STUDI KOMPARASI METODE COULOMB COUNTING DAN EXTENDED KALMAN FILTER (EKF) UNTUK ESTIMASI STATE OF CHARGE (SOC) DAN STATE OF HEALTH (SOH) PADA BATERAI LITHIUM-ION 60 V 23 Ah

State of Charge (SOC) dan State of Health (SOH) merupakan parameter penting pada Battery Management System (BMS) yang berperan dalam menentukan kapasitas tersisa dan kondisi kesehatan baterai. Metode Coulomb Counting (CC) banyak digunakan karena sederhana, namun rentan terhadap akumulasi error akibat noise pengukuran dan ketidakakuratan kapasitas baterai. Penelitian ini bertujuan membandingkan performa metode Coulomb Counting (CC) dan Extended Kalman Filter (EKF) dalam estimasi SOC dan SOH baterai lithium-ion 60 V 23 Ah. Penelitian diawali dengan karakterisasi baterai melalui Pulse Discharge Test untuk memperoleh parameter Equivalent Circuit Model (ECM) 1-RC berupa kurva OCV-SOC, resistansi ohmik (R₀), resistansi polarisasi (R₁), dan kapasitansi polarisasi (C₁). Parameter tersebut diimplementasikan pada model MATLAB/Simulink untuk melakukan simulasi pembebanan dinamis selama 10 siklus charging–discharging (sekitar 48 jam). Validasi model ECM dilakukan menggunakan Root Mean Square Error (RMSE) dan Maximum Error Percentage (MEP), sedangkan evaluasi estimasi SOC menggunakan RMSE dan Maximum Absolute Error. Analisis estimasi SOH dilakukan berdasarkan gradien trendline dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model ECM mampu merepresentasikan karakteristik tegangan baterai dengan nilai RMSE sebesar 0,141 V dan MEP sebesar 0,797%. Pada estimasi SOC, metode EKF menghasilkan akurasi yang lebih baik dibandingkan CC karena mampu mengoreksi error akibat noise pengukuran. Sementara itu, pada estimasi SOH, EKF menunjukkan kecenderungan drift yang lebih kecil dibandingkan CC selama operasi multi-siklus, sehingga lebih sesuai untuk aplikasi estimasi kondisi baterai pada sistem BMS kendaraan listrik.