Final Project Bootcamp Data Analyst: Video Game Sales Analysis dengan Google Sheets dan Looker Studio
Pada Final Project Bootcamp Data Analyst, peserta mengerjakan studi kasus analisis penjualan video game menggunakan Google Sheets dan Google Looker Studio. Project dimulai dari memahami struktur dataset, melakukan data cleaning, membuat summary data, melakukan analisis deskriptif, hingga membangun dashboard interaktif untuk membantu membaca performa pasar video game dari beberapa sudut pandang.
Analisis tidak hanya melihat total penjualan, tetapi juga membandingkan region, console, genre, publisher, tahun rilis, game-platform, serta hubungan antara critic score dan penjualan.
Studi Kasus dan Pertanyaan Analisis
Dataset dianalisis dengan beberapa pertanyaan utama yang menjadi dasar pengerjaan project, yaitu wilayah mana yang mencatat penjualan terbesar, console dan genre apa yang memiliki total penjualan tertinggi, game-platform mana yang masuk dalam Top 10, bagaimana tren penjualan berubah berdasarkan tahun rilis, serta apakah critic score memiliki hubungan dengan total penjualan.
Pendekatan ini membantu peserta berlatih menentukan pertanyaan terlebih dahulu sebelum membuat visualisasi, sehingga chart dan dashboard yang dibuat memiliki tujuan analisis yang jelas.
Data Cleaning dengan Google Sheets
Peserta memulai pengerjaan dengan membuka dataset video game di Google Sheets dan membuat sheet khusus untuk cleaned data. Data mentah tetap dipertahankan sebagai referensi sehingga perubahan selama proses cleaning dapat diperiksa kembali.
Salah satu pemeriksaan awal adalah duplicate rows. Peserta tidak langsung menghapus judul game yang muncul beberapa kali karena satu game dapat dirilis pada console yang berbeda. Sebagai contoh, sebuah judul dapat memiliki record terpisah untuk PS3, PS4, atau Xbox 360. Karena itu, pengecekan dilakukan terhadap keseluruhan record, bukan hanya berdasarkan nama game.
Peserta juga melakukan standardisasi pada field berbasis teks seperti title, console, genre, publisher, dan developer. Fungsi TRIM digunakan ketika diperlukan untuk menghilangkan whitespace yang dapat membuat kategori yang sebenarnya sama terbaca sebagai nilai berbeda.
Menangani Missing Value
Salah satu keputusan penting pada project ini adalah tidak secara otomatis mengganti missing value menjadi nol.
Sebagai contoh, critic_score yang kosong tidak berarti sebuah game memperoleh skor nol, tetapi menunjukkan bahwa skor tidak tersedia pada dataset. Prinsip yang sama diterapkan pada beberapa data penjualan regional.
Peserta juga membuat Data_Profile untuk melihat jumlah data tersedia, missing value, dan unique value dari kolom yang digunakan dalam analisis.
Pendekatan ini memberikan latihan bahwa missing data perlu ditafsirkan berdasarkan konteks, bukan sekadar diisi agar dataset terlihat lengkap.
Persiapan Data untuk Analisis Waktu
Kolom release_date dan last_update diperiksa agar dikenali dalam format tanggal yang konsisten.
Untuk kebutuhan analisis tren, peserta kemudian membuat helper column release_year menggunakan data dari release_date. Kolom tersebut digunakan sebagai dimension pada analisis perubahan penjualan berdasarkan tahun rilis.
Selain cleaned data, peserta membuat beberapa helper sheet untuk memisahkan perhitungan region, console, genre, publisher, tahun, dan Top 10 game dari raw dataset.
Struktur tersebut membuat workbook lebih mudah dikelola sekaligus mempermudah penggunaan data sebagai sumber dashboard.
Analisis Penjualan Regional
Peserta membuat summary khusus untuk membandingkan NA Sales, JP Sales, PAL Sales, dan Other Sales.
Hasil analisis menunjukkan bahwa North America memiliki penjualan tercatat terbesar, disusul PAL, Other, dan Japan. Namun peserta tetap menyebut angka tersebut sebagai recorded sales karena beberapa field regional masih memiliki missing value.
Hal ini penting karena hasil analisis tidak dipresentasikan seolah-olah dataset memiliki coverage yang sepenuhnya lengkap.
Insight Penjualan Video Game
Dataset yang dianalisis mencakup 4.016 game-platform records dan 2.732 judul game unik pada 29 console dan 19 genre.
Total penjualan tercatat mencapai sekitar 4.950,74 juta unit dengan rata-rata sekitar 1,23 juta unit per record dan median 0,79 juta unit.
Region dengan Penjualan Terbesar
North America mencatat sekitar 2.518,77 juta unit, diikuti PAL sekitar 1.573,70 juta, Other sekitar 532,51 juta, dan Japan sekitar 326,55 juta.
Genre dengan Penjualan Tertinggi
Sports menjadi genre dengan total penjualan terbesar, sekitar 931,43 juta unit.
Posisi berikutnya ditempati Shooter sekitar 883,90 juta dan Action sekitar 845,51 juta.
Console dengan Penjualan Tertinggi
PS2 memiliki penjualan tercatat sekitar 816,92 juta unit, diikuti Xbox 360 sekitar 736,48 juta dan PS3 sekitar 716,90 juta.
Peserta menggunakan hasil ini sebagai deskripsi dataset dan tidak langsung menyebut salah satu console sebagai platform terbaik secara umum.
Analisis Top 10 Game
Peserta membuat tabel Top 10 berdasarkan kombinasi game dan platform.
Hal ini penting karena judul yang sama dapat muncul lebih dari satu kali apabila dirilis pada console berbeda.
Record dengan penjualan tertinggi pada dataset adalah Grand Theft Auto V di PS3 dengan sekitar 20,32 juta unit penjualan tercatat.
Apakah Critic Score Berhubungan dengan Penjualan
Untuk menjawab pertanyaan tersebut, peserta menggunakan scatter plot dengan critic_score sebagai sumbu X dan total_sales sebagai sumbu Y.
Korelasi yang diperoleh sekitar 0,27, menunjukkan hubungan positif yang relatif lemah.
Artinya, game dengan critic score tinggi tidak selalu memiliki penjualan tinggi. Peserta juga tidak menarik kesimpulan kausal karena korelasi hanya menunjukkan hubungan statistik pada data yang tersedia.
Dashboard dengan Google Looker Studio
Setelah proses analisis di Google Sheets, peserta melanjutkan ke Google Looker Studio.
Dashboard dilengkapi filter berdasarkan Release Year, Genre, Console, dan Publisher.
Bagian KPI menampilkan Total Sales, JP Sales, NA Sales, PAL Sales, dan Other Sales. Visualisasi lainnya mencakup Sales Trend by Release Year, Sales by Genre, Sales by Console, Top 10 Games, serta scatter plot Critic Score vs Total Sales.
Insight dan Benefit Final Project
Melalui final project ini, peserta berlatih menjalankan workflow Data Analyst mulai dari data identification, cleaning, data profiling, helper column, descriptive analysis, correlation analysis, hingga dashboard development.
Project juga menunjukkan pentingnya membaca keterbatasan dataset. Sekitar 57,45 persen critic score dan 60,13 persen JP sales masih missing, sehingga interpretasi dan analisis lanjutan perlu mempertimbangkan kelengkapan data.
Hasil akhirnya dapat digunakan sebagai bagian dari portfolio untuk menunjukkan pengalaman mengolah data penjualan video game, menyusun insight bisnis, serta membangun dashboard interaktif menggunakan Google Sheets dan Google Looker Studio.