Seiring dengan semakin populernya kendaraan listrik di dunia otomotif, estimasi State of Charge yang akurat sangat penting untuk mengoptimalkan pemanfaatan energi, meningkatkan jangkauan berkandara dan memastikan sistem baterai tahan lama. Penelitian ini berfokus pada penerapan Deep Neural Networks sebagai metode estimasi SoC pada EV, memanfaatkan kapasitas bawaan DNN untuk mempelajari hubungan kompleks dalam kumpulan data yang luas. hasil dari simulasi yang dilakukan menunjukkan bahwa metode etimasi SoC berbasis DNN yang diusulkan mencapai tingkat akurasi yang tinggi mengungguli teknik estimasi tradisional, terutama dalam skenario yang melibatkan perubahan cepat dalam kondisi berkendara. Penelitian ini juga mengeskpolrasi dampak arsitektur Neural Network dan penyetelan hyperparameter terhadap kinerja secara keseluruhan, serta memberikan wawasan untuk mengoptimalkan sistem estimasi SoC berbasis DNN. Pada penelitian kali ini akan memfokuskan pada metode DNN sebagai metode estimasi SoC yang dimana hasilnya akan dibandingkan dengan metode lain yaitu Extended Kalman Filter dan Standar Neural Networks.