Analysis of Netflix Movies and TV Shows

Practical Statistics for Data Science

1 Intro

1.1 Sumber Data

Dataset ini terdiri dari acara tv (TV Show) dan film (Movie) yang tersedia di Netflix dari 2008-01-01 sampai 2020-01-18. Dataset ini didapatkan dari link https://www.kaggle.com/shivamb/netflix-shows

1.2 Pertanyaan

Beberapa pertanyaan yang dapat hendak dijawab berdasarkan dataset ini yaitu:

1. Berapa perbandingan dan jumlah konten Movie dan TV Show ?
   
2. Bagaimana pertumbuhan jumlah konten Movie dan TV Show di Netflix setiap tahun?
3. Apa kategori yang memiliki konten yang paling sedikit dan paling sedikit di netflix?
   
4. Apa negara yang paling banyak menghasilkan konten?
   
5. Berapa minumun, maximum dan rata-rata durasi konten masing-masing kategori Movie dan TV Show?
   
6. Bagaimana pengaruh durasi konten terhadap rating yang didapat?
   

---

2 Data Pre-processing

Hasil data netflix diimport dan disimpan kedalam variabel penampung netflix

#Load Data
netflix <- read.csv("data_input/netflix.csv")

2.1 Data Inspection

2.1.1 Seluruh Data

netflix

2.1.2 10 Data Teratas

head(netflix,10)

2.1.3 10 Data Terbawah

tail(netflix,10)

2.1.4 Deskripsi Variabel

Dataset Netflix diimport dan disimpan dalam bentuk data frame. Diatas merupakan sampel 5 data teratas dari dataset netlfix yang digunakan. Data tersebut memiliki variabel yang masing-masing menyimpan informasi sebagai berikut:

Variabel	Informasi
show_id	ID dari masing-masing data konten
type	Jenis konten Movie atau TV Show
title	Merupakan judul atau nama konten
director	Director dari konten
cast	Artis atau Pemeran pada konten
country	Negara asal konten
date_added	Tanggal konten tersebut dimasukan ke Netflix
release_year	Tahun konten tersebut perdana ditayangkan ke publik
rating	Penialian/rating konten tersebut. Berikut link referensi untuk sistem rating konten televisi: https://id.wikipedia.org/wiki/Sistem_rating_konten_televisi
duration	Durasi waktu konten
listed_in	Kategori atau genre konten
description	Deskripsi singkat dari konten

2.2 Data Cleansing

2.2.1 Struktur Data

str(netflix)

#> 'data.frame':    6234 obs. of  12 variables:
#>  $ show_id     : int  81145628 80117401 70234439 80058654 80125979 80163890 70304989 80164077 80117902 70304990 ...
#>  $ type        : Factor w/ 2 levels "Movie","TV Show": 1 1 2 2 1 2 1 1 2 1 ...
#>  $ title       : Factor w/ 6172 levels "'89","#realityhigh",..: 3598 2463 5710 5714 2 418 478 1651 1714 1960 ...
#>  $ director    : Factor w/ 3302 levels "","Ömer Faruk Sorak",..: 2549 1 1 1 947 1 987 2627 1 1144 ...
#>  $ cast        : Factor w/ 5470 levels "","4Minute, B1A4, BtoB, ELSIE, EXID, EXO, Got7, INFINITE, KARA, Shinee, Sistar, VIXX, Nine Muses, BTS, Secret, Topp Dogg",..: 206 2173 4000 5324 3760 212 492 1590 1 2140 ...
#>  $ country     : Factor w/ 555 levels "","Argentina",..: 500 381 445 445 445 336 50 78 445 540 ...
#>  $ date_added  : Factor w/ 1525 levels ""," April 1, 2014",..: 1525 1524 1523 1523 1522 1522 1522 1522 1522 1522 ...
#>  $ release_year: int  2019 2016 2013 2016 2017 2016 2014 2017 2017 2014 ...
#>  $ rating      : Factor w/ 15 levels "","G","NC-17",..: 11 10 14 13 8 10 7 10 10 7 ...
#>  $ duration    : Factor w/ 201 levels "1 Season","10 min",..: 192 196 1 1 201 1 16 159 1 192 ...
#>  $ listed_in   : Factor w/ 461 levels "Action & Adventure",..: 111 421 382 382 168 218 338 421 273 58 ...
#>  $ description : Factor w/ 6226 levels "\"Brooklyn Nine-Nine\" star Chelsea Peretti showcases her diverse talents in this dark yet silly reimagining of"| __truncated__,..: 1903 3522 6130 5586 5869 972 3060 2448 1744 779 ...

Jika dilihat pada struktur dataset netflix diatas yaitu terdapat 6234 observasi dan 12 variabel. Berdasarkan data yang ditampilkan, beberapa data type perlu dikonversi ulang sesuai kebutuhan supaya mempermudah untuk mengexplorasi data. Kemudian variabel show_id kurang memberikan informasi yang penting sehingga dapat dibuang dari dataset. Berikut proses dan struktur data setelah dikonversi:

netflix <- netflix[,-1]
netflix$date_added <- as.Date(netflix$date_added, format = "%B %d, %Y")
netflix$added_year <- format(netflix$date_added,"%Y")
netflix$added_year <- as.integer(netflix$added_year)
netflix$description <- as.character(netflix$description)


str(netflix)

#> 'data.frame':    6234 obs. of  12 variables:
#>  $ type        : Factor w/ 2 levels "Movie","TV Show": 1 1 2 2 1 2 1 1 2 1 ...
#>  $ title       : Factor w/ 6172 levels "'89","#realityhigh",..: 3598 2463 5710 5714 2 418 478 1651 1714 1960 ...
#>  $ director    : Factor w/ 3302 levels "","Ömer Faruk Sorak",..: 2549 1 1 1 947 1 987 2627 1 1144 ...
#>  $ cast        : Factor w/ 5470 levels "","4Minute, B1A4, BtoB, ELSIE, EXID, EXO, Got7, INFINITE, KARA, Shinee, Sistar, VIXX, Nine Muses, BTS, Secret, Topp Dogg",..: 206 2173 4000 5324 3760 212 492 1590 1 2140 ...
#>  $ country     : Factor w/ 555 levels "","Argentina",..: 500 381 445 445 445 336 50 78 445 540 ...
#>  $ date_added  : Date, format: "2019-09-09" "2016-09-09" ...
#>  $ release_year: int  2019 2016 2013 2016 2017 2016 2014 2017 2017 2014 ...
#>  $ rating      : Factor w/ 15 levels "","G","NC-17",..: 11 10 14 13 8 10 7 10 10 7 ...
#>  $ duration    : Factor w/ 201 levels "1 Season","10 min",..: 192 196 1 1 201 1 16 159 1 192 ...
#>  $ listed_in   : Factor w/ 461 levels "Action & Adventure",..: 111 421 382 382 168 218 338 421 273 58 ...
#>  $ description : chr  "Before planning an awesome wedding for his grandfather, a polar bear king must take back a stolen artifact from"| __truncated__ "Jandino Asporaat riffs on the challenges of raising kids and serenades the audience with a rousing rendition of"| __truncated__ "With the help of three human allies, the Autobots once again protect Earth from the onslaught of the Decepticon"| __truncated__ "When a prison ship crash unleashes hundreds of Decepticons on Earth, Bumblebee leads a new Autobot force to protect humankind." ...
#>  $ added_year  : int  2019 2016 2018 2018 2017 2017 2017 2017 2017 2017 ...

2.2.2 Data Duplikat

unique(netflix)

Terdapat 1 data yang duplikat. Sebelumnya total data 6234 namun menggunakan fungsi uniqe menjadi 6233. Oleh karena itu data duplikat dapat dibuang dari dataset netflix.

netflix <- unique(netflix)

2.2.3 Missing Values

colSums(is.na(netflix))

#>         type        title     director         cast      country   date_added 
#>            0            0            0            0            0          651 
#> release_year       rating     duration    listed_in  description   added_year 
#>            0            0            0            0            0          651

Jika dilihat terdapat 651 data yang NULL dari variabel date_added . Berdasarkan pertanyaan yang diinginkan, variabel date_added tidak digunakan, sehingga missing values dari date added dapat diabaikan.

3 Data Explanation

summary(netflix)

#>       type              title                         director   
#>  Movie  :4264   Limitless  :   3                          :1969  
#>  TV Show:1969   Love       :   3   Raúl Campos, Jan Suter:  18  
#>                 Oh My Ghost:   3   Marcus Raboy           :  14  
#>                 The Silence:   3   Jay Karas              :  13  
#>                 Tunnel     :   3   Jay Chapman            :  12  
#>                 Aquarius   :   2   Martin Scorsese        :   9  
#>                 (Other)    :6216   (Other)                :4198  
#>                  cast                country       date_added        
#>                    : 570   United States :2032   Min.   :2008-01-01  
#>  David Attenborough:  18   India         : 776   1st Qu.:2017-09-29  
#>  Samuel West       :  10                 : 476   Median :2018-09-15  
#>  Jeff Dunham       :   7   United Kingdom: 348   Mean   :2018-06-28  
#>  Craig Sechler     :   6   Japan         : 176   3rd Qu.:2019-06-04  
#>  Bill Burr         :   5   Canada        : 141   Max.   :2020-01-18  
#>  (Other)           :5617   (Other)       :2284   NA's   :651         
#>   release_year      rating          duration   
#>  Min.   :1925   TV-MA  :2026   1 Season :1321  
#>  1st Qu.:2013   TV-14  :1698   2 Seasons: 304  
#>  Median :2016   TV-PG  : 701   3 Seasons: 158  
#>  Mean   :2013   R      : 508   90 min   : 111  
#>  3rd Qu.:2018   PG-13  : 286   91 min   : 104  
#>  Max.   :2020   NR     : 218   92 min   : 101  
#>                 (Other): 796   (Other)  :4134  
#>                                             listed_in    description       
#>  Documentaries                                   : 299   Length:6233       
#>  Stand-Up Comedy                                 : 273   Class :character  
#>  Dramas, International Movies                    : 248   Mode  :character  
#>  Dramas, Independent Movies, International Movies: 186                     
#>  Comedies, Dramas, International Movies          : 174                     
#>  Kids' TV                                        : 159                     
#>  (Other)                                         :4894                     
#>    added_year  
#>  Min.   :2008  
#>  1st Qu.:2017  
#>  Median :2018  
#>  Mean   :2018  
#>  3rd Qu.:2019  
#>  Max.   :2020  
#>  NA's   :651

Data Summary

Dataset ini memiliki informasi konten yang ditambahkan dari tanggal 2008-01-01 hingga 2020-01-18 namun perlu diingat bahwa terdapat 651 missing values atas date_added sehingga informasi ini perlu divalidasi lagi. Selain itu, beberapa informasi yang bisa didapatkan antara lain:

1. Jumlah konten jenis Movie sebanyak 4265
2. Jumlah konten jenis Tv Show sebanyak 1969
3. Raúl Campos dan Jan Suter sebagai director yang sering berkolaborasi. Hasil kolaborasi mereka menghasilkan 18 konten dan jumlah itu membuat mereka menjadi director yang paling banyak membuat konten.
4. David Attenborough merupakan pemeran konten paling banyak, dengan jumlah 18 konten.
5. United States merupakan negara yang paling banyak membuat konten, dengan jumlah 2032 konten.
6. Konten yang ditambahkan dari tanggal 2008-01-01 hingga 2020-01-18 merupakan konten yang release dari tahun 1925 sampai 2020.
7. Rating TV-MA paling banyak di netflix. Rating TV-MA adalah salah satu sistem rating konten televisi di Amerika untuk menunjukan konten dewasa 18 tahun keatas.
8. Konten berdurasi 1 season paling banyak di netflix, dengan jumlah 1321 konten.
9. Konten kategori Documentaries paling banyak di netflix, dengan jumlah 299 konten.

4 Data Analysis

4.1 Berapa perbandingan jumlah konten pada masing-masing jenis TV Show dan Movie ?

Jawaban:

table(netflix$type)

#> 
#>   Movie TV Show 
#>    4264    1969

round(prop.table(table(netflix$type))*100,1)

#> 
#>   Movie TV Show 
#>    68.4    31.6

Jumlah Konten berjenis Movie sebanyak 4264 (68.4%) dan konten berjenis TV Show sebanyak 1969 (31.6%). Jika dilihat jumlah konten Movie lebih dari 2 kali lipat jumlah konten TV Show.

---

4.2 Bagaimana pertumbuhan jumlah konten di Netflix tiap tahun?

Jawaban:

Pertumbuhan jumlah konten Movie setiap tahun:

df.movie <- netflix[netflix$type=="Movie",]
df.movie.growth <- data.frame(table(df.movie$added_year))
df.movie.growth

plot(df.movie.growth$Var1, df.movie.growth$Freq,type = "b", pch=15, xlab="Tahun",ylab="Jumlah",main="Pertumbuhan Jumlah Konten Movie")
lines(df.movie.growth$Var1, df.movie.growth$Freq,type = "o", col = "blue")

Pertumbuhan jumlah konten TV Show setiap tahun:

df.tv <- netflix[netflix$type=="TV Show",]
df.tv.growth <- data.frame(table(df.tv$added_year))
df.tv.growth

plot(df.tv.growth$Var1, df.tv.growth$Freq,type = "b", pch=15,xlab="Tahun",ylab="Jumlah",main="Pertumbuhan Jumlah Konten TV Show")
lines(df.tv.growth$Var1, df.tv.growth$Freq,type = "o", col = "orange")

Berdasarkan 2 grafik diatas, dapat disimpulkan bahwa jumlah konten Movie dan TV Show pada Netflix cenderung meningkat dari setiap tahun. Peningkatan jumlah konten cukup besar semenjak tahun 2015 hingga 2019. Kemudian, pertumbuhan jumlah konten dari tahun 2019-2020 tidak valid untuk diinterpretasikan karena tahun 2020 masih berjalan. Notes: grafik ini dibuat dengan kondisi 651 missing value dari data date_added sehingga terdapat missing information terkait pertumbuhan jumlah konten di netfix.

---

4.3 Apa kategori yang memiliki konten yang paling sedikit dan paling banyak di netflix?

Jawaban:
1 konten bisa memiliki beberapa kategori, misalkan Avenger memiliki kategori Action, Crime, Sci-Fi sehingga untuk mengetahui jumlah konten berdasarkan kategori maka kategori tersebut perlu dipisahkan.

# Memisahkan kumpulan kategori didalam 1 konten menjadi satuan
netflix.kategori <- separate_rows(netflix,listed_in, sep = ',')
df.kategori <- data.frame(sort(table(netflix.kategori$listed_in),decreasing = T))

Kategori konten terbanyak:

df.kategori[df.kategori$Freq==max(df.kategori$Freq),]

Kategori konten paling sedikit

df.kategori[df.kategori$Freq==min(df.kategori$Freq),]

Kategori konten paling banyak yaitu International Movies dengan jumlah 1841 konten. Kategori konten paling sedikit yaitu Spanish-Language TV Shows, Sports Movies dan TV Sci-Fi & Fantasy yang dimana masing-masing hanya memiliki 1 konten, berikut data film dengan kategori paling sedikit:

netflix.kategori[netflix.kategori$listed_in %in% df.kategori[df.kategori$Freq==min(df.kategori$Freq),1],]

---

4.4 Apa negara yang paling banyak menghasilkan konten?

Jawaban:
1 konten bisa memiliki beberapa negara pembuatan, misalkan La Doña memiliki negara pembuatan United States, Mexico sehingga untuk mengetahui jumlah konten berdasarkan negara pembuatan maka data negara tersebut perlu dipisahkan.

# Memisahkan kumpulan negara didalam 1 konten menjadi satuan
netflix.negara <- separate_rows(netflix,country, sep = ',')
df.negara <- data.frame(sort(table(netflix.negara$country),decreasing = T))

Negara yang menghasilkan konten terbanyak:

df.negara[df.negara$Freq==max(df.negara$Freq),]

Negara yang menghasilkan konten paling sedikit:

df.negara[df.negara$Freq==min(df.negara$Freq),]

Negara dengan konten paling banyak di netflix adalah United States dengan jumlah 2302 konten. Kemudian terdapat 45 negara yang menghasilkan 1 konten atau paling sedikit, diantaranya dapat dilihat pada bagian diatas.

---

4.5 Berapa minimun, maximum dan rata-rata durasi konten masing-masing kategori TV Show dan Movie?

Jawaban:

# extract durasi menjadi numeric
numextract <- function(string){ 
  as.numeric(str_extract(string, "\\-*\\d+\\.*\\d*"))
} 

# dalah case ini, rata-rata durasi konten dicari menggunakan modus karena jika menggunakan fungsi mean, maka akan dijumlahkan datanya
most <- function(x){
  as.character(names(sort(-table(x)))[1])
}

# MOVIE
netflix.movie <- netflix[netflix$type=="Movie",]
netflix.movie <- cbind(netflix.movie,total_minutes=numextract(netflix.movie$duration))

plot(density(netflix.movie$total_minutes), "Penyebaran Total Durasi Konten Movie")
polygon(density(netflix.movie$total_minutes), col="blue", border="orange")

# Durasi minimum
min(netflix.movie$total_minutes)

#> [1] 3

# Durasi Maximum
max(netflix.movie$total_minutes)

#> [1] 312

# Durasai Rata-Rata/kebanyakan konten berdurasi berapa
most(netflix.movie$total_minutes)

#> [1] "90"

#================================================================================================
# TV SHOW
netflix.tv <- netflix[netflix$type=="TV Show",]
netflix.tv <- cbind(netflix.tv,total_seasons=numextract(netflix.tv$duration))

plot(density(netflix.tv$total_seasons), "Penyebaran Total Durasi Konten TV Show (Seasons)")
polygon(density(netflix.tv$total_seasons), col="orange", border="blue")

# Durasi minimum
min(netflix.tv$total_seasons)

#> [1] 1

# Durasi Maximum
max(netflix.tv$total_seasons)

#> [1] 15

# Durasai Rata-Rata 
most(netflix.tv$total_seasons)

#> [1] "1"

Berdasar chart diatas, durasi konten Movie dan konten TV Show tidak berdistribusi normal yang artinya cukup banyak durasi konten yang kurang atau lebih dari rata-rata durasi konten yang ada pada masing-masing jenis konten Movie dan TV Show. Rata-rata durasi konten Movie yaitu 90 menit. Durasi konten Movie paling cepat yaitu 3 menit dengan judul Silent dan Durasi konten Movie paling lama yaitu 312 menit dengan judul Black Mirror: Bandersnatch. Rata-Rata durasi konten TV Show yaitu 1 Seasons dan durasi paling cepat yaitu 1 Seasons. Durasi konten TV Show paling lama yaitu 15 Seasons. Berikut datanya:

1. Konten Movie dengan durasi Terlama dan Tercepat

# konten movie dengan durasi tercepat dan terlama
netflix.movie[netflix.movie$total_minutes %in% c(3,312),]

2. Konten TV Show dengan durasi Terlama dan Tercepat

#konten TV Show dengan durasi terlama
df.tv.durasi <-  netflix.tv[netflix.tv$total_seasons %in% c(15,1),]
df.tv.durasi[order(df.tv.durasi$total_seasons,decreasing = T),]

---

4.6 Bagaimana pengaruh durasi konten terhadap rating yang didapat?

Jawaban:

netflix.movie$rating <- as.numeric(netflix.movie$rating)
netflix.tv$rating <- as.numeric(netflix.tv$rating)

# Pengaruh durasi Konten terhadap rating
plot(x=netflix.movie$total_minutes,y=netflix.movie$rating,
     main = "Pengaruh Durasi terhadap Rating pada Konten Movie",xlab = "Durasi (Minutes)", ylab = "Rating",pch = 19)
abline(lm(netflix.movie$rating ~ netflix.movie$total_minutes, data = netflix.movie), col = "blue")

plot(x=netflix.tv$total_seasons,y=netflix.tv$rating,
     main = "Pengaruh Durasi terhadap Rating pada Konten TV Show",xlab = "Durasi (Seasons)", ylab = "Rating",pch = 19)
abline(lm(netflix.tv$rating ~ netflix.tv$total_seasons, data = netflix.tv), col = "orange")

Berdasarkan Scatter Diagram diatas, durasi pada konten Movie dan konten TV Show tidak memiliki pengaruh terhadap rating dari sebuah konten apabila dilihat secara keseluruhan. Namun, apakah benar? Melihat poin 4.5, distribusi penyeberan durasi konten tidak normal. Lantas Apakah durasi memiliki pengaruh terhadap rating konten jika data durasi konten berdistribusi normal ? Jika dilihat pada scatter diagram diatas menunjukan datanya terlalu berpencar/menyebar dan tidak membentuk pola yang linear, dengan begitu menunjukan bahwa tidak ada korelasi, berikut pembuktiannya:

1. Pengaruh Durasi terhadap Rating Konten Movie (Exclude Outlier Durasi)

bp.durasi.movie <- boxplot(netflix.movie$total_minutes, main="Boxplot Durasi Konten Movie")

Boxplot Durasi Konten Movie menunjukan cukup banyak data durasi yang menjadi outlier atau jauh diluar pemusatan data, baik lebih tinggi maupun lebih rendah. Untuk itu, data tersebut akan dibuang supaya distribusi durasi menjadi normal. Berikut prosesnya:

# Total Data Durasi movie outlier dan non outlier
data.frame("total data movie"=length(netflix.movie$total_minutes),
           "total outlier"=length(bp.durasi.movie$out),
           "total non outlier"=length(netflix.movie$total_minutes)-length(bp.durasi.movie$out))

# Memisahkan data durasi movie dari outlier
netflix.durasi.movie.in <- netflix.movie[!netflix.movie$total_minutes %in% bp.durasi.movie$out,]
netflix.durasi.movie.in$rating <- as.numeric(netflix.durasi.movie.in$rating)

# Membuat plot
plot(density(netflix.durasi.movie.in$total_minutes), "Penyebaran Total Durasi Konten Movie (Exclude Outlier)")
polygon(density(netflix.durasi.movie.in$total_minutes), col="blue", border="orange")

Berdasarkan data diatas, Total data movie sebelumnya 4264 dan setelah outlier dibuang menjadi 4034. Jika dilihat chart Penyebaran Total Durasi Konten Movie (Exclude Outlier), meskipun tetap banyak data yang jauh dari rata-rata, distribusi data dapat dikatakan lebih normal dari chart pada poin 4.5 karena pemusatan data mendekati nilai rata-rata durasi. Lantas apakah data durasi ini memiliki pengaruh terhadap data ratingnya?

# Pengaruh durasi Konten terhadap rating setelah outlier dibuang
plot(x=netflix.durasi.movie.in$total_minutes,y=netflix.durasi.movie.in$rating,
     main = "Pengaruh Durasi terhadap Rating pada Konten Movie (Exclude Outlier)",xlab = "Durasi (Minutes)", ylab = "Rating",pch = 19)
abline(lm(netflix.durasi.movie.in$rating ~ netflix.durasi.movie.in$total_minutes, data = netflix.durasi.movie.in), col = "blue")

Setelah outlier pada durasi konten Movie di exclude, scatter diagram diatas memperjelas bahwa durasi konten Movie tidak memiliki pengaruh terhadap nilai rating dari sebuah konten

2. Pengaruh Durasi terhadap Rating Konten TV Show (Exclude Outlier Durasi)

bp.durasi.tv <- boxplot(netflix.tv$total_seasons, main="Boxplot Durasi Konten TV Show")

Boxplot Durasi Konten TV Show menunjukan cukup banyak data outlier dimana data durasi lebih tinggi dari rata-rata durasi pemusatan data. Untuk itu, data tersebut akan dibuang supaya distribusi durasi menjadi normal. Berikut prosesnya:

# Total Data Durasi TV Show outlier dan non outlier
data.frame("total data tvshow"=length(netflix.tv$total_seasons),
           "total outlier"=length(bp.durasi.tv$out),
           "total non outlier"=length(netflix.tv$total_seasons)-length(bp.durasi.tv$out))

# Memisahkan data durasi movie dari outlier
netflix.durasi.tv.in <- netflix.tv[!netflix.tv$total_seasons %in% bp.durasi.tv$out,]
netflix.durasi.tv.in$rating <- as.numeric(netflix.durasi.tv.in$rating)

# Membuat plot
plot(density(netflix.durasi.tv.in$total_seasons), "Penyebaran Total Durasi Konten Movie (Exclude Outlier)")
polygon(density(netflix.durasi.tv.in$total_seasons), col="blue", border="orange")

Berdasarkan chart data diatas, Total data TV Show sebelumnya 1969 dan setelah outlier dibuang menjadi 1783. Jika dilihat chart Penyebaran Total Durasi Konten TV Show (Exclude Outlier), meskipun data tetap berdistribusi tidak normal, setidaknya lebih menunjukan pola penyeberan durasi dari konten TV Show paling banyak berpusat 1 Season, kemudian 2 season dan kemudian 3 season.

# Pengaruh durasi Konten terhadap rating setelah outlier dibuang
plot(x=netflix.durasi.tv.in$total_seasons,y=netflix.durasi.tv.in$rating,
     main = "Pengaruh Durasi terhadap Rating pada Konten Movie (Exclude Outlier)",xlab = "Durasi (Minutes)", ylab = "Rating",pch = 19)
abline(lm(netflix.durasi.tv.in$rating ~ netflix.durasi.tv.in$total_seasons, data = netflix.durasi.tv.in), col = "blue")

Meskipun outlier pada durasi konten TV Show di exclude, scatter diagram diatas memperjelas bahwa durasi konten TV Show tidak memiliki pengaruh terhadap nilai rating dari sebuah konten

5 Summary

Berdasarkan proses analisis data yang sudah dilakukan, pertanyaan-pertanyaan yang ada sudah berhasil dijawab. Secara umum dapat disimpulkan bahwa Jumlah konten Movie dan TV Show di Netflix cenderung meningkat setiap tahun, yang dimana peningkatan jumlah konten mulai tinggi semenjak tahun 2015. Namun perlu dipertimbangkan kembali terkait 651 missing value atas variabel data_added karena variabel ini yang digunakan untuk mengukur pertumbuhan jumlah konten. Konten jenis Movie dan TV Show terdiri dari berbagai kategori/genre dan negara produksi, yang dimana setiap konten tersebut memiliki rating. Informasi penting terkait rating konten yang didapatkan yaitu durasi dari sebuah konten Movie atau konten TV Show yang ada di netflix tidak berpengaruh signifikan terhadap pemberian rating sebuah konten.

6 Reference

1. Netflix Movies and TV Shows: Analysis in R

2. Sistem rating konten televisi

3. Separate a collapsed column into multiple rows

4. Extraction of numbers from a character string

5. Scatter Plots - R Base Graphs