State of Charge (SOC) merupakan parameter penting dalam Battery Management System (BMS) karena tidak dapat diukur secara langsung dan harus diestimasi berdasarkan parameter terukur, seperti arus dan tegangan. Penelitian ini bertujuan membandingkan kinerja metode coulomb counting, random forest, dan hybrid Coulomb Counting–Random Forest (CC-RF) dalam mengestimasi SOC baterai LiFePO₄ tipe IFR 18650 pada berbagai tingkat noise. Pengujian dilakukan pada data tanpa noise serta dengan penambahan additive zero mean Gaussian measurement noise sebesar 1%, 2%, dan 5% pada sinyal arus dan tegangan. Akurasi estimasi dievaluasi menggunakan RMSE, MAE, dan R². Hasil pengujian menunjukkan bahwa coulomb counting secara konsisten memberikan estimasi yang paling akurat pada kondisi tanpa noise maupun noise rendah. Pada kondisi tanpa noise, estimasi SOC menggunakan coulomb counting menunjukkan tingkat kesalahan yang lebih rendah dibandingkan random forest. Hal tersebut ditunjukkan oleh nilai RMSE dan MAE sebesar 0,0906% dan 0,0737%, dengan koefisien determinasi (R²) mencapai 0,999978. Sementara itu, random forest menghasilkan RMSE sebesar 2,9954%, MAE sebesar 2,5854%, dan R² sebesar 0,975864. Meskipun pendekatan hybrid CC-RF belum mampu melampaui coulomb counting pada kondisi tanpa noise dan noise 1%, performanya mulai meningkat ketika tingkat noise bertambah. Pada noise 2% dan 5%, pendekatan hybrid menurunkan nilai RMSE masing-masing sebesar 10,24% dan 9,42% dibandingkan coulomb counting. Temuan ini menunjukkan bahwa random forest kurang efektif apabila digunakan sebagai estimator SOC secara langsung, tetapi dapat berperan sebagai model koreksi yang meningkatkan akurasi estimasi ketika gangguan pengukuran semakin besar. Dengan demikian, performa coulomb counting lebih unggul pada kondisi tanpa noise dan noise rendah, sedangkan pendekatan hybrid CC-RF lebih efektif dalam mengurangi kesalahan estimasi ketika tingkat noise meningkat.