Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Peran Interaktivitas dalam Penggunaan E-learning: Perluasan Model UTAUT
Get PDFPerubahan proses belajar mengajar menjadi daring dilaksanakan oleh STMIK Mikroskil untuk mematuhi kebijakan yang dibuat Menteri Pendidikan dan Kebudayaan dalam masa darurat penyebaran covid-19 di Indonesia. Sebelum covid-19 terjadi, STMIK Mikroskil telah menerapkan E-learning yaitu moodle. Namun selama pandemi covid-19 penggunaan E-learning meningkat pesat dan tidak dapat mendukung besarnya transaksi yang dilakukan dalam kegiatan pembelajaran online, sehingga STMIK Mikroskil memutuskan untuk menggunakan Microsoft Teams sebagai media pembelajaran online. Dengan menggunakan Microsoft Teams, diharapkan interaksi antara dosen dan mahasiswa berlangsung secara rutin dan tepat waktu, mendukung serta bersifat membangun. Sehingga perlu dilakukan pengujian untuk memahami sejauh mana faktor penerimaan dan pemanfaatan teknologi Microsoft Teams di STMIK Mikroskil. Penelitian ini bertujuan untuk menguji pengaruh interaktivitas pada penerimaan sistem Microsoft Teams dengan menggunakan Model UTAUT. Secara khusus, survei dilakukan pada mahasiswa aktif STMIK Mikroskil jurusan Teknik Informatika dan Sistem Informasi, yang mencakup 348 responden. Dengan menggunakan model persamaan struktural (SEM) dan perangkat lunak SmartPLS. Kontribusi utama penelitian ini adalah pengenalan variable interaktivitas pada model UTAUT yang memiliki pengaruh signifikan terhadap minat pemanfaatan sistem. Dari hasil penelitian dapat disimpulkan bahwa ekspektasi kinerja, pengaruh sosial, ekspektasi usaha, interaktivitas berpengaruh positif terhadap minat pemanfaatan, dan minat pemanfaatan berpengaruh positif terhadap minat penggunaan sistem Microsoft Teams. Sedangkan kondisi fasilitas tidak berpengaruh terhadap minat penggunaan Microsoft Teams.AbstractSTMIK Mikroskil changed the teaching and learning process to online in order to comply with laws established by the Minister of Education and Culture during the COVID-19 outbreak in Indonesia. STMIK Mikroskil had introduced E-learning, specifically Moodle, prior to covid-19. However, during the COVID-19 epidemic, the usage of E-learning exploded, and because the enormous number of transactions carried out in online learning activities could not be supported, STMIK Mikroskil chose Microsoft Teams as an online learning medium. It is intended that by adopting Microsoft Teams, interactions between instructors and students would be more frequent, on time, supportive, and productive. As a result, testing is required to determine the extent to which Microsoft Teams technology adoption and use at STMIK Mikroskil is required. Using the UTAUT Model, this study will investigate the impact of interaction on Microsoft Teams system acceptability. The poll was performed on active STMIK Mikroskil students majoring in Informatics and Information Systems Engineering, with a total of 348 responses. The structural equation model (SEM) and the SmartPLS software were used. The most notable addition of this study is the inclusion of the interactivity variable in the UTAUT model, which has a considerable impact on system utilization interest. The study\u27s findings suggest that performance expectations, social pressures, corporate expectations, and interaction all play a role
Otomatisasi Pembangkitan Pertanyaan untuk Bahasa Indonesia (Systematic Literature Review)
Get PDFPenelitian tentang otomatisasi pembangkitan pertanyaan terus berkembang. Berbagai metode telah coba diterapkan pada berbagai bahasa. Setiap bahasa memiliki karakteristik yang berbeda beda. Oleh karena itu, metode yang digunakan untuk membangkitkan pertanyaan juga harus disesuaikan dengan bahasa yang digunakan. Otomatisasi pembangkitan pertanyaan untuk bahasa Indonesia juga sudah mulai berkembang sejak 2015. Hasil penelitian-penelitian tersebut perlu dianalisis agar dapat mengetahui kelebihan maupun kekurangan dari setiap metode yang pernah digunakan. Oleh karena itu, jurnal ini membahas tentang Systematic Literature Review (SLR) pembangkitan pertanyaan pada bahasa Indonesia. SLR yang dibangun ini dapat digunakan untuk bahan pertimbangan optimalisasi penelitian tentang pembangkitan pertanyaan menggunakan bahasa Indonesia di kemudian hari. Tahapan yang dilakukan dalam pembentukan SLR adalah perencanaan literature review, kemudian melakukan literature review dan terakhir adalah pelaporan hasil literature review. Pencarian pada google scholar menghasilkan 27 penelitian yang relevan dengan kata kunci. Penerapan kriteria inklusi dan eksklusi menghasilkan 15 penelitian yang relevan. Kemudian proses backward dan forward snowballing yang dilakukan menghasilkan 2 penelitian tambahan. Total penelitian yang dianalisis berjumlah 17 penelitian. Proses selanjutnya adalah penilaian kualitas penelitian. Hasil penilaian kualitas penelitian menunjukkan bahwa keseluruhan penelitian yang berjumlah 17 penelitian tersebut memiliki kualitas yang baik untuk dianalisis. Hasil analisis yang dilakukan menunjukkan bahwa penelitian awal terkait pembangkitan pertanyaan untuk bahasa Indonesia masih memiliki beberapa celah. Diantaranya terkait dataset yang belum memadai, model pertanyaan yang kurang beragam, belum adanya penanganan/preproses model kalimat unstructured, dan belum adanya pembangkitan pertanyaan yang berasal dari gabungan beberapa informasi. AbstractResearch on automated question generation is constantly evolving. Various methods have been tried to be applied in various languages. Each language has different characteristics. Therefore, the method used to generate questions should be adapted based on the language. The automation of question generation for Indonesian has also begun to develop since 2015. The result of these studies need to be analyzed to find out the advantages and disadvantages of each method that has been used. Therefore, this journal discusses the Systematic Literature Review (SLR) for generating questions in Indonesian. The SLR that was built can be used for consideration of optimizing research on generating questions using Indonesian in the future. The steps taken in this SLR are planning analysis, then carrying out the analysis and finally reporting the analysis. A search on Google Scholar yielded 27 studies that were relevant to the keyword. The application of inclusion and exclusion criteria resulted in 15 relevant studies. Then the backward and forward snowballing processes carried out resulted in 2 additional studies. Total research analyzed amounted to 17 studies. The next process is the assessment of research quality. The results of the research quality assessment showed that the overall 17 studies had good quality for analysis. The results of the analysis carried out indicate that the initial research related to question generation for Indonesian still has some gaps. For examples about datasets, question models, handling unstructured sentence models, and generating questions from a combination of some information
Sistem Deteksi Dini Penyakit Preeklampsia Melalui Perubahan Warna Urine Berdasarkan Protein dengan Menggunakan Metode Naïve Bayes Classifier
Get PDFUmumnya preeklamsia adalah penyakit komplikasi yang sering dialami pada ibu hamil.Penyakit ini terjadi dikarenakan adanya tekanan darah tinggi, tanpa edema atau bengkak dan disertai protein dalam urin (proteinuria).Kondisi ini kebanyakan dapat terjadi pada usia kehamilan timester 2 dan trimester 3 atau lebih dari 20 minggu. Ada beberapa teknik untuk mengetahui penyakit tersebut,salah satunya dengan dengan melihat kondisi urin. Namun, ketika penentuan status urin secara manual, sering mengalami kesalahan, karena proses diagnosis hanya menggunakan kasat mata sebagai indikator utama. Oleh karena itu, sistem diagnosa otomatis diperlukan untuk mengurangi kesalahan manusia dan memastikan bahwa pasien menerima perawatan yang mereka butuhkan. Informasi fitur warna diperoleh menggunakan sensor TCS 34725 untuk eksperimen ini. Ada tiga keadaan urin berbeda yang diidentifikasi dan diberi label sebagai Urine Normal, Urine Preeklampsia 1, dan Urine Preeklampsia 2. Titik referensi ditemukan sebagai Urine Normal. Proses klasifikasi menggunakan metode Naive Bayes yang merupakan salah bidang ilmu pengetahuan pola.Metode ini digunakan karena memberikan kemudahan implementasi dan komputasi yang cepat agar prediksi real-time dapat dilakukan.AbstractGenerally, preeclampsia is a complication disease that is often experienced by pregnant women. This disease occurs due to high blood pressure, without edema or swelling and accompanied by protein in the urine (proteinuria). This condition can usually occur in the 2nd and 3rd trimester of pregnancy or later 20 weeks. There are several ways to find out the disease, one of which is by looking at the condition of the urine. However, in the process of determining the condition of the urine manually, errors often occur because the analysis process only uses the naked eye as the main parameter. Therefore, a tool that can perform automatic analysis is needed to minimize errors in the process and take action on patients. This study uses a TCS 34725 sensor to perform feature extraction in the form of color. Urine conditions are divided into three classes, namely Normal Urine, Preeclampsia 1 Urine and Preeclampsia Urine 2. The classification process uses the Naive Bayes method which is one of the fields of pattern science. This method is used because it provides easy implementation and fast computation so that real-time predictions can be made
Deep Learning Image Classification Rontgen Dada pada Kasus Covid-19 Menggunakan Algoritma Convolutional Neural Network
Get PDFPenelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan arsitektur VGGNet-19 dan ResNet-50 untuk diagnosis COVID-19 melalui analisis citra rontgen dada. Modifikasi dilakukan dengan membandingkan nilai regularisasi dropout 50% dan 80% untuk kedua arsitektur dan mengubah jumlah lapisan klasfikasi menjadi 4 kelas. Selanjutnya, kinerja model dibandingkan berdasarkan ukuran dataset. Dataset terdiri dari 21165 citra, dengan pembagian 10% sebagai data uji dan 90% data dibagi menjadi data latih (80%) dan data validasi (20%). Kinerja model dievaluasi menggunakan metode validasi silang berulang 5 kali lipat. Proses pelatihan menggunakan learning rate 0.0001, optimasi stochastic gradient descent (SGD), dan sepuluh iterasi. Hasil penelitian menunjukkan bahwa penambahan lapisan dropout dengan peluang 50% untuk kedua arsitektur secara efektif mengatasi overfitting dan meningkatkan performa model. Ditemukan bahwa kinerja yang lebih baik dicapai pada ukuran kumpulan data lebih besar dan memberikan peningkatan signifikan pada kinerja model. Hasil klasifikasi menunjukkan arsitektur ResNet-50 mencapai akurasi rata-rata 94.4%, recall rata-rata 94.1%, presisi rata-rata 95.5%, spesifisitas rata-rata 97% dan F1-score rata-rata 94.8%. Sedangkan arsitektur VGGNet-19 mencapai akurasi rata-rata 91%, recall rata-rata 89%, presisi rata-rata 95.0%, spesifisitas rata-rata 96.8% dan F1-score rata-rata 92.7%. Pemanfaatan model ini dapat membantu mengidentifikasi penyebab kematian pasien dan memberikan informasi yang berharga bagi pengambilan keputusan medis dan epidemiologi.
Abstract
This research proposes using a Convolutional Neural Network (CNN) with VGGNet-19 and ResNet-50 architectures for COVID-19 diagnosis through chest X-ray image analysis. Modifications were made by comparing the dropout regularization values of 50% and 80% for both architectures and altering the number of classification layers to 4 classes. Furthermore, the model\u27s performance was compared based on dataset size. The dataset comprised 21,165 images, with a division of 10% for testing and 90% divided into training data (80%) and validation data (20%). The model\u27s performance was evaluated using the 5-fold repeat cross-validation method. The training process employed a learning rate of 0.0001, stochastic gradient descent (SGD) optimization, and ten iterations. The study\u27s results indicate that adding dropout layers with a 50% probability for both architectures effectively addressed overfitting and improved the model\u27s performance. It was found that better performance was achieved with larger dataset sizes. The classification results indicate the ResNet-50 architecture achieved an average accuracy of 94.4%, average recall of 94.1%, average precision of 95.5%, average specificity of 97%, and average F1-score of 94.8%. Meanwhile, the VGGNet-19 architecture achieved an average accuracy of 91%, an average recall of 89%, average precision of 95.0%, average specificity of 96.8%, and an average F1-score of 92.7%. Utilizing these models can assist in identifying the causes of patient mortality and offer valuable information for medical and epidemiological decision-making
Analisis Dampak Kabut Asap dari Kebakaran Hutan dan Lahan dengan Pendekatan Text Mining
Get PDFKebakaran hutan dan lahan (karhutla) berdampak buruk bagi lingkungan serta ekosistem. Kabut asap merupakan salah satu akibat yang ditimbulkan dari kebakaran hutan dan lahan. Keresahan dari munculnya kabut asap dan kebakaran hutan menjadi trending topic pada media sosial Twitter. Analisis Twitter perlu dilakukan untuk melihat kesesuaian hashtag yang digunakan dengan topik yang dibahas yaitu kabut asap. Data Twitter dapat dianalisis menggunakan text mining. Penelitian ini bertujuan untuk melihat hubungan antara percakapan di media sosial Twitter dengan kejadian kabut asap yang muncul dari kebakaran hutan dan lahan. Metode yang digunakan adalah teknik text mining yaitu menggunakan algoritme clustering. Data yang digunakan adalah data tweet terkait kabut asap di Provinsi Riau pada jarak 11 – 17 September 2019 dan juga data hotspot atau titik panas serta citra Sentinel2. Data tweet dikelompokkan dengan beberapa percobaan pada jarak antar cluster yaitu single linkage, complete linkage, average linkage, dan ward. Hasil clustering menunjukkan bahwa validitas cluster tertinggi memiliki silhouette index sebesar, 0,3360 dengan jarak antar cluster menggunakan ward. Hasil cluster menunjukkan bahwa terdapat tiga cluster yang dominan pembahasannya terkait kabut asap. Data Twitter pada ketiga cluster tersebut memiliki ciri istilah atau term yang berkaitan dengan kabut asap antara lain "kabut", "asap", dan "udara". terdapat di wilayah Pekanbaru serta wilayah Bengkalis, Provinsi Riau. Hasil dapat menjadi salah satu cara pengendalian karhutla yaitu deteksi dini dengan menggunakan media sosial Twitter.
Abstract
Forest and land fires have a harmful impact on the environment and ecosystem. Haze is one of the consequences that arise from forest fires and the environment. Anxiety about haze and forest fires is a trending topic on social media Twitter. Twitter analysis needs to be done to see the compatibility of the hashtags used with the haze topic. The Twitter data can be analyzed using text mining. This study aims to see the relation between conversations on social media Twitter and the occurrence of haze that arises from forest and land fires. The method used is a text mining technique that uses a clustering algorithm. The data used are tweet data related to haze in Riau Province in the range 11-17 September 2019 as well as hotspot data and Sentinel-2 imagery. Tweet data were clustered by several experiments on the distance between clusters, namely single linkage, complete linkage, average linkage, and ward. Clustering results show that the highest cluster validity has a silhouette index of 0.3360 with the distance between clusters using wards. The cluster results show that there are three clusters that are dominant in the discussion related to haze. The Twitter data for the three clusters has the characteristics of terms related to smog, including "kabut", "asap", and "udara". The impact felt by the people of Riau Province through social media Twitter related to the haze is the impact on health and air quality. Cluster tweets that discuss the topic of forest and land fires and haze are in the Pekanbaru and Bengkalis regions, Riau Province. The results can be one of the karhutla controls is early detection by using social media Twitter
Critical Success Factor Proyek TI: Studi Kasus Mobile Government
Get PDFLembaga Pengawas XYZ adalah salah satu instansi pemerintah Indonesia yang sedang melakukan transformasi digital. Salah satu upaya transformasi digital adalah dengan mengembangkan aplikasi ABC. Aplikasi ABC merupakan aplikasi surat menyurat dan disposisi surat. Aplikasi ini merupakan aplikasi mobile government (mGovernment) yang dibangun agar pegawai Lembaga Pengawas XYZ dapat menerima tugas dan informasi melalui surat dimana saja dan kapan saja melalui perangkat smartphone. Hal ini dilakukan untuk mendukung pegawai Lembaga Pengawas XYZ yang memiliki mobilitas tinggi dalam menjalankan tugasnya sebagai auditor. Namun, proyek pengembangan aplikasi ini gagal. Ditandai dengan penyelesaian proyek yang tidak sesuai jadwal, aplikasi yang tidak sesuai harapan, dan hanya sedikit pegawai yang menggunakan aplikasi ini. Belum adanya analisis CSF dalam proyek pengembangan aplikasi mGovernment merupakan salah satu penyebab kegagalan yang diidentifikasi pada penelitian ini. Sehingga tujuan dari penelitian ini adalah untuk mencari CSF pada proyek TI agar dapat menghindari kegagalan kedepannya. Hal ini didukung dengan belum adanya penelitian mengenai CSF pada proyek TI khususnya di mGovernment sehingga dapat memberikan kontribusi dan kebaruan untuk akademisi maupun praktisi. Penelitian ini menggunakan delapan CSF dengan lima kriteria keberhasilan. CSF kemudian diurutkan untuk menemukan prioritasnya menggunakan Analytic Hierarchy Process (AHP). Data dalam penelitian ini diperoleh dari tim pengembangan aplikasi dan pakar proyek TI. Pengambilan data menggunakan kuesioner dan wawancara. Hasil penelitian ini menunjukkan bahwa perencanaan merupakan faktor yang paling diprioritaskan, disusul oleh kompetensi sumber daya manusia. Sedangkan peringkat terakhir adalah manajemen pengetahuan.Abstract XYZ Supervisory Institution is one of the Indonesian government agencies that is carrying out digital transformation. One of the digital transformation efforts is developing ABC application. ABC application is a correspondence and letter disposition application. This application is a mobile government (mGovernment) application that was built so that employees of XYZ Supervisory Institution can receive assignments and information by mail anywhere and anytime via a smartphone device. This is done to support employees of the XYZ Supervisory Institution who have high mobility in carrying out their duties as auditors. However, this application development project failed. Characterized by the completion of projects that are not on schedule, applications that do not meet expectations, and only a few employees use this application. The absence of CSF analysis in mGovernment application development projects is one of the causes of failure identified in this study. Therefore, the purpose of this research is to look for CSF in IT projects in order to avoid future failures. This is supported by the absence of research on CSF in IT projects, especially in mGovernment so that it can provide contribution and novelty for academics and practitioners. This study used eight CSF with five success criteria. The CSF are then sorted to find its priority using the Analytic Hierarchy Process (AHP). The data in this study were obtained from application development team and IT project experts. Collecting data using questionnaires and interviews. The results of this study indicate that planning is the most prioritized factor, followed by human resource competence. While the last rank is knowledge management
Perancangan Antarmuka dan Pengalaman Pengguna pada Prototipe Aplikasi Operasional Notaris menggunakan Metode Ethnographic Field Studies dan User Centered Design
Get PDFNotaris adalah salah satu pekerjaan dalam bidang hukum yang mewajibkan untuk hadir sebagai saksi pada saat dilakukan kesepakatan atau perjanjian. Hal ini mengharuskan notaris untuk kerap melakukan pekerjaan di luar kantor, sehingga untuk melihat dokumen yang disimpan secara manual di kantor membutuhkan bantuan dari staf. Oleh karena itu, agar seluruh informasi yang tersimpan di kantor dapat diakses dengan mudah dari mana saja, diperlukan suatu platform tersentralisasi untuk menunjang kebutuhan operasional notaris. Penelitian dilakukan menggunakan metode ethnographic field studies dan pendekatan user centered design. Pengumpulan data dilakukan melalui pengamatan secara etnografi dan partisipasi aktif melalui diskusi dengan pemangku kepentingan di kantor Notaris & PPAT Ferry Ramdhan Afdal, S.H., M.Kn. Berdasarkan analisis dan pemetaan kebutuhan dari data yang dikumpulkan, dilakukan perancangan dengan hasil 24 halaman prototipe aplikasi berbasis mobile yang bersifat high-fidelity. Untuk menguji kesesuaian rancangan dengan kebutuhan dari pemangku kepentingan, dilakukan usability testing terhadap 5 notaris berbeda menggunakan metrik success rate dengan hasil rata-rata sebesar 97,2% dan kuesioner system usability scale yang menghasilkan skor 93 dari maksimal 100, grade A, dan adjective rating kategori Excellent.AbstractNotary is one of the jobs in the legal field with the obligation to be present as a witness when an agreement is being made. This requires the notary to often work outside the office, and to view documents stored manually in the office, they need assistance from their staff. Therefore, so that all information stored in the office can be accessed easily from anywhere, a centralized platform is needed to support the operational needs of a notary. The research was conducted using ethnographic field studies and user centered design method. Data was collected through ethnographic observations and active participation through discussions with stakeholders at the office of Notary & PPAT Ferry Ramdhan Afdal, S.H., M.Kn. Based on requirement analysis and mapping from the data collected, a design was carried out with the results of 24 pages of high-fidelity mobile-based application prototypes. To test the suitability of the design with the needs of stakeholders, usability testing was carried out on 5 different notaries using success rate metrics with an average rate of 97.2% and system usability scale questionnaire resulting in a score of 93 out of a maximum of 100, grade A, and an adjective rating of Excellent category
Pengukuran Evapotranspirasi Menggunakan Etindex Estimation Algorithm di Kota Bogor
Get PDFEvapotranspirasi adalah penguapan air yang terjadi di seluruh permukaan bumi, termasuk permukaan tanaman, air dan tanah. Salah satu penyebab pemanasan global adalah efek rumah kaca dari karbon dioksida, gas metana, dan uap air. Pada fenomena rumah kaca, radiasi yang dipancarkan matahari sebagian dipantulkan, sinar panas infra merah ini terperangkap di troposfer tidak dapat melewati atmosfer sehingga suhu bumi menjadi lebih panas. Pengukuran evapotranspirasi melalui pengamatan langsung yang dilakukan di Indonesia hanya mengukur evapotranspirasi di titik tertentu. Teknologi pengindraan jauh dapat dimanfaatkan untuk mengukur evapotranspirasi secara luasan karena data yang diolah berupa citra satelit. Penelitian ini berfokus pada penerapan ETindex Estimation Algorithm untuk menghitung nilai indeks evapotranspirasi dan metode Penman-Monteith guna menghasilkan nilai evapotranspirasi potensial, dimana dua parameter tersebut digunakan untuk memperoleh nilai evapotranspirasi aktual. Selain citra satelit, digunakan juga data iklim yang diperoleh dari Stasiun Klimatologi Bogor sebagai data penunjang dan pembanding. Evapotranspirasi yang dibandingkan adalah berdasarkan luasan area (spasial) vegetasi secara keseluruhan, bukan evapotranspirasi per vegetasi. Rata-rata nilai evapotranspirasi aktual pada daerah dengan vegetasi tinggi diperoleh antara 2,5 mm/hari sampai dengan 5 mm/hari, pada daerah dengan vegetasi rendah antara 2,3 mm/hari sampai dengan 4,6 mm/hari, dan pada daerah tanpa vegetasi antara 2 mm/hari sampai dengan 4,4 mm/hari. Berdasarkan titik koordinat Stasiun Klimatologi Bogor diperoleh rata-rata nilai evapotranspirasi aktual 3,6 mm/hari, sedangkan rata-rata nilai pengamatan menggunakan panci evaporimeter 4,2 mm/hari. Hasil estimasi yang diperoleh tidak berbeda jauh dari nilai rata-rata evapotranspirasi di Stasiun Klimatologi Bogor rentang tahun 2019 sampai dengan 2020 adalah 3,9 mm/hari, dengan error rata-rata sebesar 1,9 mm/hari. Abstract Evapotranspiration is the evaporation of water that occurs over the entire surface of the earth, including the surface of plants, water and soil. One of the causes of global warming is the greenhouse effect of carbon dioxide, methane gas, and water vapor. In the greenhouse phenomenon, the radiation emitted by the sun is partially reflected, these infrared heat rays trapped in the troposphere cannot pass through the atmosphere so that the earth\u27s temperature becomes hotter. Measurement of evapotranspiration through direct observation carried out in Indonesia only measures evapotranspiration at a certain point. Remote sensing technology can be used to measure evapotranspiration widely because the data processed is in the form of satellite imagery. This study focuses on the application of the ETindex Estimation Algorithm to calculate the value of the evapotranspiration index and the Penman-Monteith method to generate potential evapotranspiration values, where the two parameters are used to obtain the actual evapotranspiration value. In addition to satellite images, climate data obtained from the Bogor Climatology Station is also used as supporting and comparative data. The evapotranspiration compared is based on the area (spatial) of the overall vegatasi, not evapotranspiration per vegetation. The average actual evapotranspiration value in areas with high vegetation was obtained between 2.5 mm/day to 5 mm/day, in areas with low vegetation between 2.3 mm/day to 4.6 mm/day, and in areas without vegetation between 2 mm/day to 4.4 mm/day. Based on the coordinate points of the Bogor Climatology Station, the average actual evapotranspiration value was obtained at 3.6 mm / day, while the average observation value using an evaporimeter pan was 4.2 mm / day. The estimated results obtained are not much different from the average value of evapotranspiration at the Bogor Climatology Station from 2019 to 2020 is 3.9 mm / day, with an average error of 1.9 mm / day