Baterai lithium-ion telah menjadi salah satu pilihan utama untuk mobilitas yang efisien dan ramah lingkungan di era saat ini. Baterai memainkan peran penting dalam gaya hidup digital kita, mulai dari smartphone hingga mobil listrik. Penggunaan baterai ini tidak terlepas dari tantangan dalam mengestimasi State of Charge (SOC), yang merupakan parameter kunci untuk memantau ketersediaan energi yang tersisa dalam baterai. Oleh karena itu diperlukan sebuah metode Estimasi SOC yang akurat, penting untuk manajemen energi yang efisien dan keamanan penggunaan baterai. Model Long Short Term Memory (LSTM) dipilih karena kemampuannya menangani data deret waktu yang kompleks dan pola nonlier dalam performa baterai. Penelitian ini memberikan penerapan LSTM untuk estimasi SoC dan menunjukkan bahwa LSTM lebih unggul dibandingkan metode Feed Neural Network (FNN) dibuktikan pada hasil simulasi yang menunjukkan bahwa model LSTM menghasilkan RMSE sebesar 4,92%, sementara model FNN menghasilkan RMSE sebesar 7,82%. Dari seluruh pengujian yang telah dilakukan didapatkan nilai RMSE terbaik sebesar 3,53% pada temperature 25°C epoch 100.