5 Contoh Praktis SQL Group By untuk Analisis Data

SQL (Structured Query Language) adalah alat penting dalam pengelolaan dan analisis data. Salah satu fitur paling bermanfaat dalam SQL adalah perintah GROUP BY, yang digunakan untuk mengelompokkan data berdasarkan kolom tertentu, sering kali bersama dengan fungsi agregasi seperti SUM, COUNT, AVG, MAX, dan MIN. Artikel ini akan membahas lima contoh praktis penggunaan SQL GROUP BY untuk analisis data yang dapat diterapkan dalam berbagai konteks.

1. Menghitung Total Penjualan Berdasarkan Kategori Produk

Menghitung total penjualan berdasarkan kategori produk adalah salah satu aplikasi GROUP BY yang sering digunakan dalam analisis bisnis. Dengan GROUP BY, kalian dapat mengelompokkan data penjualan menurut kategori produk dan menggunakan fungsi agregasi seperti SUM untuk menjumlahkan nilai penjualan dalam setiap kelompok.

Sebagai contoh, jika kalian memiliki tabel bernama products yang berisi kolom category dan sales, query berikut dapat digunakan:

Hasil query ini akan memberikan total penjualan untuk setiap kategori produk, memungkinkan perusahaan memahami kontribusi setiap kategori terhadap pendapatan keseluruhan. Data ini sangat penting untuk menentukan strategi pemasaran atau prioritas inventaris.

Baca juga : Bootcamp Data Analyst Python & SQL

2. Mencari Jumlah Karyawan di Setiap Departemen

Manajemen sumber daya manusia sering memerlukan informasi tentang distribusi karyawan di setiap departemen. Dengan GROUP BY, kalian dapat menghitung jumlah karyawan dalam tiap departemen untuk mendapatkan gambaran yang jelas tentang struktur perusahaan.

Misalkan kalian memiliki tabel employees dengan kolom department dan employee_id. kalian dapat menggunakan query berikut untuk menghitung jumlah karyawan di setiap departemen:

Query ini akan menghasilkan daftar departemen beserta jumlah karyawannya masing-masing. Informasi ini berguna untuk mengevaluasi beban kerja, alokasi sumber daya, atau perencanaan rekrutmen dalam perusahaan.

3. Menemukan Tanggal dengan Penjualan Tertinggi dalam Setiap Bulan

Mengidentifikasi tanggal dengan penjualan tertinggi dalam setiap bulan dapat membantu bisnis memahami pola penjualan mereka. Untuk melakukan ini, kalian dapat mengelompokkan data berdasarkan bulan menggunakan fungsi MONTH pada kolom tanggal, lalu menggunakan MAX untuk menemukan nilai penjualan tertinggi di setiap bulan.

Jika kalian memiliki tabel bernama sales dengan kolom sale_date dan total_sales, berikut adalah querynya:

Hasilnya akan menunjukkan penjualan tertinggi di setiap bulan, tetapi jika kalian juga ingin mengetahui tanggal spesifik dari penjualan tersebut, kalian perlu menggunakan subquery atau teknik tambahan seperti window functions. Analisis ini dapat membantu mengidentifikasi tren musiman dan merencanakan kampanye promosi di masa mendatang.

4. Menghitung Jumlah Pesanan per Pelanggan

Untuk memahami perilaku pelanggan, penting untuk mengetahui seberapa sering mereka melakukan pemesanan. Dengan GROUP BY, kalian dapat menghitung jumlah pesanan yang dibuat oleh setiap pelanggan.

Jika kalian memiliki tabel bernama orders dengan kolom customer_id dan order_id, berikut adalah query untuk menghitung jumlah pesanan per pelanggan:

Query ini akan memberikan daftar pelanggan beserta jumlah pesanan mereka masing-masing. Data ini bermanfaat untuk mengidentifikasi pelanggan yang paling aktif atau loyal serta untuk menentukan strategi retensi pelanggan. Selain itu, analisis ini dapat membantu dalam mengembangkan program loyalitas yang lebih efektif.

5. Rata-rata Tinggi Badan Berdasarkan Kelompok Usia

Dalam penelitian demografi atau kesehatan masyarakat, sering kali diperlukan analisis tinggi badan berdasarkan kelompok usia. Dengan GROUP BY, kalian dapat mengelompokkan data berdasarkan kelompok usia dan menghitung rata-rata tinggi badan di setiap kelompok.

Jika kalian memiliki tabel population_data dengan kolom age_group dan height, berikut adalah query untuk menghitung rata-rata tinggi badan per kelompok usia:

Hasil query ini akan menunjukkan rata-rata tinggi badan untuk setiap kelompok usia. Analisis ini dapat digunakan untuk studi pertumbuhan manusia, evaluasi status kesehatan suatu populasi, atau untuk tujuan lainnya dalam bidang ilmu sosial dan kesehatan.

Baca juga : Saatnya Belajar SQL, Kenali Rekomendasi Query SQL Bagi Pemula

SQL GROUP BY adalah alat yang sangat fleksibel dan kuat untuk melakukan analisis data. Dengan memahami cara kerjanya dan bagaimana menggunakannya bersama fungsi agregasi, kalian dapat menyelesaikan berbagai jenis masalah analisis data dengan lebih efisien.

Lima contoh di atas hanya sebagian kecil dari berbagai kemungkinan yang dapat dilakukan dengan GROUP BY. Jika kalian baru mulai belajar SQL, mencoba menerapkan contoh-contoh ini pada dataset nyata akan membantu kalian memahami kegunaan dan kekuatan perintah ini secara lebih mendalam.

Bingung mulai belajar darimana? DQLab adalah jawabannya. Modul ajarnya lengkap dan bervariasi. Dilengkapi studi kasus yang membantu kalian belajar memecahkan masalah dari berbagai industri. Bahkan diintegrasikan dengan ChatGPT. Manfaatnya apa?

• Membantu kalian menjelaskan lebih detail code yang sedang dipelajari

• Membantu menemukan code yang salah atau tidak sesuai

• Memberikan solusi atas problem yang dihadapi pada code

• Membantu kalian belajar kapanpun dan dimanapun

  
  

Selain itu, DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Tunggu apa lagi, segera Sign Up dan asah kemampuan kalian dalam menggunakan SQL atau ikuti Bootcamp Data Analyst Python & SQL!