Energi surya merupakan energi terbarukan yang memiliki keunggulan dalam hal ketersediaan energi, efektivitas biaya instalasi, efisiensi, serta ramah lingkungan. Namun pada pemanfaatan energi surya masih memiliki kendala, panel surya masih memiliki efisiensi konversi energi yang rendah. Maximum Power Point Tracking (MPPT) adalah salah satu metode yang dapat menaikkan rasio efisiensi konversi energi dari panel surya. Kondisi partial shading juga bisa mengakibatkan algoritma MPPT tidak bisa mencapai titik daya maksimum yang sebenarnya dari panel surya karena memiliki nilai puncak lebih dari satu. Pada penelitian ini, Artificial Neural Network (ANN) digunakan sebagai algoritma untuk menganalisa kondisi dari panel surya serta digunakan untuk mendapatkan nilai duty cycle start untuk proses MPPT dari Incremental Conductance. Apabila kondisi panel surya non partial shading, maka ANN hanya akan mengambil nilai arus hubung singkat (Isc) dari panel surya untuk menentukan posisi awal dan mempercepat proses tracking. Apabila kondisi panel surya partial shading, maka ANN akan mengambil nilai referensi berupa tegangan buka (Voc) dan arus hubung singkat (Isc) dari panel surya untuk menentukan posisi awal tracking dari MPPT. Pada kondisi non partial shading, MPPT bisa mencapai daya sebesar 87.637 Watt dari 87.638 Watt pada radiasi 900 W/m2. Pada kondisi partial shading, MPPT bisa mencapai daya sebesar 106.367 Watt dari 106.388 Watt untuk kombinasi radiasi 900 W/m2 dan 500 W/m2. Dengan ditambahkannya proses deteksi kondisi panel surya, algoritma bisa dengan tepat mendapatkan nilai daya maksimum dari panel surya dengan berbagai kondisi panel surya dan berbagai nilai radiasi matahari.