Data Analytics

Tokopedia — Analisis Rating dan Kinerja Kategori Produk

Exploratory Data Analysis

Layanan

Data CleaningEDAVisualisasi

• Pembersihan dataset produk• Pengelompokan rating positif/netral/negatif• Perbandingan penjualan per kategori• Ekspor metrik KPI dan grafik

Menganalisis 3.664 produk dan 6,17 juta item terjual untuk menemukan kekuatan kategori dan risiko rating rendah.

Data produk marketplace sering menyatukan harga, rating, dan angka penjualan dalam bentuk yang perlu dibersihkan sebelum dianalisis.

Saya memakai notebook Python dengan Pandas untuk memeriksa data, menstandarkan kolom, dan menghitung kinerja lima kategori; Matplotlib dan Seaborn digunakan untuk menghasilkan grafik.

Istilah sentimen pada proyek ini berarti klasifikasi berbasis nilai bintang: rating ≥4 positif, rating 3 netral, dan rating ≤2 negatif. Analisis ini bukan pemrosesan teks ulasan dengan model NLP.

Kategori dengan permintaan terbesar

Dataset memuat 6.173.830 item terjual dari 3.664 produk di 158 toko, dengan rata-rata rating 4,64/5.

Kategori Olahraga mencatat volume terbesar pada kelompok rating positif, disusul Elektronik dan Fashion. Hasil ini memberi petunjuk awal untuk prioritas inventaris dan promosi.

Mendeteksi area yang perlu diselidiki

Kategori Handphone memiliki 47.457 item terjual pada produk ber-rating rendah. Angka ini perlu ditinjau bersama kualitas produk, ekspektasi konsumen, dan layanan penjual.

Output akhir berupa notebook analisis, CSV ringkasan KPI, dan grafik; hubungan rating dengan penjualan bersifat deskriptif dan tidak membuktikan hubungan sebab-akibat.

Hasil yang Diperoleh

Rangkuman performa lima kategori dan distribusi rating yang dapat dipakai untuk meninjau alokasi stok, promosi, serta kategori yang layak diperiksa kualitas layanannya.

3.664Produk

158Toko

6.173.830Item terjual

4,64 / 5Rata-rata rating

Teknologi yang Digunakan

PythonPandasJupyter NotebookMatplotlibSeaborn

Website / Demo ↗Kode Sumber ↗