Pada jaringan listrik 1 fasa di rumah tangga, faktor daya yang rendah mengakibatkan rendahnya efisiensi daya, mengakibatkan arus yang dihantarkan meningkat. Peningkatan arus tersebut dapat menimbulkan kerugian seperti panas pada konduktor, penurunan tegangan, dan trip pada sistem proteksi. Faktor daya rendah umumnya dipengaruhi oleh penggunaan beban induktif yang menyebabkan gelombang arus tertinggal (lagging) dari gelombang tegangan. Penelitian ini menerapkan solusi Power Factor Correction (PFC) berupa kapasitor bank. Kapasitor bank bekerja dengan memanfaatkan sifat kapasitif kapasitor sehingga dapat mengkompensasi faktor daya yang sebelumnya lagging menjadi mendekati 1 (unity). Kapasitor bank akan di-switching menggunakan relay oleh mikrokontroller menggunakan algoritma Artificial Neural Network (ANN). Algoritma tersebut digunakan untuk memastikan switching kapasitor akurat dan optimal sesuai dengan parameter yang didapat pada jaringan. Artificial Neural Network yang digunakan akan dilatih dengan data training yang mencakup berbagai kondisi sistem agar switching yang dilakukan sesuai. Adapun parameter yang dijadikan input pada algoritma tersebut ialah tegangan dan error daya reaktif yang terbaca pada sistem. Hasil penelitian menunjukkan bahwa ANN memiliki performa yang lebih cepat dan dapat mengompensasi faktor daya lebih baik dibandingkan PI, ANN memerlukan waktu respon rata-rata 1,216 detik dalam 1 iterasi untuk memperbaiki faktor daya dari rata-rata 0.763719 menjadi 0.986473 (kontrol PI memerlukan 3,238 detik dengan 3 iterasi untuk memperbaiki faktor daya dari rata-rata 0.750669 menjadi 0.977273). Meskipun demikian, ANN memiliki rata-rata persentase kenaikan yang lebih rendah yaitu sebesar 37,37% dibandingkan kontrol PI yang mencapai 41,39%, kedua metode tersebut berhasil mencapai setpoint faktor daya 0,95 dengan rata-rata akurasi 100%.