Baterai lithium-ion adalah salah satu jenis baterai sekunder atau baterai isi ulang. Penting untuk memperkirakan masa pakai baterai atau meninjau kapan baterai lithium-ion akan diganti karena kinerja baterai lithium-ion akan menurun seiring waktu karena pengisian ulang yang terus menerus. Kinerja baterai dapat diukur dengan prognostic health management (PHM). PHM baterai dilihat sebagai prediksi sisa waktu hidup baterai. Pada penelitian ini digunakan metode RNN dan metode LSTM untuk memprediksi sisa waktu hidup baterai dan sebagai pembanding digunakan fitur tambahan representasi waktu yaitu (Time2Vec) pada kedua metode yang dipakai. Eksperimen dilakukan dengan menggunakan dataset baterai lithium-ion NASA. Menggunakan evaluasi kinerja mean absolute persentase error (MAPE), metode RNN memiliki error 1,97?n metode LSTM memiliki error 1,95%. Saat penambahan Time2Vec pada kedua metode, error berubah menjadi lebih kecil yaitu pada metode RNN+Time2vec memiliki error 1,43?n pada Metode LSTM+Time2vec memiliki error 1,26%. Dengan penambahan Time2Vec dapat mengurangi error sebesar 33% pada RNN dan 54% pada LSTM. Hasilnya, metode LSTM+Time2Vec adalah metode terbaik dan Time2Vec bekerja dengan baik dalam meningkatkan kinerja model.