Final Project Bootcamp Data Analyst: Analisis Faktor yang Berkaitan dengan Penghasilan di Atas 50K

Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus analisis Adult Income Dataset menggunakan Google Sheets dan Looker Studio. Project ini berfokus pada bagaimana data demografi dan pekerjaan dapat digunakan untuk melihat pola yang berkaitan dengan kelompok berpenghasilan di atas 50K dan di bawah atau sama dengan 50K.

Studi kasus dibangun dengan konteks sebuah lembaga pelatihan karier yang ingin mengetahui kelompok mana yang dapat menjadi prioritas program peningkatan keterampilan berdasarkan pola pendidikan, pekerjaan, usia, jam kerja, jenis kelamin, dan status pernikahan.

Tujuan Analisis

Peserta merumuskan lima pertanyaan utama:

Bagaimana profil responden dari sisi usia, pendidikan, dan jam kerja
Berapa proporsi responden dengan penghasilan di atas 50K
Apakah pendidikan dan pekerjaan berkaitan dengan penghasilan
Pada kelompok usia dan jam kerja mana proporsi penghasilan tinggi lebih besar
Apakah terdapat perbedaan pola berdasarkan jenis kelamin dan status pernikahan

Pertanyaan ini kemudian digunakan sebagai dasar untuk proses cleaning, analisis deskriptif, dan penyusunan dashboard.

Identifikasi Dataset

Dataset terdiri dari 1.561 baris dan 15 kolom.

Variabel numerik mencakup age, fnlwgt, education_num, capital_gain, capital_loss, dan hours_per_week. Variabel kategorikal mencakup workclass, education, marital_status, occupation, relationship, race, sex, dan native_country. Target analisis adalah income dengan kategori lebih dari 50K dan kurang dari atau sama dengan 50K.

Pada pemeriksaan awal, peserta menemukan missing value yang ditulis menggunakan tanda tanya, bukan cell kosong. Terdapat 58 nilai tersebut pada workclass, 58 pada occupation, dan 37 pada native_country.

Tidak ditemukan baris duplikat.

Peserta juga mencatat pola yang tidak biasa pada capital_loss dan capital_gain sehingga dataset perlu dibaca secara hati-hati dan tidak langsung dianggap sebagai sampel yang sepenuhnya representatif.

Data Cleaning dengan Google Sheets

Proses cleaning dilakukan menggunakan Google Sheets.

Peserta menggunakan fitur Remove Duplicates dan Trim Whitespace untuk memastikan struktur data lebih konsisten. Tanda tanya pada missing value tidak dihapus bersama seluruh baris, tetapi diganti menjadi kategori Tidak diketahui agar informasi pada kolom lain tetap dapat digunakan.

Nama kolom juga distandarkan. Sebagai contoh, hours.per.week diubah menjadi hours_per_week agar lebih konsisten ketika digunakan pada Google Sheets dan Looker Studio.

Membuat Kolom Bantu

Peserta membuat tiga kolom tambahan untuk mempermudah analisis.

income_flag memberikan nilai 1 untuk responden dengan penghasilan di atas 50K dan 0 untuk kelompok lainnya. Dengan cara ini, rata-rata income_flag dapat langsung digunakan sebagai persentase kelompok berpenghasilan tinggi.

age_grup digunakan untuk membagi usia menjadi enam kategori, mulai dari 17 sampai 24 tahun hingga 65 tahun ke atas.

hours_grup membagi jam kerja menjadi empat kategori, yaitu sampai 34 jam, 35 sampai 40 jam, 41 sampai 50 jam, dan lebih dari 50 jam.

Label kategori juga diberi nomor di bagian depan agar urutan pada grafik Looker Studio tetap sesuai.

Analisis Statistik Deskriptif

Dari analisis awal, rata-rata usia responden adalah 41,78 tahun dengan median 41 tahun.

Kelompok dengan penghasilan kurang dari atau sama dengan 50K memiliki rata-rata usia 38,78 tahun, sedangkan kelompok di atas 50K memiliki rata-rata usia 44,52 tahun.

Rata-rata jam kerja adalah 43,43 jam per minggu dengan median 40 jam. Kelompok berpenghasilan di atas 50K memiliki median jam kerja 45 jam, sedangkan kelompok lainnya 40 jam.

Secara keseluruhan, 815 responden atau sekitar 52,21 persen berada pada kelompok penghasilan di atas 50K, sedangkan 746 responden atau sekitar 47,79 persen berada pada kelompok lainnya.

Pendidikan dan Penghasilan

Peserta menggunakan Pivot Table untuk membandingkan jenjang pendidikan dengan rata-rata income_flag.

Hasilnya menunjukkan pola yang cukup jelas.

Kelompok Doctorate memiliki persentase penghasilan di atas 50K sekitar 94,55 persen, Prof-school sekitar 90 persen, Master sekitar 76,32 persen, dan Bachelor sekitar 67,63 persen.

Salah satu perbedaan yang cukup terlihat berada antara Some-college dan Bachelor. Persentasenya meningkat dari sekitar 40,83 persen menjadi 67,63 persen.

Sementara itu, kelompok HS-grad berada di sekitar 35,85 persen dan menjadi kelompok terbesar dalam dataset.

Insight ini digunakan sebagai salah satu dasar untuk melihat kelompok yang mungkin relevan sebagai target program peningkatan kualifikasi.

Pekerjaan, Usia, dan Jam Kerja

Pada analisis pekerjaan, Exec-managerial memiliki persentase sekitar 75,25 persen dan Prof-specialty sekitar 72,47 persen untuk kelompok penghasilan di atas 50K.

Kategori dengan jumlah responden sangat kecil tidak dijadikan dasar utama dalam menarik kesimpulan. Sebagai contoh, Armed Forces memang menunjukkan 100 persen, tetapi hanya terdiri dari satu responden.

Berdasarkan usia, proporsi penghasilan di atas 50K mencapai titik tertinggi pada kelompok usia 45 sampai 54 tahun, yaitu sekitar 65,68 persen.

Dari sisi jam kerja, persentasenya meningkat dari sekitar 25,47 persen pada kelompok sampai 34 jam menjadi sekitar 70,33 persen pada kelompok yang bekerja lebih dari 50 jam per minggu.

Perbedaan Berdasarkan Jenis Kelamin dan Status Pernikahan

Peserta juga membandingkan sex dan marital_status menggunakan bar chart.

Pada kelompok Married-civ-spouse, persentase penghasilan di atas 50K hampir sama antara laki-laki dan perempuan, yaitu sekitar 72,41 persen dan 71,43 persen.

Perbedaan lebih besar terlihat pada kelompok Divorced, yaitu sekitar 27,91 persen pada laki-laki dan 10,84 persen pada perempuan.

Sekali lagi, kategori dengan jumlah responden kecil tidak digunakan sebagai dasar kesimpulan utama.

Dashboard dengan Looker Studio

Setelah analisis menggunakan Google Sheets dan Pivot Table, peserta membangun dashboard interaktif di Looker Studio.

Dashboard menggunakan scorecard untuk menampilkan total responden, rata-rata usia, rata-rata jam kerja, dan persentase penghasilan di atas 50K.

Visualisasi lainnya mencakup donut chart untuk distribusi income, bar chart untuk pendidikan dan pekerjaan, grafik kelompok usia dan jam kerja, serta perbandingan berdasarkan status pernikahan dan jenis kelamin.

Filter interaktif ditambahkan untuk sex, workclass, dan age_grup sehingga pengguna dapat mengeksplorasi pola berdasarkan kelompok tertentu.

Insight dan Benefit Final Project

Melalui final project ini, peserta berlatih menjalankan workflow Data Analyst mulai dari identifikasi dataset, cleaning, pengelolaan missing value, feature creation, Pivot Table, descriptive analysis, hingga dashboard development.

Insight utama dari project menunjukkan bahwa pendidikan, pekerjaan, usia, dan jam kerja memiliki pola keterkaitan dengan kelompok penghasilan di atas 50K pada dataset ini.

Namun peserta juga mencatat bahwa hasil tersebut hanya menunjukkan keterkaitan, bukan hubungan sebab akibat. Dataset juga memiliki karakteristik yang tidak sepenuhnya representatif, sehingga hasil sebaiknya divalidasi menggunakan data yang lebih baik sebelum digunakan sebagai dasar keputusan program.

Final project ini dapat digunakan sebagai bagian dari portfolio untuk menunjukkan pengalaman mengolah data demografi dan pekerjaan menjadi analisis yang terstruktur dan dashboard interaktif menggunakan Google Sheets dan Looker Studio.