Seiring dengan perkembangan zaman, Electric Vehicle (EV) yang memanfaatkan baterai untuk menggerakan sebuah mesin telah diciptakan. Kegagalan pada baterai akan mengakibatkan kegagalan sistem pada mobil listrik, sehingga untuk mencegahnya diperlukan BMS (Battery Management System). BMS merupakan sistem dalam pengaturan dalam pemakaian baterai dan melindungi baterai dari keadaan yang berujung pada kegagalan baterai. Salah satu informasi yang disediakan BMS adalah State of Health (SOH) yang mengacu pada penurunan kinerja baterai. Metode estimasi State of Health (SOH) yang tepat diperlukan sehingga dapat mengurangi kemungkinan kegagalan pada baterai. Pada penelitian tugas akhir ini penulis menggunakan metode Machine Learning yaitu Support Vector Machine yang akan diterapkan di sistem estimasi State of Health (SOH). Support Vector Machine (SVM) dengan Radial Basis Function (RBF) sebagai fungsi kernel diterapkan untuk estimasi SOH. Kinerja prediktif SOH oleh SVM dilakukan dengan data tegangan, arus dan suhu untuk menyelesaikan permasalahan non-linier yang terdapat pada baterai Lithium Ion. Hasil percobaan menunjukkan bahwa pendekatan yang ditujukan memungkinkan memperkirakan SOH secara akurat untuk aplikasi praktis.