ELHIDAYAT, ELHIDAYAT (2025) KLASIFIKASI DAN PEMETAAN STUNTING BERBASIS WEBGIS ( GEOGRAPHIC INFORMATION SYSTEM ) DENGAN MENGGUNAKAN METODE CLUSTER WARD’S STUDI KASUS : KABUPATEN BIREUEN. S1 thesis, Universitas Malikussaleh.

[img] Text
Cover.pdf

Download (293kB)
[img] Text
ABSTRAK.pdf

Download (275kB)
[img] Text
BAB I.pdf

Download (297kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (295kB)
[img] Text
Full_Text.pdf
Restricted to Registered users only

Download (2MB)

Abstract

ABSTRAK Stunting merupakan kendala pertumbuhan dan perkembangan anak akibat kekurangan gizi akut dan infeksi berulang, yang rata-rata ditandai dengan panjang atau tinggi badannya dibawah standar. Dalam penentuan diagnosis penyakit, data mining mempunyai peranan yang sangat penting dan memiliki kebaruan dibidang Kesehatan. Pada penelitian ini, penulis akan menerapkan metode pemetaan dan klasifikasi data mining, yaitu menggunakan Cluster Ward’s. Estimasi dilakukan dengan menggunakan jumlah kuantitas dari deviasi kuadrat pada mean cluster untuk setiap observasi serta menentukan pola penyakit Stunting yang terjadi di Kabupaten Bireuen. Penelitian ini adalah bagaimana mengembangkan Sistem Informasi Geografis (SIG) sebagai alat kontrol penyebaran bagi instansi pemerintah di Kabupaten Bireuen. Harapan yang ingin dicapai dengan adanya sistem ini yaitu agar dapat membantu dan memudahkan para tenaga kesehatan dalam mendiagnosis Stunting serta memperoleh informasi tentang daerah penyebarannya. Kata kunci : Sistem Informasi Geografis (SIG), Stunting, Analisis korespondensi, Metode Ward’s

Item Type: Thesis (S1)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User: El Hidayat Isnawati
Date Deposited: 22 Jul 2025 07:04
Last Modified: 22 Jul 2025 07:04
URI: https://rama.unimal.ac.id/id/eprint/12086

Actions (login required)

View Item View Item

Latest Collections

Top Downloaded Items

Top Authors

This repository has been indexed by