Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus analisis Movie Ratings untuk memahami bagaimana kritikus profesional dan penonton memberikan penilaian terhadap film. Dataset yang digunakan berisi 1.638 film dengan informasi seperti Tomatometer Rating, Audience Score, genre, klasifikasi usia, durasi, studio, serta tahun rilis.
Project ini menggabungkan proses data cleaning, descriptive analysis, pembuatan variabel turunan, analisis korelasi, hingga dashboard interaktif menggunakan Google Sheets dan Google Data Studio.
Studi Kasus: Kritikus dan Penonton Menilai Film Secara Berbeda
Peserta membangun analisis dengan skenario sebuah tim kurasi platform streaming yang membutuhkan data untuk memilih film yang layak direkomendasikan.
Dari konteks tersebut, beberapa pertanyaan utama disusun:
- Genre apa yang paling disukai kritikus dan penonton
- Seberapa sering kedua kelompok memberikan penilaian yang sejalan
- Film seperti apa yang memiliki perbedaan skor besar
- Apakah film lama cenderung memiliki skor lebih tinggi
- Film mana yang relatif aman direkomendasikan berdasarkan kombinasi skor kritikus dan penonton
Pendekatan ini membantu peserta mengarahkan analisis berdasarkan kebutuhan pengguna data, bukan sekadar membuat visualisasi.
Identifikasi dan Cleaning Data
Dataset awal terdiri dari 1.638 baris dan 17 kolom dengan rentang tahun tayang dari 1916 sampai 2019.
Peserta terlebih dahulu melakukan pengecekan kualitas data sebelum melakukan analisis. Tidak ada baris yang dihapus sehingga jumlah data tetap 1.638 film setelah proses cleaning.
Salah satu temuan pada tahap ini adalah adanya 84 judul yang muncul lebih dari satu kali. Setelah diperiksa berdasarkan tahun rilis dan sutradara, data tersebut ternyata bukan duplikasi karena merepresentasikan film berbeda dengan judul yang sama.
Peserta juga menemukan beberapa nilai audience count yang tidak realistis, seperti 32 sampai 33 juta penilai pada beberapa judul. Nilai tersebut dianggap sebagai kemungkinan kesalahan input dan dikosongkan agar tidak memengaruhi analisis.
Missing value lain tidak diisi dengan tebakan. Data kosong dibiarkan agar formula agregasi hanya menggunakan nilai yang tersedia.
Membuat Variabel Baru
Untuk mendukung analisis, peserta membuat beberapa kolom tambahan, yaitu:
- release_year
- decade
- rating_gap
- studio_group
Kolom teks panjang seperti sinopsis dan daftar pemeran tidak digunakan karena tidak berkaitan langsung dengan pertanyaan analisis.
Langkah ini memperkenalkan proses feature creation sederhana, yaitu membuat informasi baru dari field yang sudah tersedia agar analisis menjadi lebih terarah.
Analisis Hubungan Kritikus dan Penonton
Salah satu insight utama dari project adalah korelasi antara skor kritikus dan penonton sebesar 0,71.
Nilai tersebut menunjukkan hubungan positif yang cukup kuat. Ketika skor kritikus tinggi, audience score juga cenderung ikut tinggi.
Namun pola tersebut tidak selalu sama pada setiap film. Pada sekitar 44,9 persen film, skor penonton justru lebih tinggi daripada skor kritikus.
Peserta juga melihat bahwa distribusi skor kritikus lebih menyebar dibandingkan skor penonton. Simpangan baku skor kritikus mencapai 29,0, sedangkan skor penonton sekitar 20,3.
Hal ini menjadi contoh bahwa rata-rata saja belum cukup untuk memahami perilaku data. Sebaran nilai juga perlu diperhatikan.
Analisis Genre
Drama merupakan genre dengan jumlah film terbanyak dalam dataset, yaitu 1.007 film. Namun karena satu film dapat memiliki lebih dari satu genre, peserta tidak menjumlahkan kategori genre sebagai total film.
Untuk mengurangi pengaruh kategori dengan jumlah data terlalu sedikit, analisis genre hanya menggunakan kelompok dengan minimal 30 film.
Genre Classics memiliki rata-rata skor kritikus tertinggi sebesar 83,6, dengan audience score sekitar 73,6.
Sementara itu, Action and Adventure, Comedy, dan Horror memiliki rata-rata skor kritikus yang lebih rendah.
Comedy menunjukkan perbedaan menarik karena audience score sekitar 59,8, lebih tinggi dibandingkan critic score 55,0.
Peserta juga mencatat bahwa 88,6 persen film Classics dirilis sebelum 1970. Karena itu, performa genre Classics perlu dibaca bersama komposisi umur film dalam dataset.
Analisis Tren Berdasarkan Dekade
Peserta menemukan bahwa skor kritikus cenderung lebih tinggi pada film-film lama dalam dataset.
Pada film dari 1920-an sampai 1950-an, critic score berada sekitar 11 sampai 16 poin di atas audience score.
Pada 1980-an, kedua kelompok hampir seimbang. Mulai 1990-an, pola berbalik dan audience score cenderung lebih tinggi.
Namun peserta tidak langsung menyimpulkan bahwa film lama memang lebih baik. Salah satu kemungkinan adalah adanya survival bias, karena film lama yang masih tercatat kemungkinan merupakan film yang tetap dikenal, dianggap penting, atau terus mendapatkan ulasan.
Klasifikasi Usia dan Durasi Film
Pada klasifikasi usia, film PG-13 memiliki perbedaan cukup besar antara critic score dan audience score.
Rata-rata skor kritikus pada kategori tersebut adalah 45,9, sedangkan skor penonton 57,3.
Untuk durasi, film dengan durasi 120 menit atau lebih memiliki rata-rata skor kritikus 69,5 dan audience score 71,9.
Meski demikian, korelasi durasi dengan critic score hanya sekitar 0,1. Artinya, terdapat pola tertentu tetapi durasi bukan faktor yang cukup kuat untuk menjelaskan penilaian film.
Menentukan Film dengan Skor Gabungan Tertinggi
Peserta juga membuat ranking film berdasarkan kombinasi skor kritikus dan penonton.
Agar film dengan jumlah ulasan sangat sedikit tidak langsung berada di posisi atas, digunakan batas minimal 30 ulasan kritikus dan 10.000 audience ratings.
Sebanyak 560 film memenuhi kriteria tersebut.
Film dengan skor gabungan tertinggi adalah 12 Angry Men dengan skor 98,5. Tujuh dari sepuluh film teratas dalam ranking tersebut dirilis sebelum 1980.
Pembuatan Dashboard dengan Google Data Studio
Setelah analisis selesai, peserta menyusun dashboard menggunakan Google Data Studio.
Google Sheets digunakan sebagai sumber data melalui dua sheet, yaitu clean untuk data utama dan genre_long untuk analisis genre.
Dashboard menampilkan scorecard total film, rata-rata critic score, rata-rata audience score, dan nilai korelasi.
Visualisasi lain mencakup grafik genre, tren dekade, kelompok skor, klasifikasi usia, tabel Top 10 film, serta filter berdasarkan Tomatometer Status, decade, MPAA Rating, dan genre.
Insight dan Benefit Final Project
Melalui final project ini, peserta berlatih menjalankan workflow Data Analyst dari data identification, cleaning, feature creation, descriptive analysis, correlation analysis, sampai dashboard development.
Project ini juga menekankan pentingnya interpretasi yang hati-hati. Skor tinggi atau rendah tidak selalu dapat dijelaskan hanya dari satu variabel, dan perbedaan antara kritikus dan penonton bukan berarti salah satu pihak lebih benar.
Hasil akhirnya dapat digunakan sebagai bagian dari portfolio untuk menunjukkan kemampuan menggunakan Google Sheets dan Google Data Studio dalam mengolah data, menemukan pola, membandingkan kelompok, serta menyampaikan insight melalui visualisasi yang lebih mudah dipahami.