1 Pendahuluan

1.1 Latar Belakang

Netflix merupakan salah satu platform streaming terbesar di dunia. Dataset ini berisi informasi konten Netflix berupa film dan serial TV, mencakup jenis konten, rating, tahun rilis, dan durasi.

Analisis ini menggunakan metode Statistika Deskriptif untuk mengeksplorasi karakteristik data, meliputi ukuran pemusatan, penyebaran, dan visualisasi data.

1.2 Sumber Data

Dataset: Netflix Movies and TV Shows
Sumber: Kaggle - Shivamb
Jumlah Observasi: 8.807 judul
Jumlah Variabel: 12 variabel

1.3 Variabel yang Dianalisis

Jenis	Variabel	Keterangan
Kategorik	`type`	Jenis konten: Movie atau TV Show
Kategorik	`rating`	Rating usia (TV-MA, TV-14, PG-13, dll.)
Numerik	`release_year`	Tahun rilis konten
Numerik	`duration_minutes`	Durasi film dalam menit

2 Persiapan Data

2.1 Load Library

# Jika belum terinstall, jalankan baris ini lebih dulu:
# install.packages(c("ggplot2", "dplyr", "scales", "knitr", "kableExtra"))

library(ggplot2)
library(dplyr)
library(knitr)
library(kableExtra)

2.2 Import Dataset

# Download file netflix_titles.csv dari:
# https://www.kaggle.com/datasets/shivamb/netflix-shows
# Lalu simpan di folder yang sama dengan file .Rmd ini

netflix <- read.csv("netflix_titles.csv",
                    stringsAsFactors = FALSE,
                    na.strings = c("", "NA"))

# Lihat struktur data
cat("Dimensi data:", nrow(netflix), "baris x", ncol(netflix), "kolom\n")

## Dimensi data: 8807 baris x 12 kolom

head(netflix[, c("type","title","rating","release_year","duration")], 5)

##      type                 title rating release_year  duration
## 1   Movie  Dick Johnson Is Dead  PG-13         2020    90 min
## 2 TV Show         Blood & Water  TV-MA         2021 2 Seasons
## 3 TV Show             Ganglands  TV-MA         2021  1 Season
## 4 TV Show Jailbirds New Orleans  TV-MA         2021  1 Season
## 5 TV Show          Kota Factory  TV-MA         2021 2 Seasons

2.3 Pembersihan Data

# Fungsi modus
modus <- function(x) {
  x <- x[!is.na(x)]
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

# Cleaning dan transformasi data
netflix_clean <- netflix %>%
  filter(!is.na(type), !is.na(rating), !is.na(release_year)) %>%
  mutate(
    duration_value = as.numeric(gsub("[^0-9]", "", duration)),
    duration_minutes = ifelse(type == "Movie", duration_value, NA),
    rating_group = case_when(
      rating %in% c("G","TV-G","TV-Y","TV-Y7","TV-Y7-FV") ~ "Anak-Anak",
      rating %in% c("PG","TV-PG","PG-13","TV-14")         ~ "Remaja",
      rating %in% c("R","TV-MA","NC-17","NR","UR")         ~ "Dewasa",
      TRUE ~ "Lainnya"
    )
  )

cat("Data siap dianalisis:", nrow(netflix_clean), "baris\n")

## Data siap dianalisis: 8803 baris

3 Analisis Data Kategorik

3.1 Variabel 1: `type` (Jenis Konten)

3.1.1 Tabel Frekuensi

tabel_type <- netflix_clean %>%
  count(type) %>%
  mutate(Persentase = round(n / sum(n) * 100, 2)) %>%
  rename(Kategori = type, Frekuensi = n)

kable(tabel_type, caption = "Tabel Frekuensi Jenis Konten Netflix") %>%
  kable_styling(bootstrap_options = c("striped","hover","bordered"),
                full_width = FALSE)

Tabel Frekuensi Jenis Konten Netflix
Kategori	Frekuensi	Persentase
Movie	6129	69.62
TV Show	2674	30.38

3.1.2 Pie Chart

ggplot(tabel_type, aes(x = "", y = Frekuensi, fill = Kategori)) +
  geom_bar(stat = "identity", width = 1, color = "white") +
  coord_polar("y") +
  geom_text(aes(label = paste0(Persentase, "%")),
            position = position_stack(vjust = 0.5),
            color = "white", size = 6, fontface = "bold") +
  scale_fill_manual(values = c("Movie" = "#E50914", "TV Show" = "#221F1F")) +
  labs(title = "Proporsi Jenis Konten di Netflix",
       fill = "Jenis Konten") +
  theme_void() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

Interpretasi:

Pie Chart menunjukkan bahwa konten Netflix didominasi oleh Movie (~69%) dibandingkan TV Show (~31%). Nilai modus variabel type adalah “Movie”. Secara inferensia, dominasi film ini mencerminkan strategi Netflix yang lebih fokus pada konten film untuk menarik pelanggan baru.

3.2 Variabel 2: `rating` (Rating Konten)

3.2.1 Tabel Frekuensi

tabel_rating <- netflix_clean %>%
  count(rating) %>%
  arrange(desc(n)) %>%
  mutate(Persentase = round(n / sum(n) * 100, 2)) %>%
  rename(Rating = rating, Frekuensi = n)

kable(tabel_rating, caption = "Tabel Frekuensi Rating Konten Netflix") %>%
  kable_styling(bootstrap_options = c("striped","hover","bordered"),
                full_width = FALSE)

Tabel Frekuensi Rating Konten Netflix
Rating	Frekuensi	Persentase
TV-MA	3207	36.43
TV-14	2160	24.54
TV-PG	863	9.80
R	799	9.08
PG-13	490	5.57
TV-Y7	334	3.79
TV-Y	307	3.49
PG	287	3.26
TV-G	220	2.50
NR	80	0.91
G	41	0.47
TV-Y7-FV	6	0.07
NC-17	3	0.03
UR	3	0.03
66 min	1	0.01
74 min	1	0.01
84 min	1	0.01

3.2.2 Bar Chart

netflix_clean %>%
  count(rating) %>%
  arrange(desc(n)) %>%
  ggplot(aes(x = reorder(rating, n), y = n, fill = n)) +
  geom_bar(stat = "identity", color = "white") +
  geom_text(aes(label = n), hjust = -0.2, size = 3.5) +
  coord_flip() +
  scale_fill_gradient(low = "#ff9999", high = "#E50914") +
  labs(title = "Distribusi Rating Konten di Netflix",
       x = "Rating", y = "Jumlah Konten") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
        legend.position = "none")

Interpretasi:

Bar Chart menunjukkan TV-MA (dewasa) adalah rating paling dominan, diikuti TV-14 dan TV-PG. Nilai modus = TV-MA. Secara inferensia, Netflix menargetkan penonton dewasa sebagai segmen pasar utama, yang tercermin dari mayoritas konten berrating dewasa.

4 Analisis Data Numerik

4.1 Variabel 3: `release_year` (Tahun Rilis)

4.1.1 Statistik Deskriptif

year_data <- netflix_clean$release_year

stats_year <- data.frame(
  Statistik = c("Mean","Median","Modus","Q1 (Kuartil 1)","Q3 (Kuartil 3)",
                "Range","Varians","Standar Deviasi","Minimum","Maksimum"),
  Nilai = c(
    round(mean(year_data, na.rm=TRUE), 2),
    median(year_data, na.rm=TRUE),
    modus(year_data),
    quantile(year_data, 0.25, na.rm=TRUE),
    quantile(year_data, 0.75, na.rm=TRUE),
    diff(range(year_data, na.rm=TRUE)),
    round(var(year_data, na.rm=TRUE), 2),
    round(sd(year_data, na.rm=TRUE), 2),
    min(year_data, na.rm=TRUE),
    max(year_data, na.rm=TRUE)
  )
)

kable(stats_year, caption = "Statistik Deskriptif: Tahun Rilis") %>%
  kable_styling(bootstrap_options = c("striped","hover","bordered"),
                full_width = FALSE)

Statistik Deskriptif: Tahun Rilis
Statistik	Nilai
Mean	2014.18
Median	2017.00
Modus	2018.00
Q1 (Kuartil 1)	2013.00
Q3 (Kuartil 3)	2019.00
Range	96.00
Varians	77.81
Standar Deviasi	8.82
Minimum	1925.00
Maksimum	2021.00

4.1.2 Histogram

ggplot(netflix_clean, aes(x = release_year)) +
  geom_histogram(binwidth = 3, fill = "#E50914", color = "white", alpha = 0.85) +
  geom_vline(xintercept = mean(year_data, na.rm=TRUE),
             color = "blue", linetype = "dashed", linewidth = 1) +
  geom_vline(xintercept = median(year_data, na.rm=TRUE),
             color = "darkgreen", linetype = "solid", linewidth = 1) +
  annotate("text", x = mean(year_data, na.rm=TRUE) - 3, y = 700,
           label = paste("Mean =", round(mean(year_data, na.rm=TRUE),1)),
           color = "blue", size = 3.5) +
  annotate("text", x = median(year_data, na.rm=TRUE) + 4, y = 600,
           label = paste("Median =", median(year_data, na.rm=TRUE)),
           color = "darkgreen", size = 3.5) +
  labs(title = "Histogram Tahun Rilis Konten Netflix",
       x = "Tahun Rilis", y = "Frekuensi") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

Interpretasi:

Histogram menunjukkan distribusi miring ke kiri (negative skew), dengan konten terbanyak dirilis pada 2015–2021. Nilai Mean < Median mengkonfirmasi kemiringan kiri akibat konten lama sebagai outlier. Secara inferensia, tren ini menunjukkan Netflix terus menambah konten baru untuk bersaing di pasar streaming.

4.1.3 Density Plot

ggplot(netflix_clean, aes(x = release_year, fill = type)) +
  geom_density(alpha = 0.6) +
  scale_fill_manual(values = c("Movie" = "#E50914", "TV Show" = "#221F1F")) +
  labs(title = "Density Plot Tahun Rilis Berdasarkan Jenis Konten",
       x = "Tahun Rilis", y = "Densitas", fill = "Jenis Konten") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

Interpretasi:

Density Plot menunjukkan pola distribusi Movie dan TV Show yang serupa, dengan puncak di sekitar 2018–2020. TV Show memiliki ekor lebih panjang ke kiri. Secara inferensia, kedua jenis konten mengalami lonjakan produksi signifikan dalam satu dekade terakhir seiring meningkatnya popularitas streaming.

4.2 Variabel 4: `duration_minutes` (Durasi Film)

movie_data <- netflix_clean %>%
  filter(type == "Movie", !is.na(duration_minutes))

cat("Jumlah data film:", nrow(movie_data), "\n")

## Jumlah data film: 6126

4.2.1 Statistik Deskriptif

dur_data <- movie_data$duration_minutes

stats_dur <- data.frame(
  Statistik = c("Mean","Median","Modus","Q1 (Kuartil 1)","Q3 (Kuartil 3)",
                "Range","Varians","Standar Deviasi","Minimum","Maksimum"),
  Nilai = c(
    round(mean(dur_data, na.rm=TRUE), 2),
    median(dur_data, na.rm=TRUE),
    modus(dur_data),
    quantile(dur_data, 0.25, na.rm=TRUE),
    quantile(dur_data, 0.75, na.rm=TRUE),
    diff(range(dur_data, na.rm=TRUE)),
    round(var(dur_data, na.rm=TRUE), 2),
    round(sd(dur_data, na.rm=TRUE), 2),
    min(dur_data, na.rm=TRUE),
    max(dur_data, na.rm=TRUE)
  )
)

kable(stats_dur, caption = "Statistik Deskriptif: Durasi Film (menit)") %>%
  kable_styling(bootstrap_options = c("striped","hover","bordered"),
                full_width = FALSE)

Statistik Deskriptif: Durasi Film (menit)
Statistik	Nilai
Mean	99.58
Median	98.00
Modus	90.00
Q1 (Kuartil 1)	87.00
Q3 (Kuartil 3)	114.00
Range	309.00
Varians	799.94
Standar Deviasi	28.28
Minimum	3.00
Maksimum	312.00

4.2.2 Histogram

ggplot(movie_data, aes(x = duration_minutes)) +
  geom_histogram(binwidth = 10, fill = "#E50914", color = "white", alpha = 0.85) +
  geom_vline(xintercept = mean(dur_data, na.rm=TRUE),
             color = "blue", linetype = "dashed", linewidth = 1) +
  geom_vline(xintercept = median(dur_data, na.rm=TRUE),
             color = "darkgreen", linetype = "solid", linewidth = 1) +
  annotate("text", x = mean(dur_data, na.rm=TRUE) + 12, y = 450,
           label = paste("Mean =", round(mean(dur_data, na.rm=TRUE),1)),
           color = "blue", size = 3.5) +
  annotate("text", x = median(dur_data, na.rm=TRUE) - 20, y = 380,
           label = paste("Median =", median(dur_data, na.rm=TRUE)),
           color = "darkgreen", size = 3.5) +
  labs(title = "Histogram Durasi Film Netflix",
       x = "Durasi (Menit)", y = "Frekuensi") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

Interpretasi:

Histogram durasi film menunjukkan distribusi mendekati simetris dengan puncak di 90–100 menit. Terdapat outlier di kanan (film >180 menit, kemungkinan dokumenter/film epik). Secara inferensia, durasi rata-rata sesuai standar industri perfilman internasional (90–120 menit).

4.2.3 Density Plot

ggplot(movie_data, aes(x = duration_minutes)) +
  geom_density(fill = "#E50914", alpha = 0.6, color = "#990000") +
  geom_vline(xintercept = mean(dur_data, na.rm=TRUE),
             color = "blue", linetype = "dashed", linewidth = 1) +
  geom_vline(xintercept = median(dur_data, na.rm=TRUE),
             color = "darkgreen", linetype = "solid", linewidth = 1) +
  annotate("text", x = mean(dur_data, na.rm=TRUE) + 15, y = 0.014,
           label = paste("Mean =", round(mean(dur_data, na.rm=TRUE),1)),
           color = "blue", size = 3.5) +
  annotate("text", x = median(dur_data, na.rm=TRUE) - 20, y = 0.012,
           label = paste("Median =", median(dur_data, na.rm=TRUE)),
           color = "darkgreen", size = 3.5) +
  labs(title = "Density Plot Durasi Film Netflix",
       x = "Durasi (Menit)", y = "Densitas") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

Interpretasi:

Density Plot memperlihatkan kurva unimodal dengan puncak di sekitar 90 menit. Ekor panjang ke kanan menunjukkan kemiringan positif ringan akibat film berdurasi sangat panjang. Secara inferensia, distribusi ini mendekati normal sehingga uji parametrik dapat diterapkan untuk analisis lebih lanjut.

4.2.4 Boxplot

ggplot(movie_data %>% filter(rating_group != "Lainnya"),
       aes(x = rating_group, y = duration_minutes, fill = rating_group)) +
  geom_boxplot(outlier.colour = "red", outlier.shape = 16,
               outlier.size = 2, alpha = 0.8) +
  stat_summary(fun = mean, geom = "point", shape = 23,
               size = 3, fill = "white", color = "black") +
  scale_fill_manual(values = c("Anak-Anak" = "#FFD700",
                               "Remaja"    = "#FF8C00",
                               "Dewasa"    = "#E50914")) +
  labs(title = "Boxplot Durasi Film Netflix per Kelompok Rating",
       subtitle = "Titik putih (diamond) = nilai Mean | Titik merah = Outlier",
       x = "Kelompok Rating", y = "Durasi (Menit)") +
  theme_minimal() +
  theme(plot.title    = element_text(hjust = 0.5, size = 14, face = "bold"),
        plot.subtitle = element_text(hjust = 0.5),
        legend.position = "none")

Interpretasi:

Boxplot menunjukkan perbandingan distribusi durasi film per kelompok rating:

Film Dewasa memiliki median durasi tertinggi dengan IQR lebar (variasi besar)
Film Anak-Anak cenderung lebih pendek dan konsisten (IQR sempit)
Titik merah (outlier) muncul di semua kategori, terutama film berdurasi sangat panjang
Titik putih (mean) berada di atas median, mengkonfirmasi kemiringan kanan

Secara inferensia, perbedaan durasi antar kelompok dapat diuji lanjut dengan uji ANOVA untuk mengetahui apakah perbedaannya signifikan secara statistik.

5 Identifikasi Bentuk Sebaran & Deteksi Outlier

cat("===== Identifikasi Bentuk Sebaran =====\n\n")

## ===== Identifikasi Bentuk Sebaran =====

cat(">> Release Year:\n")

## >> Release Year:

cat("   Mean   :", round(mean(year_data, na.rm=TRUE), 2), "\n")

##    Mean   : 2014.18

cat("   Median :", median(year_data, na.rm=TRUE), "\n")

##    Median : 2017

cat("   Modus  :", modus(year_data), "\n")

##    Modus  : 2018

if (mean(year_data, na.rm=TRUE) < median(year_data, na.rm=TRUE)) {
  cat("   Kesimpulan: Mean < Median -> MIRING KE KIRI (Negative Skew)\n\n")
} else {
  cat("   Kesimpulan: Mean > Median -> MIRING KE KANAN (Positive Skew)\n\n")
}

##    Kesimpulan: Mean < Median -> MIRING KE KIRI (Negative Skew)

cat(">> Duration (menit):\n")

## >> Duration (menit):

cat("   Mean   :", round(mean(dur_data, na.rm=TRUE), 2), "\n")

##    Mean   : 99.58

cat("   Median :", median(dur_data, na.rm=TRUE), "\n")

##    Median : 98

cat("   Modus  :", modus(dur_data), "\n")

##    Modus  : 90

if (mean(dur_data, na.rm=TRUE) < median(dur_data, na.rm=TRUE)) {
  cat("   Kesimpulan: Mean < Median -> MIRING KE KIRI (Negative Skew)\n")
} else {
  cat("   Kesimpulan: Mean > Median -> MIRING KE KANAN (Positive Skew)\n")
}

##    Kesimpulan: Mean > Median -> MIRING KE KANAN (Positive Skew)

cat("===== Deteksi Outlier: Durasi Film =====\n\n")

## ===== Deteksi Outlier: Durasi Film =====

Q1_dur  <- quantile(dur_data, 0.25, na.rm=TRUE)
Q3_dur  <- quantile(dur_data, 0.75, na.rm=TRUE)
IQR_dur <- Q3_dur - Q1_dur
BB      <- Q1_dur - 1.5 * IQR_dur
BA      <- Q3_dur + 1.5 * IQR_dur

cat("Q1 (Kuartil 1) :", Q1_dur, "menit\n")

## Q1 (Kuartil 1) : 87 menit

cat("Q3 (Kuartil 3) :", Q3_dur, "menit\n")

## Q3 (Kuartil 3) : 114 menit

cat("IQR            :", IQR_dur, "menit\n")

## IQR            : 27 menit

cat("Batas Bawah    :", BB, "menit\n")

## Batas Bawah    : 46.5 menit

cat("Batas Atas     :", BA, "menit\n")

## Batas Atas     : 154.5 menit

cat("Outlier bawah  :", sum(dur_data < BB, na.rm=TRUE), "film\n")

## Outlier bawah  : 248 film

cat("Outlier atas   :", sum(dur_data > BA, na.rm=TRUE), "film\n")

## Outlier atas   : 201 film

6 Rekapitulasi Statistik Deskriptif

rekap <- data.frame(
  Variabel   = c("Release Year", "Duration (menit)"),
  Mean       = c(round(mean(year_data, na.rm=TRUE),2),  round(mean(dur_data, na.rm=TRUE),2)),
  Median     = c(median(year_data, na.rm=TRUE),          median(dur_data, na.rm=TRUE)),
  Modus      = c(modus(year_data),                       modus(dur_data)),
  Q1         = c(quantile(year_data,0.25,na.rm=TRUE),    quantile(dur_data,0.25,na.rm=TRUE)),
  Q3         = c(quantile(year_data,0.75,na.rm=TRUE),    quantile(dur_data,0.75,na.rm=TRUE)),
  Range      = c(diff(range(year_data,na.rm=TRUE)),      diff(range(dur_data,na.rm=TRUE))),
  Varians    = c(round(var(year_data,na.rm=TRUE),2),     round(var(dur_data,na.rm=TRUE),2)),
  Std_Dev    = c(round(sd(year_data,na.rm=TRUE),2),      round(sd(dur_data,na.rm=TRUE),2))
)

kable(rekap, caption = "Rekapitulasi Statistik Deskriptif",
      col.names = c("Variabel","Mean","Median","Modus",
                    "Q1","Q3","Range","Varians","Std. Deviasi")) %>%
  kable_styling(bootstrap_options = c("striped","hover","bordered"),
                full_width = TRUE) %>%
  column_spec(1, bold = TRUE)

Rekapitulasi Statistik Deskriptif
Variabel	Mean	Median	Modus	Q1	Q3	Range	Varians	Std. Deviasi
Release Year	2014.18	2017	2018	2013	2019	96	77.81	8.82
Duration (menit)	99.58	98	90	87	114	309	799.94	28.28

7 Kesimpulan

Jenis Konten (type): Netflix didominasi Movie (~69%) vs TV Show (~31%). Modus = Movie.
Rating Konten: TV-MA paling dominan, menunjukkan Netflix menargetkan penonton dewasa.
Tahun Rilis: Mayoritas konten dirilis 2015–2021. Distribusi miring kiri (Mean < Median) akibat konten lama. Standar deviasi ±8–10 tahun.
Durasi Film: Rata-rata durasi ±90–100 menit, distribusi mendekati simetris dengan kemiringan kanan ringan. Film dewasa umumnya berdurasi lebih panjang.
Inferensia: Perbedaan durasi antar kelompok rating dapat diuji dengan uji ANOVA atau Kruskal-Wallis untuk menentukan signifikansinya.

8 Referensi

Kaggle Dataset: Netflix Movies and TV Shows oleh Shivamb — https://www.kaggle.com/datasets/shivamb/netflix-shows
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer.
Materi Kuliah Statistika Deskriptif II – UNTIRTA (2025)

Dibuat dengan R Markdown | Di-upload ke RPubs

Analisis Statistika Deskriptif Dataset Netflix Movies & TV Shows

Kelompok 4 : Agni Tri Tania Siboro (3337250050). Dina Wulandari (3337250144). Findy Aprilia (3337250107). Nayla Mesa Ayu (3337250145). Putri Kaira Langi (3337250082).

2026-03-11

1 Pendahuluan

1.1 Latar Belakang

1.2 Sumber Data

1.3 Variabel yang Dianalisis

2 Persiapan Data

2.1 Load Library

2.2 Import Dataset

2.3 Pembersihan Data

3 Analisis Data Kategorik

3.1 Variabel 1: `type` (Jenis Konten)

3.1.1 Tabel Frekuensi

3.1.2 Pie Chart

3.2 Variabel 2: `rating` (Rating Konten)

3.2.1 Tabel Frekuensi

3.2.2 Bar Chart

4 Analisis Data Numerik

4.1 Variabel 3: `release_year` (Tahun Rilis)

4.1.1 Statistik Deskriptif

4.1.2 Histogram

4.1.3 Density Plot

4.2 Variabel 4: `duration_minutes` (Durasi Film)

4.2.1 Statistik Deskriptif

4.2.2 Histogram

4.2.3 Density Plot

4.2.4 Boxplot

5 Identifikasi Bentuk Sebaran & Deteksi Outlier

6 Rekapitulasi Statistik Deskriptif

7 Kesimpulan

8 Referensi

Analisis Statistika Deskriptif Dataset Netflix Movies & TV Shows

Kelompok 4 : Agni Tri Tania Siboro (3337250050). Dina Wulandari (3337250144). Findy Aprilia (3337250107). Nayla Mesa Ayu (3337250145). Putri Kaira Langi (3337250082).

2026-03-11

1 Pendahuluan

1.1 Latar Belakang

1.2 Sumber Data

1.3 Variabel yang Dianalisis

2 Persiapan Data

2.1 Load Library

2.2 Import Dataset

2.3 Pembersihan Data

3 Analisis Data Kategorik

3.1 Variabel 1: type (Jenis Konten)

3.1.1 Tabel Frekuensi

3.1.2 Pie Chart

3.2 Variabel 2: rating (Rating Konten)

3.2.1 Tabel Frekuensi

3.2.2 Bar Chart

4 Analisis Data Numerik

4.1 Variabel 3: release_year (Tahun Rilis)

4.1.1 Statistik Deskriptif

4.1.2 Histogram

4.1.3 Density Plot

4.2 Variabel 4: duration_minutes (Durasi Film)

4.2.1 Statistik Deskriptif

4.2.2 Histogram

4.2.3 Density Plot

4.2.4 Boxplot

5 Identifikasi Bentuk Sebaran & Deteksi Outlier

6 Rekapitulasi Statistik Deskriptif

7 Kesimpulan

8 Referensi

3.1 Variabel 1: `type` (Jenis Konten)

3.2 Variabel 2: `rating` (Rating Konten)

4.1 Variabel 3: `release_year` (Tahun Rilis)

4.2 Variabel 4: `duration_minutes` (Durasi Film)