Showcase Karya Mahasiswa: Menguasai Analisis Data Lanjut dengan SQL Window Functions

Penulis: Vhemas Dwi Agung Prasetyo Mata Kuliah: Informatika Kelas: 2024D

NIM: 24111814047

Dalam era digital yang didorong oleh data, kemampuan untuk mengekstrak wawasan berharga

dari database adalah keterampilan fundamental. Sebagian besar dari kita yang berkesimpung

di dunia teknologi informasi akrab dengan perintah dasar SQL seperti SELECT, WHERE, dan

GROUP BY. Namun, untuk melakukan analisis data yang benar-benar kompleks dan

mendalam, kita memerlukan alat yang lebih canggih.

Melalui proyek video pembelajaran individu, mahasiswa Program Studi Informatika Vhemas

Dwi Agung Prasetyo, mengupas tuntas salah satu fitur SQL paling kuat namun sering

diabaikan: Window Functions.

Permasalahan: Ketika GROUP BY Saja Tidak Cukup

Artikel ini—dan video yang menyertainya—dimulai dengan menyoroti keterbatasan mendasar

dari fungsi agregasi standar GROUP BY.

GROUP BY sangat baik untuk meringkas data. Jika kita memiliki 1000 transaksi penjualan,

GROUP BY kategori dapat dengan mudah memberi kita total penjualan untuk setiap kategori.

Namun, dalam prosesnya, ia "meruntuhkan" (collapses) 1000 baris data asli tersebut menjadi

beberapa baris ringkasan. Kita kehilangan semua detail individualnya.

Bagaimana jika kita dihadapkan pada pertanyaan bisnis yang lebih rumit?

• "Siapa 3 karyawan dengan gaji tertinggi di setiap departemen?"

• "Bagaimana perbandingan penjualan bulan ini dengan bulan sebelumnya, baris per

baris?"

• "Berapa total penjualan berjalan (running total) dari hari ke hari?"

Pertanyaan-pertanyaan ini tidak dapat dijawab dengan GROUP BY saja tanpa menggunakan

subquery atau join yang sangat rumit dan tidak efisien.

Solusi Elegan: Memperkenalkan Window Functions

Di sinilah Window Functions berperan. Filosofi utamanya adalah: Melakukan perhitungan

agregat tanpa meruntuhkan baris aslinya.

Sebuah window function bekerja dengan mendefinisikan "jendela" (window) atau sekumpulan

baris data yang terkait dengan baris saat ini. Perhitungan kemudian dilakukan pada jendela

tersebut, dan hasilnya ditambahkan sebagai kolom baru pada setiap baris asli.

Analogi yang digunakan dalam video adalah lift kaca di sebuah gedung apartemen:

• Gedung adalah tabel data Anda.

• Setiap Lantai adalah baris data.

• Lift Kaca adalah window function yang dapat "melihat" beberapa lantai sekaligus

(misalnya, 5 lantai di atas dan 5 di bawah) untuk melakukan perhitungan, tanpa

meruntuhkan lantai itu sendiri.

Membedah Anatomi: PARTITION BY dan ORDER BY

Kekuatan window function terletak pada klausa OVER() dan dua "tuas" utamanya:

1. PARTITION BY (Tuas Pengelompok): Ini seperti GROUP BY versi window function.

Ia membagi data menjadi beberapa blok atau partisi terpisah (misalnya, mempartisi

karyawan berdasarkan departemen). Semua perhitungan akan dilakukan secara

independen di dalam setiap partisi.

2. ORDER BY (Tuas Pengurut): Ini mengurutkan baris di dalam setiap partisi. Urutan ini

sangat krusial untuk fungsi-fungsi seperti RANK() (untuk menentukan siapa yang

"pertama") atau LAG() (untuk menentukan "baris sebelumnya").

Dari Teori ke Praktik: 3 Studi Kasus Nyata

Video pembelajaran ini tidak hanya berhenti pada teori. Vhemas mendemonstrasikan

penerapan window functions melalui tiga studi kasus bisnis yang realistis:

1. Analisis Ranking (Produk Bintang): Menggunakan RANK() dan PARTITION BY

kategori untuk menemukan 3 produk terlaris di dalam setiap kategori—sebuah tugas

yang mustahil dilakukan dengan GROUP BY sederhana.

2. Analisis Pertumbuhan (Perbandingan Antar Baris): Menggunakan fungsi LAG() untuk

"mengintip" data penjualan dari baris (bulan) sebelumnya. Hal ini memungkinkan

perhitungan pertumbuhan bulan-ke-bulan (month-over-month growth) secara langsung

di dalam query SQL.

3. Analisis Tren (Moving Average): Menggunakan frame clause (ROWS BETWEEN ...)

untuk menghitung rata-rata penjualan bergerak 7 hari (7-day moving average). Teknik

ini sangat penting untuk menghaluskan data yang fluktuatif dan melihat tren jangka

panjang.

Kesimpulan

Menguasai window functions adalah langkah transformatif bagi siapa pun yang bekerja dengan

data. Ini adalah jembatan yang memisahkan analis data pemula dari analis data mahir,

memungkinkan penulisan query yang lebih bersih, lebih cepat, dan jauh lebih kuat.

Karya ini menunjukkan kemampuan mahasiswa Informatika untuk tidak hanya memahami

konsep teoretis basis data, tetapi juga menerapkannya untuk memecahkan masalah analisis data

yang kompleks dan relevan dengan industri.

Saksikan video pembelajaran lengkap oleh Vhemas Dwi Agung Prasetyo di bawah ini: