Abstract:Abstract: The growing intensity of cyber attacks, marked by rapid, large-scale, automated, and adaptive execution, requires analytical methods that represent the diversity of network environments, including variations in…
target platforms such as IoT, traditional networks, and hybrid infrastructures. This study compares machine learning models for cyber attack classification under heterogeneous environmental conditions and formulates a conceptual optimization framework based on model performance. Four publicly available benchmark datasets were used, namely UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, and a Kaggle cyber security attacks dataset, comprising approximately 40,000 to over 3.6 million records and 25 to 80 features across IoT, conventional, and mixed network environments. Random Forest, XGBoost, Multilayer Perceptron, and Transformer were implemented within a unified pipeline involving preprocessing, feature selection, and Bayesian Optimization-based hyperparameter tuning. All models achieved F1-score and Cohen's Kappa above 96%, with XGBoost performing best (97.80%, 97.26%), followed by Random Forest (97.78%, 96.96%) and Transformer (97.44%, 96.82%), while MLP scored lowest (96.74%, 96.00%), a gap below one percentage point. Confusion matrix analysis revealed persistent misclassification in minority and overlapping attack classes, informing a proposed adaptive cyber attack simulation optimization framework.
Keywords: cyber attacks; optimization; machine learning; environmental variability.
Abstrak: Meningkatnya intensitas serangan siber yang berlangsung cepat, masif, otomatis, dan adaptif menuntut pendekatan analitis yang merepresentasikan keragaman lingkungan jaringan, termasuk perbedaan karakteristik platform sasaran seperti Internet of Things (IoT), jaringan konvensional, dan infrastruktur hibrida. Penelitian ini membandingkan model machine learning untuk klasifikasi serangan siber pada kondisi lingkungan heterogen, sekaligus menyusun kerangka optimasi konseptual berdasarkan performa model. Empat dataset benchmark publik digunakan, yaitu UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, serta dataset Kaggle cyber security attacks, dengan jumlah data berkisar 40.000 hingga lebih dari 3,6 juta rekaman dan 25 sampai 80 fitur, mewakili lingkungan IoT, konvensional, dan campuran. Random Forest, XGBoost, Multilayer Perceptron, dan Transformer diimplementasikan melalui pipeline terpadu mencakup pra-pemrosesan, seleksi fitur, dan optimasi hyperparameter berbasis Bayesian Optimization. Seluruh model mencapai F1-score dan Cohen's Kappa di atas 96%, dengan XGBoost menunjukkan performa terbaik (97,80%, 97,26%), diikuti Random Forest (97,78%, 96,96%) dan Transformer (97,44%, 96,82%), sementara MLP mencatat skor terendah (96,74%, 96,00%), dengan selisih kurang dari satu poin persentase. Analisis confusion matrix mengungkap misklasifikasi yang konsisten pada kelas minoritas dan serangan dengan karakteristik serupa, yang menjadi dasar kerangka optimasi simulasi serangan siber adaptif yang diusulkan.
Kata kunci: serangan siber; optimasi; machine learning; variabilitas lingkungan
Abstract:Abstract: Mental health is an essential aspect of overall well-being, particularly for university students vulnerable to emotional strain. This study aims to identify clusters of student mental health trends using the K-Means…
Means clustering technique. The research involved 60 students from four academic programs at the Faculty of Science and Technology, selected using stratified and cluster sampling techniques. Data were collected using a modified Mental Health Inventory (MHI). The results revealed distinct commonalities among majors: the Statistics program was predominantly defined by the depressed cluster at 53.3%, while Mathematics followed at 40% within the same cluster. In contrast, Biology students predominantly fell under the neu-tral/stable cluster (66.7%), whilst Information Systems students exhibited an even distribution (33.3% per cluster) without a dominant trend. The clustering quality was evaluated using the Silhouette Coefficient, yielding a range of 0.39 to 0.60. Biology (0.60) and Statistics (0.54) exhibited a reasonable structure, but Information Systems (0.39) and Mathematics (0.34) demonstrated a deficient structure. In conclusion, K-Means effectively discerns mental health patterns, providing a data-driven basis for targeted psychological interventions in educational settings.
Keywords: biology; information systems; k-means; mathematics; mental health; silhouette coefficient; statistics
Abstrak: Kesehatan mental merupakan komponen vital dari kesejahteraan total, terutama bagi maha-siswa yang rentan terhadap stres emosional. Penelitian ini bertujuan untuk mengidentifikasi kelompok tren kesehatan mental mahasiswa melalui penerapan metode pengelompokan K-Means. Studi ini mencakup 60 mahasiswa dari empat program studi di Fakultas Sains dan Teknologi, yang dipilih melalui metode pengambilan sampel bertingkat dan kelompok. Data dikumpulkan dengan menggunakan Inventaris Kesehatan Mental (MHI) yang dimodifikasi. Temuan menunjukkan kesamaan yang jelas di antara jurusan: program studi Statistika terutama ditandai oleh kelompok depresi (53,3%), diikuti oleh Matematika dengan 40% dalam kelompok depresi. Sebaliknya, mahasiswa Biologi terutama termasuk dalam kelompok netral/stabil (66,7%), sedangkan mahasiswa Sistem Informasi memiliki distribusi yang merata (33,3% per kelompok) tanpa pola yang dominan. Kualitas pengelompokan dinilai dengan Koefisien Sil-houette, menghasilkan rentang 0,39 hingga 0,60. Biologi (0,60) dan Statistika (0,54) memiliki struktur sedang, sedangkan Sistem Informasi (0,39) dan Matematika (0,34) menunjukkan struktur yang buruk. Kesimpulannya, K-Means secara akurat mengidentifikasi tren kesehatan mental, menawarkan landasan berbasis data untuk terapi psikologis yang ditargetkan di ling-kungan pendidikan.
Kata kunci: biologi; kesehatan mental; K-Means; matematika; silhouette coefficient; sistem in-formasi; statistika
Abstract:Abstract: SMP Muhammadiyah 5 Samarinda still relies on manual evaluation with limited data analysis tools in predicting student academic achievement. This study aims develop a system for predicting the learning achievement…
nt of students at SMP Muhammadiyah 5 Samarinda using the Naive Bayes classification method. The dataset used consists of 192 student exam scores covering academic scores, attendance, parents’ education and income, and living conditions as independent variables, while the dependent variable is the achievement label (achieved or not achieved). The preprocessing stage includes label normalization, feature selection, and median imputation to handle missing data. The dataset was divided into 75% training data and 25%. The model was implemented as a pipeline consisting of a median imputer and a Gaussian Naive Bayes classifier. The evaluation results showed that the model achieved an accuracy of 79.2%, with a perfect recall value (1.00) in the high-achieving class and (0.64) in the low-achieving class. This shows that the model is quite effective in identifying high-achieving students. The trained model was then integrated into a Flask-based web application, which enables online predictions through a simple form interface, facilitating contextual interpretation. This system is expected to assist in educational decision-making by helping teachers identify students’ achievement levels early on and design more targeted learning interventions.
Keywords: academic performance; educational data mining; naive bayes; prediction system; student achievement
Abstrak: SMP Muhammadiyah 5 Samarinda masih bergantung pada evaluasi manual dengan alat analisis data terbatas dalam melakukan prediksi prestasi akademik siswa. Penelitian ini bertujuan mengembangkan sistem prediksi prestasi belajar siswa SMP Muhammadiyah 5 Samarinda menggunakan metode klasifikasi Naive Bayes. Dataset yang digunakan terdiri atas 192 data nilai ujian siswa yang mencakup skor akademik, kehadiran, pendidikan dan pendapatan orang tua, serta kondisi tempat tinggal sebagai variabel independen, sedangkan variabel dependen berupa label prestasi (berprestasi atau tidak berprestasi). Tahap preprocessing meliputi normalisasi label, seleksi fitur, serta imputasi median untuk menangani data yang hilang. Dataset dibagi menjadi 75% data latih dan 25%. Model diimplementasikan dalam bentuk pipeline yang terdiri atas median imputer dan Gaussian Naive Bayes classifier. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 79,2%, dengan nilai recall sempurna (1,00) pada kelas berprestasi dan lebih rendah (0,64) pada kelas tidak berprestasi. Hal ini menunjukkan bahwa model cukup efektif dalam mengidentifikasi siswa berprestasi. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web berbasis Flask, yang memungkinkan prediksi secara daring melalui antarmuka formulir sederhana untuk mendukung interpretasi kontekstual. Sistem ini diharapkan dapat membantu untuk pengambilan keputusan dalam pendidikan dengan membantu guru mengidentifikasi tingkat prestasi siswa sejak dini dan merancang intervensi pembelajaran yang lebih terarah.
Kata kunci: prestasi akademik; penambangan data Pendidikan; naive bayes; sistem prediksi; prestasi siswa
Abstract:Abstract: INET Computer Palembang, as a computer training institution, faces difficulties in understanding participant characteristics due to variations in age, educational background, and chosen course packages. This study…
udy aims to analyze participant criteria and group them based on similarities using the K-Means Clustering algorithm. The data used were historical records of course participants from 2022 to 2025. The research process followed the CRISP-DM stages, starting from data cleaning and transformation, determining the optimal number of clusters using the Elbow Method, to evaluating cluster quality with the Davies-Bouldin Index. The implementation was carried out using Python and the scikit-learn library. The results show that the optimal number of clusters is k=5 with a Sum of Squared Errors (SSE) value of 1064.66 and a Davies-Bouldin Index (DBI) score of 0.820, indicating good cluster quality. The resulting clustering provides a structured profile of participants and demonstrates that K-Means is effective in segmenting course participants. These findings are expected to assist the institution in designing more targeted training programs.
Keywords: clustering; data mining; elbow method; k-means; computer course
Abstract:Abstract: One of the main health problems in children is stunting which is one of the concerns in the Sustainable Development Goals (SDGs). Specifically in Indonesia, the prevalence of stunting in 2024 is 21.6%. This figure…
ure is still relatively high, because the target prevalence of stunting is 14%. This study aims to implement machine learning knowledge through the Classification And Regression Trees (CART) algorithm based on Ant Be Colony (ABC) feature selection which aims to determine the increase in accuracy in analyzing stunting datasets. The data used comes from Kaggle which consists of 16500 datasets. The dataset consists of gender, age, birth length, birth weight, body length, body weight, breastfeeding and stunting status. The research methods used are data collection, data preprocessing, classification, and evaluation using K-fold cross validation. The results obtained in this research are the implementation of the CART algorithm obtained a value of 89.86% and the results of CART with Ant Be Colony (ABC) feature selection, which obtained an accuracy value of 93.65%. This shows that there is an increase in the accuracy value in the use of CART algorithm optimization and Ant Be Colony (ABC) feature selection by 3.76%. With the research results that have been obtained, it can be categorized as excellent accuracy value excellent. It is hoped that further research can be carried out by adding other classification algorithms or adding feature selection.
Keywords: classification; feature selection; optimazation; stunting
Abstrak: Salah satu masalah kesehatan utama pada anak adalah stunting yang menjadi salah satu perhatian dalam Sustainable Development Goals (SDGs). Khusus di Indonesia angka Pravelensi stunting pada tahun 2024 di angka 21.6%. Angka ini masih tergolong tinggi, karena target angka pravelensi stunting ialah 14%. Penelitian ini bertujuan untuk mengimplementasikan pengetahuan machine learning melalui algoritma Classification And Regression Trees (CART) berbasis seleksi fitur Ant Be Colony (ABC) yang bertujuan untuk mengetahui peningkatan akurasi dalam menganalisis dataset stunting. Data yang digunakan bersumber dari Kaggle yang terdiri dari 16500 dataset. Dataset terdiri dari jenis kelamin, usia, panjang lahir, berat lahir, panjangg badan, berat badan, menyusui dan status stunting. Metode penelitian yang digunakan adalah pengumpulan data, preprocessing data, klasifikasi, dan evaluasi menggunakan K-fold cross validation. Hasil yang diperoleh pada penelitian ini adalah Implementasi algoritma CART memperoleh nilai sebesar 89,86% dan hasil seleksi fitur CART dengan Ant Be Colony (ABC) memperoleh nilai akurasi sebesar 93,65%. Hal ini menunjukkan adanya peningkatan nilai akurasi pada penggunaan optimasi algoritma CART dan pemilihan fitur Ant Be Colony (ABC) sebesar 3,76%. Dengan hasil penelitian yang telah diperoleh dapat dikategorikan nilai akurasi yang diperoleh sangat baik. Diharapkan dapat dilakukan penelitian selanjutnya dengan menambahkan algoritma klasifikasi lain atau menambahkan seleksi fitur.
Kata kunci: klasifikasi; optimalisasi; seleksi fitur; stunting
Abstract:Abstract: This study maps the vulnerability of landslides in Jayapura Regency, Indonesia, using a parameter weighting method within the framework of the Geographic Information System (GIS). The study identified key factors…
rs that contribute to landslide risk, including slope, soil type, rainfall, geology, and land use. The analysis revealed significant areas prone to landslides, with substantial portions classified as moderate to high risk. Comparison with the BNPB Inarisk method shows variations in the percentage of risk areas, highlighting the importance of the double assessment technique. The study underscores the need for an integrated, multidisciplinary approach to landslide risk management, emphasizing accurate data collection, land-use planning, and targeted mitigation strategies. These findings provide valuable insights for policymakers and disaster management agencies to minimize the impact of future landslides and promote sustainable development, especially in light of the 2019 landslide disaster in Sentani.
.
Keywords: landslide; jayapura regency; parameter weighting method; inarisk BNPB methods; disaster mitigation.
Abstrak: Penelitian ini memetakan kerentanan tanah longsor di Kabupaten Jayapura, Indonesia, menggunakan metode pembobotan parameter dalam kerangka Sistem Informasi Geografis (GIS). Studi ini mengidentifikasi faktor-faktor kunci yang berkontribusi terhadap risiko tanah longsor, termasuk kemiringan, jenis tanah, curah hujan, geologi, dan penggunaan lahan. Analisis mengungkapkan area signifikan yang rentan terhadap tanah longsor, dengan porsi substansial diklasifikasikan sebagai risiko sedang hingga tinggi. Perbandingan dengan metode BNPB Inarisk menunjukkan variasi persentase area risiko, menyoroti pentingnya teknik penilaian ganda. Studi ini menggarisbawahi perlunya pendekatan multidisiplin yang terintegrasi untuk manajemen risiko tanah longsor, menekankan pengumpulan data yang akurat, perencanaan penggunaan lahan, dan strategi mitigasi yang ditargetkan. Temuan ini memberikan wawasan berharga bagi pembuat kebijakan dan lembaga penanggulangan bencana untuk meminimalkan dampak tanah longsor di masa depan dan mempromosikan pembangunan berkelanjutan, terutama mengingat bencana tanah longsor tahun 2019 di Sentani.
.
Kata kunci: tanah longsor; kabupaten jayapura; metode pembobotan parameter; metode BNPB Inarisk; mitigasi bencana.
Abstract:Abstract: Many children drop out or stop school due to economic constraints, especially personal costs such as not being able to buy school supplies, educational development donations and so on. Therefore, the government…
has a policy to help by issuing the Smart Indonesia Program (PIP) as a goal to help students' personal costs in pursuing education. As the smart Indonesia program progresses, many parents of students complain because the selection of students receiving PIP assistance is not on target and does not comply with the provisions. As with the data collection of students receiving the Smart Indonesia Program (PIP) assistance at State Elementary School 014673 Mekar Sari Village, it is also not optimal where the recording system is still inputted into Microsoft Excel. Therefore, a system is needed that is integrated with a calculation processing technique, namely a decision support system used at State Elementary School 015673 Mekar Sari Village to determine prospective recipients of the Smart Indonesia Program assistance who are truly worthy and appropriate. For this reason, this study uses the Multi-Attribute Utility Theory (MAUT) method to find students who are eligible for PIP benefits in the determination process.
Keywords: maut method; mekar sari elementary school; smart indonesia program.
Abstrak: Banyaknya anak yang putus atau berhenti sekolah dikarenakan kendala ekonomi terutama pada biaya pribadi seperti tidak mampu membeli perlengkapan sekolah, uang sumbangan pembinaan pendidikan dan lain sebagainya. Maka dari itu pemerintah memiliki kebijakan untuk membantu dengan mengeluarkan Program Indonesia Pintar (PIP) sebagai tujuan untuk membantu biaya pribadi siswa dalam menempuh pendidikan. Seiring berjalannya program indonesia pintar banyak kalangan orang tua siswa mengeluh dikarenakan dalam pemilihan siswa penerima bantuan PIP tidak tepat sasaran dan tidak sesuai dengan ketentuan. Seperti halnya dengan pendataan siswa penerima bantuan Program Indonesia Pintar (PIP) di Sekolah Dasar Negeri 014673 Desa Mekar Sari juga belum optimal dimana masih sistem pencatatan lalu di input ke Microsoft Excel. Maka dibutuhkan sebuah sistem yang sudah terintegrasi dengan sebuah teknik pengolahan perhitungan yaitu sistem pendukung keputusan yang digunakan pada Sekolah Dasar Negeri 015673 Desa Mekar Sari untuk penentuan calon penerima bantuan Program Indonesia Pintar yang benar layak dan pantas. Untuk itu penelitian ini menggunakan metode Multi-Attribute Utility Theory (MAUT) untuk mencari siswa yang layak mendapat manfaat PIP dalam proses penentuannya.
Kata kunci: metode maut; program indonesia pintar; sd negeri mekar sari.
Abstract:Abstract: This research tries to describe student cluster analysis, as an effort to optimize campus promotion to various schools and regions. It is known that every year, Politeknik Pertanian Negeri Payakumbuh, abbreviated…
ed as PPNP, brings in students from various regions in Indonesia. Regarding the campus promotion strategy process, the PPNP promotion section has not been based or referred to the results of processing existing student data. So that the budget used by the campus promotion team has not been right on target with the results of students who can be brought to campus. In addition, the existing student database has not been processed or explored further, so that it has not produced knowledge that is very useful as material to support the decisions of the academic and student affairs department and the campus promotion team. The method used in this research is CRISP-DM which stands for Cross- Industry Standard Process for Data Mining. Based on the characteristics of each cluster, the PPNP Promotion Team in conducting the next socialization is advised to prioritize provinces such as West Sumatra and North Sumatra. Currently, managerial circles in this context, university leaders are expected to be able to make data-based decisions. Data-based decision making can foster a culture of sustainable innovation, produce customer-centric offerings and drive long-term business growth.
Keywords: cluster analysis; student data; k-means clustering; campus promotion
Abstrak: Penelitian ini mencoba untuk mendeskripsikan analisis cluster mahasiswa, sebagai upaya optimalisasi dalam melakukan promosi kampus ke berbagai sekolah dan daerah. Diketahui bahwa setiap tahunnya, Politeknik Pertanian Negeri Payakumbuh disingkat PPNP mendatangkan mahasiswa dari berbagai daerah di Indonesia. Terkait dengan proses strategi promosi kampus, bagian promosi PPNP belum didasarkan pada hasil pengolahan data mahasiswa yang ada. Sehingga anggaran yang digunakan tim promosi belum tepat sasaran dengan hasil mahasiswa yang dapat didatangkan ke kampus. Selain itu database mahasiswa yang ada selama ini belum diolah atau digali secara jauh, sehingga belum menghasilkan pengetahuan yang bermanfaat sebagai bahan untuk mendukung keputusan bagian akademik dan kemahasiswaan serta tim promosi kampus. Metode yang digunakan dalam penelitian ini yaitu CRISP-DM merupakan singkatan dari Cross-Industry Standart Process for Data Mining. Berdasarkan karakteristik setiap cluster, maka untuk Tim Promosi PPNP dalam melakukan sosialisasi berikutnya disarankan memprioritaskan pada provinsi seperti Sumatera Barat dan Sumatera Utara. Saat ini kalangan manajerial yaitu pimpinan perguruan tinggi diharapkan dapat melakukan pengambilan keputusan berbasis pada data. Pengambilan keputusan berbasis data dapat menumbuhkan budaya inovasi yang berkelanjutan, menghasilkan penawaran yang berpusat pada pelanggan dan mendorong pertumbuhan bisnis jangka panjang.
Kata kunci: analisis cluster; data mahasiswa; k-means clustering, promosi kampus
Abstract:Abstract: In the digital era of transformation, educational websites serve as vital platforms for transparently disseminating information to stakeholders. This study evaluates the effectiveness of the Jember Regency Education…
ation Department website using the COBIT 5 framework. This study aims to enhance the effectiveness and usability of the Department of Education website in Jember Regency by aligning it with stakeholders' evolving needs through comprehensive evaluation and targeted recommendations. Employing a qualitative descriptive approach, the research identifies challenges such as mobile optimization issues, slow loading times, security vulnerabilities, and content relevance concerns. Despite commendable accessibility, these challenges significantly impact user experience and website credibility. The findings underscore the urgent need for website optimization, improved security measures, and continuous content updates. This research provides actionable recommendations to align the website with IT governance standards, offering a roadmap for enhancement. Furthermore, the MEA Capability Results highlight discrepancies between the current scores and expected standards, indicating the necessity for comprehensive alignment with COBIT 5 guidelines to optimize website functionality and better meet user expectations.Top of Form
Keywords: COBIT 5 framework; Jember Regency Department of Education; website effectiveness
Abstrak: Pada era transformasi digital, situs web pendidikan menjadi platform penting untuk menyebarkan informasi secara transparan kepada para pemangku kepentingan. Studi ini mengevaluasi efektivitas situs web Dinas Pendidikan Kabupaten Jember menggunakan kerangka kerja COBIT 5. Studi ini bertujuan untuk meningkatkan efektivitas dan kegunaan situs web Dinas Pendidikan di Kabupaten Jember dengan menyelaraskannya dengan kebutuhan yang berkembang dari para pemangku kepentingan melalui evaluasi komprehensif dan rekomendasi yang ditargetkan. Dengan pendekatan deskriptif kualitatif, penelitian ini mengidentifikasi tantangan seperti masalah optimasi seluler, waktu muat yang lambat, kerentanan keamanan, dan kekhawatiran tentang relevansi konten. Meskipun aksesibilitasnya baik, tantangan-tantangan ini secara signifikan memengaruhi pengalaman pengguna dan kredibilitas situs web. Temuan ini menegaskan perlunya pengoptimalan situs web, peningkatan langkah-langkah keamanan, dan pembaruan konten yang berkelanjutan. Penelitian ini memberikan rekomendasi yang dapat dilaksanakan untuk menyelaraskan situs web dengan standar tata kelola TI, menawarkan panduan untuk peningkatan. Selain itu, hasil Kemampuan MEA menyoroti perbedaan antara skor saat ini dan standar yang diharapkan, menandakan kebutuhan akan penyesuaian yang komprehensif dengan pedoman COBIT 5 untuk mengoptimalkan fungsionalitas situs web dan memenuhi harapan pengguna dengan lebih baik.
Top of Form
Kata kunci: Dinas Pendidikan Kabupaten Jember; efektivitas website; kerangka kerja COBIT 5
Abstract:Abstract: The rapid development of technology makes stakeholders need easy and fast services. One of them is an easy and fast tutor search service. Parents who have a very busy life and school materials that develop very…
rapidly make parents less able to help their children learn at home so parents need a solution in the form of an information system to facilitate the search for tutors. In the development of this information system adopts by combining the architecture of the model view controller (MVC) and restful web service because development using the architecture is very easy, fast and can be developed into multi platforms. Then in the development of this system using the Agile Scrum Methodology approach which is able to complete system development very quickly and organized. Regular communication in this Scrum approach makes the team feel comfortable because each member knows each other's progress process and obstacles. So that the achievements of each target can always be controlled and completed. So that the creation of an information system for the search for tutors is on target and can be used by the public.
Keywords: Agile, Agile Scrum Methodology, Information System, restful web service
Abstrak: Pesatnya perkembangan teknologi membuat stakeholder membutuhkan pelayanan yang mudah dan cepat. Salah satunya adalah layanan pencarian guru les yang mudah dan cepat. Orang tua yang memiliki kehidupan yang sangat sibuk dan materi sekolah yang berkembang sangat pesat membuat orang tua kurang bisa membantu anaknya belajar di rumah sehingga orang tua membutuhkan solusi berupa sistem informasi untuk memudahkan pencarian tutor. Dalam perkembangannya sistem informasi mengadopsi dengan menggabungkan arsitektur model view controller (MVC) dan restful web service karena pengembangan menggunakan arsitektur tersebut sangat mudah, cepat dan dapat dikembangkan menjadi multi platform. Kemudian dalam pengembangan sistem ini menggunakan pendekatan Agile Scrum Methodology yang mampu menyelesaikan pengembangan sistem dengan sangat cepat dan terorganisir. Komunikasi yang teratur dalam pendekatan Scrum ini membuat tim merasa nyaman karena setiap anggota saling mengetahui proses kemajuan dan hambatan masing-masing. Sehingga capaian setiap target dapat selalu terkontrol dan selesai. Serta terciptanya sistem informasi pencarian tutor tepat sasaran dan dapat digunakan oleh masyarakat
Kata kunci: Agile, Agile Scrum Methodology, Sistem Informasi, restful web service