Pembangkit Listrik Tenaga Uap (PLTU) memiliki peran vital dalam sistem ketenagalistrikan Indonesia. Salah satu komponen penting adalah Induced Draft (ID) fan, yang berfungsi menjaga tekanan negatif dalam sistem boiler. Kerusakan pada bearing ID fan, khususnya air fan bearing, dapat menyebabkan downtime dan kerugian signifikan. Penelitian ini mengembangkan model prediksi potensi kerusakan air fan bearing menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dengan parameter suhu dan vibrasi dari sisi Drive End (DE) dan Non-Drive End (NDE). Model dibangun di MATLAB menggunakan kombinasi fungsi keanggotaan Gaussian, Triangular, dan Trapezoidal dengan jumlah 48 kombinasi. Data dibagi menjadi 75% untuk pelatihan dan 25% untuk pengujian, dengan pelatihan selama 100 iterasi dan toleransi eror 0,0001. Pada bearing DE, kombinasi terbaik diperoleh dari Gaussian MF pada variabel suhu, Triangular MF 1 pada variabel vibrasi, dan Gaussian MF  pada output. Sementara pada bearing NDE, kombinasi terbaik diperoleh dengan menggunakan Gaussian MF pada variabel suhu, Trapezoidal MF pada variabel vibrasi, dan Gaussian MF pada output. Hasil validasi menunjukkan bahwa model pada bearing DE memiliki nilai RMSE sebesar 0,0031932 dan MAPE sebesar 0,05%. Sementara itu, pada bearing NDE, nilai RMSE adalah 0,016795 dengan MAPE sebesar 0,19%. Nilai kesalahan yang sangat rendah menunjukkan bahwa model ANFIS mampu melakukan prediksi secara presisi dan dapat diandalkan untuk deteksi dini kerusakan bearing.