Icon

Tren Teknologi & Insight Penjualan Amazon 2026

CSV Reader
tidak ada missing values,validasi range price_usd,rating & review_count
Statistics
Mengurutkan segmen harga dari rata-rata review tertinggi ke terendah
Sorter
mengecek apakahada duplicate (tidak ada)
Duplicate Row Filter
crosscheck untukmemastikan tidakada missing values
Missing Value
memfilter agar hanyadata valid & relevanuntuk dianalisis
Row Filter
Menambah kategoriberdasarkan harga(Budget, Mid-Range,Premium, High-End)
Numeric Binner
Menambah kategori skor dimana produk dengan rating tinggi & review banyak mendapat skor tinggi(dibagi 1000 agar skala mudah dibaca)
Math Formula
Membuat kolom is_high_demand: nilai 1 jika Demand_Level = "High Demand", nilai 0 jika tidak
Rule Engine
Menkategorikan Demand_ScoreMenjadi 3 kategori (High,Medium, Low Demand) agarDemand_Score mudah dibaca
Rule Engine
Visualisasi perbandingan jumlah High Demand dan jumlah produk per kategori
Bar Chart
Memfilter kolom agar analisis output bersih dan efisien(hanya kolom2 yg relevan aja)
Column Filter
Tabel ringkasan BQ1: kategori, deman, market opportunity
Table View
Mengelompokkan data per Category, menghitung jumlah produk, rata-rata rating, review, popularity, dan total High Demand
GroupBy
Mengkategorikan tiap kategori produk menjadi High Opportunity, Moderate, atau Saturated berdasarkan jumlah produk dan High Demand
Rule Engine
Visualisasi rata-rata Review Count per segmen harga untuk menentukan segmen paling diminati
Bar Chart
Tabel ringkasan BQ2: segmen harga, jumlah produk, rata-rata review, rating, dan popularity
Table View
Mengelompokkan data per Price_Category, menghitung rata-rata review, rating, dan popularity score
GroupBy
Mengukur korelasi antara Price_USD dan Review_Count untuk membuktikan harga murah tidak otomatis berarti penjualan tinggi
Linear Correlation

Nodes

Extensions

Links