Peserta melakukan analisis komprehensif terhadap perkembangan kendaraan listrik (Electric Vehicles/EV) secara global. Project ini bertujuan membangun kemampuan peserta dalam mengolah data end-to-end: mulai dari eksplorasi, pembersihan, analisis, hingga penyajian insight melalui visualisasi dashboard.
Dataset yang digunakan adalah Global EV Data 2024 untuk kebutuhan pembelajaran berbasis kasus nyata.
Latar Belakang
Kendaraan listrik terus berkembang pesat sebagai solusi global untuk mengurangi emisi karbon dan ketergantungan pada bahan bakar fosil. Untuk memahami dinamika pertumbuhan ini, peserta kami menganalisis data historical dan proyeksi yang mencakup:
- Penjualan dan stok EV
- Pangsa pasar EV
- Infrastruktur pengisian daya
- Permintaan energi
- Oil displacement (pengurangan konsumsi minyak bumi)
Analisis dilakukan menggunakan Excel, Python (pandas), serta Looker Studio sebagai platform visualisasi.
Tujuan Project
Dalam final project ini, peserta ditugaskan untuk menjawab beberapa pertanyaan kunci:
- Bagaimana pertumbuhan kendaraan listrik dari waktu ke waktu?
- Bagaimana ketersediaan infrastruktur pengisian daya publik secara global?
- Bagaimana tren permintaan energi serta oil displacement akibat adopsi EV?
- Jenis EV apa yang paling dominan berdasarkan historical dan projection?
- Bagaimana perbandingan tren historical dengan proyeksi masa depan (STEPS & APS)?
Proses Pengerjaan
1. Identifikasi Dataset
Peserta melakukan pemahaman struktur dataset, mulai dari jumlah baris-kolom, tipe data, nilai unik, dan distribusi variabel.
Dataset terdiri dari 12.654 baris dan 8 kolom, meliputi:
- region
- category
- parameter
- mode
- powertrain
- unit
- year
- value
Identifikasi dilakukan menggunakan Excel dan Python untuk memastikan pemahaman awal terhadap karakteristik data.
2. Cleaning Dataset
Hasil pemeriksaan data menunjukkan:
- Tidak terdapat missing value
- Tidak terdapat duplikasi
- Struktur tipe data sudah sesuai
- Rentang tahun konsisten dengan kategori:
- Historical: 2010–2023
- Projection: 2025, 2030, 2035 (STEPS & APS)
Dataset dinyatakan bersih dan siap dianalisis.
3. Analisis Data
Analisis dikelompokkan berdasarkan tiga kategori:
- Historical
- Projection – STEPS (Stated Policies Scenario)
- Projection – APS (Announced Pledges Scenario)
Analisis dilakukan menggunakan pivot table, fungsi statistik Excel, serta eksplorasi lanjutan di Python.
Visualisasi Dashboard
Sebagai bagian akhir project, peserta membangun dashboard interaktif menggunakan Looker Studio. Dashboard mencakup:
- Tren penjualan & stok EV
- Pertumbuhan infrastruktur charging
- Perbandingan BEV – PHEV – FCEV
- Permintaan energi
- Oil displacement
- Perbandingan historical vs projection (STEPS & APS)
Dashboard ini menjadi output portofolio yang siap ditampilkan secara profesional.