> For the complete documentation index, see [llms.txt](https://gisact.gitbook.io/gisact-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://gisact.gitbook.io/gisact-docs/konsep-utama/analisis-dan-indikator.md).

# Analisis dan Indikator

Memahami nilai, kelas, tren, dan perubahan pada dashboard.

Indikator menyederhanakan data kompleks menjadi nilai, kelas, atau pola yang dapat dibandingkan. Maknanya selalu bergantung pada definisi, satuan, skala, wilayah, dan waktu.

## Cara membaca indikator

1. Baca nama dan definisinya.
2. Periksa satuan serta rentang nilai.
3. Cocokkan warna peta dengan legenda.
4. Periksa metode agregasi, misalnya rata-rata, maksimum, luas, atau jumlah.
5. Pastikan periode yang ditampilkan sesuai pertanyaan.

## Nilai, kelas, dan tren

| Bentuk hasil                | Pertanyaan yang dijawab                             |
| --------------------------- | --------------------------------------------------- |
| Nilai tunggal               | Berapa kondisi pada lokasi atau waktu tertentu?     |
| Kelas                       | Kategori apa yang diberikan kepada lokasi tersebut? |
| Peta tematik                | Di mana pola tersebar?                              |
| Deret waktu                 | Bagaimana kondisi berubah dari waktu ke waktu?      |
| Deteksi perubahan           | Area mana yang berbeda antarperiode?                |
| Skenario/dukungan keputusan | Pilihan mana yang paling sesuai dengan kriteria?    |

## Membaca perubahan

Perubahan dapat ditampilkan sebagai selisih nilai, peralihan kelas, area terdeteksi, atau skor model. Selalu periksa apakah nilai positif berarti peningkatan yang baik, peningkatan risiko, atau sekadar kenaikan numerik.

{% hint style="warning" %}
Korelasi spasial tidak otomatis menunjukkan sebab-akibat. Gunakan data pendukung sebelum menyatakan penyebab perubahan.
{% endhint %}

## Hasil berbasis model

Model membantu mengenali pola, memprediksi, atau memprioritaskan area. Hasilnya harus dibaca bersama metadata model, kualitas input, ambang klasifikasi, dan validasi yang tersedia.