Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus analisis Movie Ratings menggunakan Google Sheets dan Google Looker Studio. Project ini membahas bagaimana data rating film dapat diolah untuk memahami perbedaan penilaian antara kritikus dan penonton, komposisi genre, klasifikasi konten, serta perubahan pola rating berdasarkan periode rilis.
Project dikerjakan melalui beberapa tahapan utama, yaitu identifikasi dataset, data cleaning, exploratory data analysis, pembuatan variabel tambahan, hingga pembangunan dashboard interaktif untuk menyajikan insight secara lebih mudah dipahami.
Studi Kasus dan Tujuan Analisis
Dalam project ini, peserta memposisikan analisis dari sudut pandang klien yang ingin memahami karakteristik katalog film berdasarkan rating dan atribut film.
Beberapa pertanyaan utama yang digunakan sebagai panduan analisis adalah:
- Berapa rata-rata dan median rating kritikus serta penonton
- Genre apa yang paling banyak muncul
- Bagaimana perbandingan rating kritikus dan penonton antar-genre
- Bagaimana distribusi film berdasarkan content rating dan Tomatometer Status
- Bagaimana jumlah film serta rata-rata rating berubah berdasarkan tahun atau dekade rilis
Pertanyaan tersebut kemudian menjadi dasar dalam menentukan data yang perlu dibersihkan, variabel yang perlu dibuat, dan visualisasi yang akan ditampilkan pada dashboard.
Identifikasi Dataset
Dataset yang digunakan adalah Movie Ratings lite yang terdiri dari 1.638 baris dan 17 kolom.
Beberapa kolom utama yang dianalisis meliputi judul film, genre, sutradara, studio, tanggal rilis di bioskop, tanggal streaming, durasi, Tomatometer Status, rating kritikus, jumlah review kritikus, audience rating, dan jumlah rating penonton.
Pada pengecekan awal, peserta menemukan beberapa isu data, antara lain nilai PG-13) yang perlu dinormalisasi menjadi PG-13, 843 nilai kosong pada critics_consensus, 38 tanggal in_theaters_date yang kosong, dan 11 audience_rating yang tidak tersedia.
Tidak ditemukan duplicate row identik.
Data Cleaning dengan Google Sheets
Proses cleaning dilakukan dengan prinsip mempertahankan informasi sebanyak mungkin, tetapi tetap memastikan field yang digunakan untuk analisis memiliki format yang konsisten.
Peserta melakukan trim whitespace pada kolom teks, memperbaiki penulisan PG-13), serta mengubah in_theaters_date dan on_streaming_date ke format tanggal.
Nilai kosong pada field numerik tidak diisi secara arbitrer agar tidak menciptakan angka buatan. Sementara field kategorikal seperti directors dan studio_name yang kosong diberi label Unknown.
Membuat Variabel Analitik
Peserta membuat beberapa kolom tambahan untuk membantu proses analisis:
- release_year
- rating_gap
- streaming_lag_days
rating_gap digunakan untuk melihat selisih antara audience_rating dan tomatometer_rating.
Peserta juga menemukan tujuh nilai streaming_lag_days negatif. Data tersebut tidak langsung diperbaiki karena tidak ada sumber pembanding tambahan yang digunakan dalam project.
Selain itu, terdapat 94 judul film yang muncul lebih dari satu kali. Namun karena tidak ada baris identik, judul yang sama tidak otomatis dianggap duplikat.
Analisis Rating Kritikus dan Penonton
Hasil analisis menunjukkan rata-rata rating kritikus sebesar 60,3, sedangkan rata-rata rating penonton sebesar 61,4.
Korelasi antara keduanya adalah 0,71. Angka ini menunjukkan hubungan positif yang cukup kuat secara deskriptif, tetapi tidak digunakan untuk menyimpulkan hubungan sebab-akibat.
Dari sisi Tomatometer Status, terdapat:
- 720 entry Rotten
- 706 entry Fresh
- 212 entry Certified Fresh
Jika Fresh dan Certified Fresh digabungkan, sekitar 56 persen entry berada pada dua kategori tersebut.
Analisis Genre
Karena satu film dapat memiliki lebih dari satu genre, peserta tidak memperlakukan genre sebagai kategori yang saling eksklusif.
Analisis per genre dilakukan pada level genre-tag, sehingga satu film dapat dihitung pada lebih dari satu kategori genre.
Drama menjadi genre dengan jumlah entry terbanyak, yaitu 1.007. Setelah itu terdapat Comedy serta Mystery and Suspense.
Untuk genre dengan minimal 20 movie entry, Classics memiliki rata-rata rating kritikus tertinggi sebesar 83,6 dan rata-rata rating penonton sebesar 73,6.
Peserta juga menggunakan rating_gap sebagai sudut pandang tambahan. Nilai rata-rata rating_gap adalah 1,14, sedangkan mediannya minus 2,0.
Perbedaan antara mean dan median menunjukkan bahwa beberapa gap yang besar dapat menarik nilai rata-rata, sehingga interpretasi selisih rating perlu dilihat bersama distribusi datanya.
Analisis Content Rating dan Periode Rilis
Untuk content rating, kategori R menjadi kelompok terbesar dalam dataset. NR juga memiliki jumlah cukup besar, sementara NC17 hanya memiliki sedikit entry.
Peserta mencatat bahwa perbandingan rata-rata antar-kategori perlu mempertimbangkan ukuran sampel karena jumlah film tiap kelompok tidak sama.
Dari sisi waktu, tanggal rilis tersedia untuk 1.600 movie entry, dengan rentang dari 1916 sampai 2019.
Dekade 2000-an memiliki jumlah entry terbanyak, yaitu 579, disusul 1990-an.
Namun pola ini diperlakukan sebagai deskripsi terhadap dataset, bukan representasi langsung dari kondisi industri film secara keseluruhan.
Pembuatan Dashboard dengan Looker Studio
Setelah proses analisis selesai, peserta menghubungkan data hasil cleaning dari Google Sheets ke Google Looker Studio.
Dashboard dirancang agar pengguna dapat melakukan eksplorasi melalui filter seperti Date Range, Rating, Tomatometer Status, dan Genre.
Bagian awal dashboard menampilkan KPI utama. Visualisasi berikutnya digunakan untuk menunjukkan distribusi status, volume genre, perbandingan rata-rata rating kritikus dan penonton, serta perubahan jumlah film berdasarkan waktu.
Scatter plot digunakan untuk melihat hubungan skor kritikus dan penonton, sementara tabel sutradara digunakan untuk memberikan detail setelah pola umum ditemukan.
Insight dan Benefit Final Project
Final project ini memberikan latihan dalam menjalankan workflow Data Analyst dari data identification, cleaning, feature engineering sederhana, EDA, hingga dashboard development.
Peserta juga belajar bahwa interpretasi data perlu mempertimbangkan karakteristik dataset. Genre yang multi-value, missing value, ukuran kelompok yang tidak seimbang, dan anomali tanggal dapat memengaruhi hasil analisis.
Insight utama dari project menunjukkan bahwa kritikus dan penonton memiliki pola penilaian yang cukup searah, tetapi tetap terdapat perbedaan pada genre dan kelompok tertentu. Dashboard kemudian digunakan sebagai alat untuk mengeksplorasi katalog berdasarkan genre, rating konten, periode, status kritik, dan selisih penilaian.
Hasil akhir project dapat digunakan sebagai bagian dari portfolio untuk menunjukkan pengalaman menggunakan Google Sheets dan Google Looker Studio dalam mengolah data film menjadi analisis dan visualisasi yang lebih terstruktur.