Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus menggunakan Adult Income Dataset untuk memahami karakteristik individu yang memiliki pendapatan lebih dari $50K dibandingkan dengan mereka yang memiliki pendapatan $50K atau kurang.
Project ini mencakup proses yang cukup lengkap, mulai dari identifikasi struktur data, data cleaning, pengelompokan variabel, exploratory data analysis, pembuatan chart, hingga penyusunan dashboard menggunakan Google Looker Studio.
Studi Kasus: Faktor yang Berkaitan dengan Pendapatan
Peserta memulai analisis dengan beberapa pertanyaan utama, antara lain bagaimana distribusi pendapatan berdasarkan gender, usia, jam kerja, pendidikan, dan negara asal.
Tujuannya bukan untuk membuktikan hubungan sebab-akibat, tetapi untuk melihat pola karakteristik yang muncul pada kelompok berpendapatan >$50K dan <$50K.
Variabel yang kemudian dianalisis mencakup workclass, education, marital status, occupation, gender, working hours, age, dan native country.
Identifikasi Dataset dengan Google Sheets
Tahap awal dilakukan menggunakan Google Sheets.
Peserta membuat salinan raw data agar kondisi sebelum dan sesudah cleaning tetap dapat dibandingkan. Selain itu, dibuat sheet khusus untuk mencatat Data Cleaning & Summary.
Beberapa fungsi spreadsheet digunakan untuk memahami struktur dataset, seperti:
-
ROWS()untuk menghitung jumlah baris -
COLUMNS()untuk menghitung jumlah kolom -
COUNTA()danUNIQUE()untuk melihat jumlah kategori -
IF()danTYPE()untuk memeriksa tipe data - Pivot Table untuk merangkum kategori
Peserta juga menggunakan filter untuk memeriksa nilai yang tidak relevan, termasuk tanda ? pada beberapa kolom seperti workclass dan occupation.
Tahap ini membantu peserta memahami bahwa analisis sebaiknya dimulai dari mengenali struktur dan kualitas dataset terlebih dahulu.
Data Cleaning dan Standardisasi
Setelah proses identifikasi, peserta melakukan beberapa langkah cleaning.
Data teks distandarkan menggunakan Proper Case, whitespace tambahan dibersihkan, dan nilai yang dianggap tidak relevan seperti ? ditangani agar tidak mengganggu proses analisis.
Peserta kemudian membuat beberapa kolom kategorisasi baru untuk menyederhanakan analisis.
Pendapatan dikodekan menjadi 1 untuk >$50K dan 0 untuk <$50K.
Pendidikan dikelompokkan menjadi kategori seperti Below HS-grad, HS-grad, Some-College, Bachelors, dan Graduate.
Jam kerja dibagi menjadi:
- Part-time: <35 jam/minggu
- Full-time: 35-45 jam/minggu
- Overtime: >45 jam/minggu
Usia dikelompokkan ke lima kategori, mulai dari 17-28 tahun hingga 65 tahun ke atas.
Native country juga disederhanakan menjadi United States dan Non-US.
Pengelompokan ini membantu peserta mengubah data yang terlalu detail menjadi kategori yang lebih mudah dibandingkan.
Exploratory Data Analysis
Setelah proses cleaning, dataset yang dianalisis terdiri dari 1.468 record.
Dari keseluruhan data tersebut:
- 778 individu atau 52,96% memiliki pendapatan >$50K
- 690 individu atau sekitar 47% memiliki pendapatan <50K
Rata-rata usia keseluruhan adalah 41,74 tahun, sedangkan rata-rata jam kerja adalah 43,73 jam per minggu.
Kelompok berpendapatan >$50K memiliki rata-rata usia 44,33 tahun, dibandingkan 38,82 tahun pada kelompok <$50K.
Dari sisi waktu kerja, kelompok >$50K bekerja rata-rata 46,61 jam per minggu, sedangkan kelompok <$50K rata-rata 40,49 jam per minggu.
Peserta menggunakan fungsi seperti COUNTIF() dan COUNTIFS() untuk menghitung jumlah serta persentase masing-masing kelompok.
Insight yang Ditemukan
Salah satu pola yang cukup terlihat muncul pada pendidikan.
Kelompok Graduate memiliki proporsi >$50K sekitar 73,68%, sedangkan kelompok pendidikan di bawah high school graduation berada sekitar 18,52%.
Dari sisi usia, kelompok 41-52 tahun memiliki proporsi >$50K tertinggi, sekitar 64,99%, sedangkan kelompok 17–28 tahun hanya sekitar 15,61%.
Jam kerja juga menunjukkan perbedaan. Sekitar 69,64% pekerja yang bekerja lebih dari 45 jam per minggu berada pada kategori >$50K, sedangkan pada pekerja part-time proporsinya sekitar 27,14%.
Pada variabel gender, sekitar 60,09% laki-laki berada pada kelompok >$50K, dibandingkan sekitar 29,74% perempuan.
Sementara perbandingan United States dan Non-US hanya menunjukkan perbedaan yang relatif kecil dibandingkan pola pendidikan, usia, jam kerja, dan gender.
Peserta juga mencatat bahwa hasil tersebut bersifat deskriptif. Pola yang muncul menunjukkan asosiasi, bukan berarti pendidikan, usia, gender, atau jam kerja secara langsung menyebabkan seseorang memiliki pendapatan lebih tinggi.
Visualisasi dengan Google Sheets
Sebelum masuk ke dashboard, peserta membuat tabel analisis dan chart langsung di Google Sheets.
Beberapa visualisasi yang disusun meliputi:
Income by Workclass, Income by Education, Income by Marital Status, Income by Occupation, Income by Gender, Income by Work-Hour, Income by Age Classification, serta Income by Native Country.
Jenis chart yang digunakan antara lain stacked bar chart untuk membandingkan distribusi pendapatan pada tiap kategori.
Dashboard dengan Google Looker Studio
Tahap berikutnya adalah menghubungkan Google Sheets ke Google Looker Studio untuk membuat dashboard yang lebih interaktif.
Dashboard menggunakan scorecard untuk memberikan gambaran umum dataset, stacked bar chart untuk membandingkan income berdasarkan sex, age, work hour, dan education, serta donut chart untuk membandingkan United States dan Non-US.
Dengan dashboard, hasil analisis dapat dibaca lebih cepat tanpa harus melihat seluruh tabel satu per satu.
Insight dan Benefit Final Project
Melalui final project ini, peserta berlatih menjalankan workflow Data Analyst dari data identification, cleaning, manipulation, grouping, EDA, chart development, hingga dashboard visualization.
Project juga menunjukkan pentingnya interpretasi yang hati-hati. Perbedaan pendapatan berdasarkan gender, usia, pendidikan, maupun jam kerja masih dapat dipengaruhi oleh variabel lain seperti occupation atau kombinasi beberapa faktor.
Hasil akhirnya dapat digunakan sebagai bagian dari portfolio peserta untuk menunjukkan pengalaman menggunakan Google Sheets, formula spreadsheet, Pivot Table, data cleaning, descriptive analysis, Google Looker Studio, dan dashboard development dalam satu studi kasus analisis pendapatan.