Penggunaan panel surya sebagai sumber energi terbarukan membutuhkan baterai sebagai tempat penyimpanan energi. Salah satu jenis baterai yang mendapat supply dari panel surya adalah lead acid atau accu. Dalam pengembangannya pengisian baterai lead acid sering mengalami overcharge yang dapat menyebabkan penurunan performa baterai, hal tersebut disebabkan pengestimasian kapasitas baterai yang kurang tepat. Untuk mengatasi permasalahan tersebut, diperlukan sistem estimasi nilai State of Charge (SoC) pada baterai yang berfungsi untuk mengontrol kondisi charge, agar performa baterai tetap optimal. Pada penelitian dikembangkan suatu sistem estimasi SOC pada baterai jenis lead acid, dengan metode Artificial Neural Network dengan algoritma Elman Backpropagation. Algoritma Elman Backpropagation memiliki sebuah layer tambahan yang disebut context neuron yang berfungsi untuk menyediakan pola hidden unit sehingga informasi dapat di umpan balik ke layer itu sendiri. Keunggulan yang terkait dengan metode Elman Backpropagation Neural Network meliputi proses iterasi menjadi lebih cepat, peningkatan kecepatan pembaruan parameter, dan pencapaian konvergensi yang lebih cepat. Data yang digunakan untuk melakukan estimasi SoC baterai adalah tegangan dan arus charging sehingga nantinya akan didapatkan nilai SoC. Dalam penelitian ini, dibandingkan dengan kinerja Adaptive Neuro Fuzzy Inference System (ANFIS). Hasil dari penelitian estimasi SOC pada baterai lead acid 12V, 12Ah dengan menggunakan algoritma Elman Backpropagation error yang didapatkan sebesar 0.201 sedangkan dengan metode ANFIS error yang didapatkan sebesar 0.2498. Hasilnya menunjukkan bahwa algoritma Elman Backpropagation memberikan hasil yang lebih baik dalam estimasi SoC baterai, terutama saat menghadapi fluktuasi tegangan dan arus pengisian yang tinggi. Sehingga dapat disimpulkan bahwa algoritma Elman Backpropagation lebih akurat dan dapat diandalkan dalam mengestimasi nilai SoC pada baterai lead acid.