernel-based menggunakan type-2 fuzzy logic.
Kernel-based object tracking merupakan suatu metode pelacakan objek yang memprediksi lokasi objek berdasarkan histogram warna yang memiliki probabilitas tertinggi. Dalam pengaplikasiannya metode kernel-based kurang akurat dalam mendeteksi objek dikarenakan kemiripan warna background dengan objek yang ditracking serta tracker tetap akan melakukan tracking dengan prediksi yang salah sehingga digunakan type-2 fuzzy logic untuk menganalisis terjadinya kegagalan sesuai dengan rules yang telah ditentukan sebelumnya dan melakukan koreksi pada saat object tracking. Dimana output dari metode kernel-based menjadi input dari type-2 fuzzy logic.
Hasil dari algoritma sistem yang dibuat ini dapat meningkatkan kinerja dari metode kernel-based dari algoritma diuji menggunakan Object Tracking Benchmark 50 (OTB-50) berdasarkan parameter Precision Plot dan Success Plot. Hasil percobaan yang telah dilakukan, algoritma yang diusulkan menghasilkan performa sebesar 0.001 lebih presisi dibandingkan dengan kernel-based object tracking yang menghasilkan skor sebesar 0.386 sedangkan proposed system menghasilkan skor sebesar 0.387 berdasarkan parameter precision plot dan memiliki tingkat kesuksesan lebih besar 0.003 dibandingkan dengan kernel-based object tracking yang menghasilkan skor sebesar 0.260 sedangkan proposed system menghasilkan skor sebesar 0.263 diukur berdasarkan parameter success plot.