Movie Production Companies: a Clustering Story
Dalam beberapa waktu ini, saya sedang sering melihat data terkait film yang dihimpun di situs the-numbers.
“Sepertinya ada beberapa topik yang bisa dijadikan tulisan di blog”, Pikir saya.
Melanjutkan posting saya terkait Hollywood kemarin, ternyata dari sekian banyak film production_companies di dunia, hanya segelintir saja yang mendominasi.
Data Movie Production Companies
Dari web tersebut, kita mendapatkan data 12.891 movie production
companies yang tersebar di seluruh dunia. Mulai dari perusahaan film
yang besar dan terkenal sampai perusahaan film “kecil” yang hanya
memproduksi satu film saja.
head(data,10)
## production_companies no_of_movies total_domestic_box_office
## 1 Warner Bros. 231 $18,453,647,421
## 2 Columbia Pictures 223 $17,371,001,173
## 3 Universal Pictures 228 $17,049,084,761
## 4 Walt Disney Pictures 124 $15,230,973,162
## 5 Marvel Studios 59 $12,978,459,542
## 6 Paramount Pictures 132 $11,808,196,121
## 7 20th Century Fox 104 $9,873,807,280
## 8 Relativity Media 115 $7,234,385,696
## 9 DreamWorks Pictures 82 $6,682,910,223
## 10 Dune Entertainment 70 $6,307,177,998
## total_worldwide_box_office
## 1 $43,048,125,888
## 2 $39,302,081,581
## 3 $41,373,043,036
## 4 $37,187,782,141
## 5 $33,725,086,281
## 6 $28,251,464,054
## 7 $24,814,189,534
## 8 $15,131,894,432
## 9 $13,335,520,162
## 10 $16,471,533,740
str(data)
## 'data.frame': 12891 obs. of 4 variables:
## $ production_companies : chr "Warner Bros." "Columbia Pictures" "Universal Pictures" "Walt Disney Pictures" ...
## $ no_of_movies : int 231 223 228 124 59 132 104 115 82 70 ...
## $ total_domestic_box_office : chr "$18,453,647,421" "$17,371,001,173" "$17,049,084,761" "$15,230,973,162" ...
## $ total_worldwide_box_office: chr "$43,048,125,888" "$39,302,081,581" "$41,373,043,036" "$37,187,782,141" ...
Variabel yang didapatkan antara lain:
production_companies: nama perusahaan produsen film.no_of_movies: banyaknya film yang diproduksi.total_domestic_box_office: pendapatan film di pasar domestik.total_worldwide_box_office: pendapatan film total worldwide.
Sekarang, saya hanya akan memilih perusahaan yang minimal telah
memproduksi 30 film lalu saya buat scatter plot dari data tersebut.
Didapat hanya 113 buah perusahaan. Sumbu x akan saya isi dengan
no_of_movies dan sumbu y akan saya isi dengan
total_worldwide_box_office, sementara size dari point tergantung
dari besarnya
total_domestic_box_office.
Scatter plot dari data
Gimana? sudah terlihat production_companies favorit kamu?
Btw menarik yah, Marvel Studios dengan jumlah film lebih sedikit sudah melewati capaian 20th Century Fox dan Paramount Pictures.
Clustering Analysis dari data
Saya penasaran, apakah mungkin dibuat pengelompokan production_companies dari
data-data yang ada? Untuk itu, saya akan menggunakan algoritma k-means
clustering.
Contoh lain penggunaan k-means clustering sudah pernah saya tulis di blog saya yang lama.
Agar memudahkan, angka real dari masing-masing variabel no_of_movies,
total_domestic_box_office, dan total_worldwide_box_office akan saya
buat dalam rentang 1-10 dengan fungsi cut() di R.
Penentuan berapa banyak cluster
Seperti biasa, pada analisa k-means clustering langkah paling krusial adalah menentukan berapa banyak cluster yang harus dibuat. Untuk menentukannya, kita bisa menggunakan tiga metode:
- Elbow method
- Silhoutte method
- Gap Stat method
Dengan alasan kemudahan untuk melihat hasil, dari tiga metode tersebut saya akan gunakan elbow method yah.
Nah, salah satu kelemahan elbow method adalah penentuan banyaknya clusters bisa jadi subjektif tergantung visual masing-masing orang.
Trus kalau gtu kenapa gak pakai: silhoutte method atau gap stat method saja yang lebih jelas dalam menentukan banyaknya cluster?
Seperti biasa, hal tersebut sengaja dilakukan sebagai latihan buat kalian yang membaca tulisan ini yah guys.
Kali ini saya akan memilih banyaknya cluster k
= 5.
5-means clustering
## no_of_movies total_domestic_box_office total_worldwide_box_office
## 1 1.83 2.42 2.42
## 2 2.75 4.50 4.75
## 3 6.00 6.00 6.00
## 4 3.86 1.29 1.29
## 5 1.10 1.00 1.02
Kita bisa melihat karakteristik dari masing-masing cluster-nya sebagai berikut:
- Cluster 1:
production_companiesyang tidak banyak membuat film tapi pendapatan lokal dan worldwide-nya biasa saja. - Cluster 2:
production_companiesyang lumayan membuat film (tapi tidak bisa dibilang banyak) tapi pendapatan lokal dan worldwide-nya termasuk tinggi. - Cluster 3:
production_companiesyang bisa dibilang “they are the kings”. Tinggi di semua aspek. - Cluster 4:
production_companiesyang lumayan banyak membuat film tapi memiliki pendapatan lokal dan worldwide yang kecil. - Cluster 5:
production_companiesyang kecil di semua aspek.
Coba kalau kita perhatikan lagi dengan seksama. Variabel total_domestic_box_office dan total_worldwide_box_office memiliki nilai tengah yang hampir sama di semua cluster. Apa yang bisa kita simpulkan?
Untuk membangun cluster ini, sebenarnya cukup memilih satu variabel saja di antara kedua variabel tersebut.
Kita liat production_companies mana saja di masing-masing cluster yah
Cluster 1
## production_companies
## 1 Relativity Media
## 2 DreamWorks Pictures
## 3 Dune Entertainment
## 4 Legendary Pictures
## 5 New Line Cinema
## 6 Amblin Entertainment
## 7 DreamWorks Animation
## 8 Village Roadshow Productions
## 9 Metro-Goldwyn-Mayer Pictures
## 10 Touchstone Pictures
## 11 RatPac Entertainment
## 12 Summit Entertainment
Cluster 2
## production_companies
## 1 Walt Disney Pictures
## 2 Marvel Studios
## 3 Paramount Pictures
## 4 20th Century Fox
Cluster 3
## production_companies
## 1 Warner Bros.
## 2 Columbia Pictures
## 3 Universal Pictures
Cluster 4
## production_companies
## 1 Regency Enterprises
## 2 Lionsgate
## 3 Blumhouse
## 4 Canal Plus
## 5 StudioCanal
## 6 BBC Films
## 7 BFI
Cluster 5 (yang terbanyak)
## production_companies
## 1 di Bonaventura Pictures
## 2 Fox 2000 Pictures
## 3 Imagine Entertainment
## 4 TSG Entertainment
## 5 The Kennedy/Marshall Company
## 6 Original Film
## 7 Working Title Films
## 8 Happy Madison
## 9 Spyglass Entertainment
## 10 Twentieth Century Fox
## 11 Perfect World Pictures
## 12 Scott Rudin Productions
## 13 Temple Hill Entertainment
## 14 Silver Pictures
## 15 New Regency
## 16 Tri-Star Pictures
## 17 Castle Rock Entertainment
## 18 Revolution Studios
## 19 Walden Media
## 20 Screen Gems
## 21 Scott Free Films
## 22 Ingenious Media
## 23 Participant Media
## 24 Davis Entertainment
## 25 Fox Searchlight Pictures
## 26 Focus Features
## 27 Weinstein Company
## 28 Plan B Entertainment
## 29 Lakeshore Entertainment
## 30 21 Laps Entertainment
## 31 Millennium Films
## 32 Gold Circle Films
## 33 EuropaCorp
## 34 Annapurna Pictures
## 35 Miramax Films
## 36 Tribeca Film
## 37 FilmNation Entertainment
## 38 UK Film Council
## 39 Entertainment One
## 40 Cine Plus
## 41 Anonymous Content
## 42 TF1 Film Productions
## 43 IM Global
## 44 Film4
## 45 Pathe
## 46 Samuel Goldwyn Films
## 47 A24
## 48 Wild Bunch
## 49 Film 4
## 50 Amazon Studios
## 51 Orion Pictures
## 52 The Fyzz Facility
## 53 Voltage Pictures
## 54 Automatik
## 55 Irish Film Board
## 56 HanWay Films
## 57 Gaumont
## 58 Screen Australia
## 59 France 3 Cinema
## 60 Cinecinema
## 61 Telefilm Canada
## 62 Head Gear Films
## 63 Bord Scannan na hEireann
## 64 France 2 Cinema
## 65 Bron Studios
## 66 Lipsync Productions
## 67 France Television
## 68 Arte France Cinema
## 69 XYZ Films
## 70 Film i Vast
## 71 Creative Scotland
## 72 Metrol Technology
## 73 Magnolia Pictures
## 74 RAI Cinema
## 75 Arte
## 76 CNC
## 77 ARTE France
## 78 IFC Films
## 79 ZDF
## 80 Eurimages
## 81 Passion Pictures
## 82 Saban Films
## 83 The Orchard
## 84 Netflix
## 85 Grindstone Entertainment Group
## 86 IFC Midnight
## 87 The Hallmark Channel
Yuk kita plot kembali ke dalam scatter plot
