1 Introduction
Bagi penggila film, khususnya film. Tentu tidak asing dengan situs TMDb. TMDb merupakan situs web yang menyediakan informasi mengenai film dari seluruh dunia, termasuk orang-orang yang terlibat di dalamnya mulai dari aktor/aktris, sampai sutradara. Dataset dalam analisis ini menggunakan dua buah dataset, yaitu dataset movies dan dataset credits. Visualisasi apa saja yang dapat kita rangkum dalam analasis ini. Mari segera mulai!!
2 Loading the data and summary
Pertama, masukkan data dan panggil library yang akan digunakan dalam analisis visualisasi. Lanjutkan dengan melihat dataset yang ada. Lakukan pengamatan dan pilih apa saja yang akan di analisis.
library(plyr) #data manipulation
library(tidyverse)# data manipulation## -- Attaching packages --------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.2.0 v purrr 0.3.2
## v tibble 2.1.3 v dplyr 0.8.0.1
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::arrange() masks plyr::arrange()
## x purrr::compact() masks plyr::compact()
## x dplyr::count() masks plyr::count()
## x dplyr::failwith() masks plyr::failwith()
## x dplyr::filter() masks stats::filter()
## x dplyr::id() masks plyr::id()
## x dplyr::lag() masks stats::lag()
## x dplyr::mutate() masks plyr::mutate()
## x dplyr::rename() masks plyr::rename()
## x dplyr::summarise() masks plyr::summarise()
## x dplyr::summarize() masks plyr::summarize()library(formattable)# table
library(splitstackshape) # split columns
library(jsonlite) #JSON format ##
## Attaching package: 'jsonlite'## The following object is masked from 'package:purrr':
##
## flattenlibrary(ggthemes) #Themes for plot
library(tm) # Sentiment Analysis ## Loading required package: NLP##
## Attaching package: 'NLP'## The following object is masked from 'package:ggplot2':
##
## annotatelibrary(stringr) #String Manipulation
movie <- read_csv("tmdb_5000_movies.csv",col_names=TRUE,na="NA")## Parsed with column specification:
## cols(
## .default = col_character(),
## budget = col_double(),
## id = col_double(),
## popularity = col_double(),
## release_date = col_date(format = ""),
## revenue = col_double(),
## runtime = col_double(),
## vote_average = col_double(),
## vote_count = col_double()
## )## See spec(...) for full column specifications.credit <- read_csv("tmdb_5000_credits.csv",col_names=TRUE,na="NA")## Parsed with column specification:
## cols(
## movie_id = col_double(),
## title = col_character(),
## cast = col_character(),
## crew = col_character()
## )2.1 Movies Dataset
glimpse(movie)## Observations: 4,803
## Variables: 20
## $ budget <dbl> 2.37e+08, 3.00e+08, 2.45e+08, 2.50e+08, 2...
## $ genres <chr> "[{\"id\": 28, \"name\": \"Action\"}, {\"...
## $ homepage <chr> "http://www.avatarmovie.com/", "http://di...
## $ id <dbl> 19995, 285, 206647, 49026, 49529, 559, 38...
## $ keywords <chr> "[{\"id\": 1463, \"name\": \"culture clas...
## $ original_language <chr> "en", "en", "en", "en", "en", "en", "en",...
## $ original_title <chr> "Avatar", "Pirates of the Caribbean: At W...
## $ overview <chr> "In the 22nd century, a paraplegic Marine...
## $ popularity <dbl> 150.43758, 139.08262, 107.37679, 112.3129...
## $ production_companies <chr> "[{\"name\": \"Ingenious Film Partners\",...
## $ production_countries <chr> "[{\"iso_3166_1\": \"US\", \"name\": \"Un...
## $ release_date <date> 2009-12-10, 2007-05-19, 2015-10-26, 2012...
## $ revenue <dbl> 2787965087, 961000000, 880674609, 1084939...
## $ runtime <dbl> 162, 169, 148, 165, 132, 139, 100, 141, 1...
## $ spoken_languages <chr> "[{\"iso_639_1\": \"en\", \"name\": \"Eng...
## $ status <chr> "Released", "Released", "Released", "Rele...
## $ tagline <chr> "Enter the World of Pandora.", "At the en...
## $ title <chr> "Avatar", "Pirates of the Caribbean: At W...
## $ vote_average <dbl> 7.2, 6.9, 6.3, 7.6, 6.1, 5.9, 7.4, 7.3, 7...
## $ vote_count <dbl> 11800, 4500, 4466, 9106, 2124, 3576, 3330...2.2 Credits Dataset
glimpse(credit)## Observations: 4,803
## Variables: 4
## $ movie_id <dbl> 19995, 285, 206647, 49026, 49529, 559, 38757, 99861, ...
## $ title <chr> "Avatar", "Pirates of the Caribbean: At World's End",...
## $ cast <chr> "[{\"cast_id\": 242, \"character\": \"Jake Sully\", \...
## $ crew <chr> "[{\"credit_id\": \"52fe48009251416c750aca23\", \"dep...2.3 Summary
summary(movie)## budget genres homepage
## Min. : 0 Length:4803 Length:4803
## 1st Qu.: 790000 Class :character Class :character
## Median : 15000000 Mode :character Mode :character
## Mean : 29045040
## 3rd Qu.: 40000000
## Max. :380000000
##
## id keywords original_language original_title
## Min. : 5 Length:4803 Length:4803 Length:4803
## 1st Qu.: 9014 Class :character Class :character Class :character
## Median : 14629 Mode :character Mode :character Mode :character
## Mean : 57166
## 3rd Qu.: 58611
## Max. :459488
##
## overview popularity production_companies
## Length:4803 Min. : 0.000 Length:4803
## Class :character 1st Qu.: 4.668 Class :character
## Mode :character Median : 12.922 Mode :character
## Mean : 21.492
## 3rd Qu.: 28.314
## Max. :875.581
##
## production_countries release_date revenue
## Length:4803 Min. :1916-09-04 Min. :0.000e+00
## Class :character 1st Qu.:1999-07-14 1st Qu.:0.000e+00
## Mode :character Median :2005-10-03 Median :1.917e+07
## Mean :2002-12-27 Mean :8.226e+07
## 3rd Qu.:2011-02-16 3rd Qu.:9.292e+07
## Max. :2017-02-03 Max. :2.788e+09
## NA's :1
## runtime spoken_languages status tagline
## Min. : 0.0 Length:4803 Length:4803 Length:4803
## 1st Qu.: 94.0 Class :character Class :character Class :character
## Median :103.0 Mode :character Mode :character Mode :character
## Mean :106.9
## 3rd Qu.:118.0
## Max. :338.0
## NA's :2
## title vote_average vote_count
## Length:4803 Min. : 0.000 Min. : 0.0
## Class :character 1st Qu.: 5.600 1st Qu.: 54.0
## Mode :character Median : 6.200 Median : 235.0
## Mean : 6.092 Mean : 690.2
## 3rd Qu.: 6.800 3rd Qu.: 737.0
## Max. :10.000 Max. :13752.0
## Dari ringkasan yang dataset movies, analisis yang dilakukan akan fokus pada deretan film yang memiliki budget dan revenue tertinggi, film dengan tingkat popularitas tertinggi dan lain-lain. Sedangkan pada dataset credits akan memvisualisasikan siapa artis yang paling banyak memiliki peran dalam dunia akting/film.
3 Data Cleaning
Sebelum melakukan analisis ada baiknya melakukan data cleansing terlebih dahulu.
3.1 Cleaning the Movie Dataset
Pada dataset ini terdapat variable data dengan format JSON. Maka kita extract datatersebut dengan menggunakan jsonlite library.
genredf = movie %>% filter(nchar(genres)>2) %>%
mutate(js=lapply(genres,fromJSON)) %>% unnest(js) %>%
select(id,title,genre=name) #Convert JSON format into data frame
slice(genredf)## # A tibble: 12,160 x 3
## id title genre
## <dbl> <chr> <chr>
## 1 19995 Avatar Action
## 2 19995 Avatar Adventure
## 3 19995 Avatar Fantasy
## 4 19995 Avatar Science Fiction
## 5 285 Pirates of the Caribbean: At World's End Adventure
## 6 285 Pirates of the Caribbean: At World's End Fantasy
## 7 285 Pirates of the Caribbean: At World's End Action
## 8 206647 Spectre Action
## 9 206647 Spectre Adventure
## 10 206647 Spectre Crime
## # ... with 12,150 more rows4 Data Visualization
4.1 Film dengan Biaya Produksi Termahal
movie %>% select(original_title,budget) %>% drop_na(original_title)%>%
arrange(desc(budget)) %>% head(20) %>%
ggplot(aes(reorder(original_title,budget),
budget,fill=original_title))+
geom_bar(stat="identity")+theme(axis.text.x = element_text(angle=90),
plot.title=element_text(color="Black",face="bold"),
legend.position="none")+scale_y_continuous(labels=scales::comma)+
labs(x="",y="Total Anggaran dalam $",
title="20 Film Dengan Biaya Produksi Termahal")
Dari grafik data visualisi diatas, terlihat bahwa seri Film Pirates of The Caribbean adalah deretan pertama dengan biaya produksi tertinggi dengan biaya produksi melebihi $300 juta USD, yang diikuti oleh Avengeres. Pada umumnya, banyak orang mengira film action superhero seperti Avenger merupakan film dengan biaya produksi termahal. Namun pada data diatas Avenger menduduki peringkat ketiga dengan biaya produksi termahal.
4.2 Film dengan Pendapatan Tertinggi
movie %>% select(original_title,revenue) %>%
drop_na(original_title)%>% arrange(desc(revenue)) %>%
head(20) %>% ggplot(aes(reorder(original_title,revenue),
revenue,fill=original_title))+geom_bar(stat="identity")+
theme(axis.text.x = element_text(angle=90),
plot.title=element_text(color="Black",face="bold"),
legend.position="none")+scale_y_continuous(limits=c(0,3000000000),
breaks=seq(0,3000000000,500000000),
labels=scales::comma)+labs(x="",y="Total Revenue in $",
title="Highest Grossing Movies -Top 20")
Visualisasi Grafik diatas menjelaskan bahwa Avatar memegang rekor film terlaris mengumpulkan sedikit lebih dari 2,6 miliar USD, berikutnya adalah film klasik Titanic. Bila dikaitkan dengan visualisasi 20 film dengan biaya produksi tertinggi, Avatar menduduki deretan/peringkat ke 18. Berbanding terbalik dengan Seri Film Pirates of Caribbean berdasarkan grafik pendapatan hanya mampu menduduki ke 17 dan 18. Sedangkan Avenger konsisten pada urutan ke 3 untuk posisi film dengan biaya produksi termahal dan pendapatan tertinggi.
4.3 Film dengan Popularitas/Rating Tertinggi
Film apa saja yang memiliki popularitas tertinggi dari dataset movies, berdasarkan rating film di situs TMDb??
movie %>% group_by(original_title) %>% arrange(desc(popularity)) %>%
head(20) %>% ggplot(aes(factor(original_title,levels=original_title),
popularity,fill=original_title))+geom_bar(stat="identity")+
theme_few()+theme(axis.text.x=element_text(angle=90,hjust=0.5),
plot.title=element_text(hjust=0.5,size=15,color="black",
face = "bold"),legend.position="none")+
labs(x="Title",y="Rating",
title="20 Film dengan Rating Tertinggi")+
scale_x_discrete(labels=function(x)str_wrap(x,width=15))
Dari grafik, terlihat bahwa Minions adalah film paling populer yang memiliki peringkat lebih dari 750 diikuti oleh Interstellar dan Deadpool.
5 Popular movies of the artist with most movies:
Saatnya beralih ke dataset credits dan ekplorasi data. Lakukan seperti pada tahap awal, cleansing data yang memiliki format json.
credit=credit %>% filter(nchar(cast)>2) %>% mutate(js=lapply(cast,fromJSON)) %>% unnest(js)
cat("Variabel JS ",names(credit),sep='\n')## Variabel JS
## movie_id
## title
## cast
## crew
## cast_id
## character
## credit_id
## gender
## id
## name
## ordercredit= credit%>% select(-c(crew,cast_id,credit_id,id))
cat("Kita Hilangkan Variabel Crew, Cast_id, Credit_id, Id",
names(credit),sep='\n')## Kita Hilangkan Variabel Crew, Cast_id, Credit_id, Id
## movie_id
## title
## cast
## character
## gender
## name
## order6 Artis dengan Film Terbanyak
Saat visualisasi dataset credit. Siapa artis dengan film terbanyak?? Apakah Nicholas Saputra masuk dalam jajaran aktor dengan jumlah film terbanyak?? Mari kita lihat.
credit %>% group_by(name) %>% tally() %>% arrange(desc(n)) %>% head(20) %>% ggplot(aes(factor(name,levels=name),n,fill=name))+
geom_bar(stat="identity")+
labs(x="Artist",y="Count",title="20 Artis dengan Film Terbanyak")+
theme_few()+
theme(axis.text.x=element_text(angle=90),
plot.title=element_text(hjust=0.5,color="red"),
legend.position="none")
Ternyata tidak. Nicholas Saputra tidak masuk dalam jajaran aktor dengan jumlah film terbanyak. Dalam visualisasi diatas, Samuel.L.Jackson adalah aktor dengan film terbanyak yang berperan di lebih dari 60 film, diikuti oleh Robert De Niro dan Bruce Willis.