Performa suatu baterai umumnya akan mengalami penurunan seiring dengan umur baterai karena pengisian dan pengosongan yang dilakukan berulang kali. Pada pengisian konvensional, batas-batas overcharge dan overdischarge terkadang tidak dihiraukan sehingga menyebabkan baterai lebih cepat terdegradasi. Ketika telah terisi penuh, baterai akan mengalami discharging. Pada dasarnya ketika baterai mengalami pengisian dan pengosongan secara kontinyu maka baterai akan mengalami pengurangan kapasitas dan penurunan performa. Untuk mengatasi masalah tersebut maka dirancang sebuah estimasi State of Charge (SoC) yang akan digunakan untuk mengontrol kondisi charging dan discharging. Pada peneleitian sebelunya kebanyakan State of Charge hanya digunakan ketika waktu charging sehingga pada proyek akhir ini akan dibuat estimasi State of Charge pada kedua kondisi yaitu kondisi charging dan kondisi discharging. Untuk pengimplementasiannya dapat digunakan sebagai beban penerangan dan pendingin. Estimasi State of Charge (SoC) pada sistem ini, menggunakan metode Artificial Neural Network (ANN) dengan algoritma Elman Backpropagation. Pada Elman Backpropagation terdapat tambahan layer context neuron yang menyediakan pola hidden unit agar dapat diumpan balik ke dirinya sendiri. Dengan adanya pola hidden unit, menyebabkan proses iterasi, kecepatan update parameter, konvergensi menjadi lebih cepat, dan memiliki keakuratan yang tinggi untuk mengestimasi nilai SoC. Hasil pengujian menggunakan beban pompa dan lampu menunjukkan penurunan tegangan, SOC, dan kapasitas baterai secara signifikan, memberikan wawasan penting bagi pengguna baterai dalam memahami durabilitas dan kinerja baterai selama operasi discharging. Selain itu, Estimasi State of Charge (SoC) dapat meningkatkan performa dan ketahanan baterai serta menghindarkan baterai dari Overcharge dan Overdischarge.