Baterai merupakan salah satu komponen yang penting dalam konteks implementasi renewable energy. Jenis Baterai yang memiliki kepadatan dalam penyimpanan energy adalah lithium polymer. Parameter dalam baterai yang harus diperhatikan adalah estimasi State Of Charge (SOC). Pada umumnya estimasi SOC baterai menggunakan metode coulomb counting karena tingkat kesulitanya rendah. Namun terdapat kelemahan dari sisi ketergantungan terhadap utilitas sensor arus yang digunakan sebagai akumulasi dari integral arus yang masuk maupun arus yang keluar terhadap waktu. Dalam penelitian ini menyajikan Back Propagation Neural Network (BPNN) sebagai metode dari algoritma Artificial Neural Network (ANN) untuk estimasi SOC berdasarkan kurva karakteristik OCV – SOC. Kurva karakteristik OCV – SOC baterai didapatkan dari pengujian pulsa baterai. Sinyal tegangan, dan arus pengisian terhadap waktu (coulomb counting) mode charging maupun discharging baterai digunakan sebagai input layer BPNN pertama untuk estimasi Open Circuit Voltage (OCV). OCV akan dilearning sebagai input layer BPNN kedua untuk estimasi SOC baterai. Hasil dari simulasi estimasi SOC terhadap SOC riil didapatkan galat (error) maksimum sebesar 2.4192 % pada mode full charging, dan 1.0960% pada mode full discharging.