Performa suatu baterai umumnya akan mengalami penurunan seiring dengan umur baterai karena pengisian dan pengosongan yang dilakukan berulang kali. Pada pengisian konvensional, batas batas overcharge dan overdischarge terkadang dihiraukan sehingga menyebabkan baterai lebih cepat terdegradasi. Dalam melakukan pengisian baterai, tegangan dan arus charging harus diatur sesuai dengan datasheet baterai untuk menghindari kerusakan baterai. Untuk mengatasi permasalahan tersebut, dibuatlah alat charging baterai metode CC CV dengan kontrol PI yang dilengkapi dengan estimasi State of Charge SoC untuk mengatur nilai arus dan tegangan charging baterai serta mengetahui kapasitas baterai yang tersisa karena keakuratan estimasi SoC akan mempengaruhi ketahanan baterai dan tingkat performa dari baterai serta dapat menghindarkan baterai dari overcharge dan overdischarge. ANFIS merupakan salah satu metode yang dapat digunakan untuk melakukan training data estimasi State of Charge. Metode ANFIS merupakan penggabungan dari metode logika fuzzy dan jaringan syaraf tiruan yang memiliki kelebihan dalam melakukan prediksi berdasarkan data histori dari pembelajaran data serta pengambilan keputusan berdasarkan rules yang diterapkan. Data yang diolah oleh ANFIS adalah data tegangan dan arus hasil sensing sensor tegangan dan sensor arus pengisian baterai. Dari pengujian yang telah dilakukan, alat charging baterai metode CC CV ini menghasilkan arus dan tegangan yang masih belum bisa stabil namun berhasil mendekati set point yakni 1.2 A dan 13.8 V, dan didapatkan hasil yang menunjukkan bahwa ANFIS mampu melakukan pengestimasian nilai state of charge baterai berdasarkan training data yang diberikan dengan average error sebesar 0.2 persen dengan pembuktian hasil tegangan baterai kondisi open circuit saat rest time 30 menit yang sangat mendekati nilai aktualnya. Dilakukan perbandingan estimasi state of charge baterai lead acid dengan metode ANFIS dan metode Elman BPNN yangmana dengan total 21 sampel data, metode ANFIS menghasilkan nilai average error yang lebih kecil dibandingkan metode Elman BPNN, dengan error ANFIS sebesar 0.16 persen dan error Elman BP-NN sebesar 0.34 persen.