Saat ini suplai energi listrik mayoritas menggunakan sumber energi fosil yang dapat habis dan menimbulkan polusi udara. Di Indonesia matahari bersinar cukup lama dan tidak akan habis, sehingga dapat dijadikan sebagai sumber energi alternatif dengan menggunakan teknologi panel surya untuk mengonversi energi cahaya menjadi energi listrik. Tegangan yang dihasilkan oleh panel surya cukup besar, sehingga perlu diturunkan menggunakan konverter DC-DC jenis buck converter. Energi listrik ini dapat disimpan menggunakan baterai. Untuk mempersingkat waktu pengisian, baterai dapat diisi dengan mode cepat. Salah satu jenis baterai yang tepat untuk pengisian mode cepat adalah Lithium-ion karena baterai jenis ini mampu menerima arus yang besar sebesar 1C atau setara dengan kapasitas baterai. Dengan menggunakan sumber panel surya, dihasilkan keluaran yang tidak konstan karena pengaruh suhu dan iradiasi matahari. Selain itu, untuk mencegah adanya pengisian berlebih pada fast charging battery ini, digunakan metode constant current (CC) dengan arus konstan sebesar 10 A dan constant voltage (CV) dengan tegangan konstan sebesar 14,4 V. Duty cycle driver PWM dikontrol menggunakan algoritma adaptive neuro fuzzy inference system (ANFIS) agar didapatkan respons yang lebih cepat untuk mencapai set point yang ditentukan. ANFIS merupakan kombinasi dari dua algoritma, yaitu artificial neural network (ANN) dan fuzzy inference system (FIS). ANFIS dapat memetakan nilai masukan menjadi nilai keluaran yang berasal dari kesimpulan FIS. Penelitian ini dilakukan secara simulasi. Hasil arus pengisian pada saat metode CC adalah 10,01 A dan akan berpindah dari metode CC ke CV pada saat SoC 85% serta tegangan mencapai 14,4 V. Kemudian, metode pengisian berubah menjadi CV dengan tegangan pengisian konstan sebesar 14,4 V. Jika dibandingkan dengan penelitian sebelumnya menggunakan kontrol fuzzy, waktu yang dibutuhkan ketika menggunakan kontrol ANFIS untuk mencapai set point adalah 3,2 ms, atau 2,3 ms lebih cepat. Kontrol ANFIS juga mampu mencapai set point dengan error lebih kecil dibandingkan dengan menggunakan kontrol fuzzy.