JULY SPECIAL ! DISKON 96%
Belajar Data Science Bersertifikat, 12 Bulan hanya 180K!
1 Hari 16 Jam 3 Menit 37 Detik

Belajar Inner Join SQL dengan Live Code Editor DQLab

Belajar Data Science di Rumah 20-September-2023
https://dqlab.id/files/dqlab/cache/longtail-senin-06-2023-09-20-152438_x_Thumbnail800.jpg

Join pada SQL digunakan untuk menggabungkan beberapa tabel yang akan digunakan untuk mengakses informasi dari dua atau lebih tabel sekaligus. Clause ini juga menjaga database tetap dinormalisasi. Normalisasi berguna untuk menjaga redundansi data tetap rendah sehingga kita dapat mengurangi jumlah anomali data dalam aplikasi ketika kita menghapus atau memperbarui data. Sederhananya, clause join membantu kita untuk menggabungkan baris dari dua atau lebih tabel berdasarkan kolom terkait.


Structured Query Language atau lebih dikenal dengan SQL dapat membantu kita untuk melakukan beberapa jenis tindakan pada satu tabel dalam database relasional. Dengan clause ini kita dapat memperbarui, membuat, menghapus, atau memilih notes dalam tabel. SQL memiliki beberapa jenis clause join, salah satunya adalah inner join.


Setiap clause join memiliki cara yang berbeda-beda untuk menggabungkan dua tabel atau lebih. Hal ini sedikit complicated karena menyangkut output yang ingin didapatkan nantinya. Salah satu clause join yang banyak digunakan adalah inner join. Secara singkat, inner join bekerja dengan cara menggabungkan beberapa baris dari beberapa tabel yang match dengan key id.


Pada artikel kali ini, kita akan membahas secara singkat materi inner join SQL dengan modul menarik dari DQLab. Modul ini juga bisa kamu gunakan sebagai bahan portfolio, loh! Jadi, jangan sampai ada yang terlewat ya!


1. Penulisan Umum Clause Inner Join

Pada clause inner join, baris dari dua atau lebih tabel akan dibandingkan untuk mengecek baris-baris mana saja yang cocok satu sama lain berdasarkan kondisi join yang ditentukan. Penggunaan prefix pada tabel_1.nama_kolom dan tabel_2.nama_kolom ditujukan agar terdapat kejelasan (clarity) kolom pada tabel mana yang dijadikan acuan dalam proses inner join.


Penggunaan prefix ini sangat bermanfaat jika kita ingin menggabungkan beberapa tabel. Nah agar lebih terbayang, yuk simak ilustrasi syntax berikut ini!

SQL


Baca juga : Bootcamp Data Analyst with SQL and Python


2. Praktik I

Selanjutnya, pada modul DQLab kita akan menggunakan clause INNER JOIN … ON …; untuk menggabungkan kedua ms_item_warna dan ms_item_kategori berdasarkan sintaks INNER JOIN yang telah dijelaskan sebelumnya. Nah kita bisa menggunakan live code editor pada modul DQLab seperti gambar di bawah ini.

SQL


3. Select dan Inner Join

Selain menampilkan semua data yang telah digabungkan menggunakan inner join, kita juga bisa menampilkan beberapa data saja dengan clause select. Namun, sebelum melangkah lebih jauh ada hal yang harus diperhatikan jika kita ingin menampilkan kolom dengan nama yang sama di kedua tabel.


Coba perhatikan gambar di bawah ini!

SQL


Pada bagian Select, tidak bisa hanya mengetikkan nama kolom saja, tetapi juga harus didahului oleh prefix nama tabel dimana kolom itu berasal untuk menghindari error karena ambiguitas. 


4. Praktik II

Nah setelah mencoba langsung script SQL, pada modul ini kita juga akan diberikan tugas akhir yaitu kita diminta untuk menggabungkan tabel tr_penjualan dan ms_produk dengan kolom yang ditampilkan dari tabel tr_penjualan adalah kode_transaksi, kode_pelanggan, kode_produk, qty. Untuk tabel ms_produk tampilkan kolom nama_produk dan harga.


Tabel hasil penggabungan haruslah membentuk kolom-kolom dengan urutannya adalah kode_transaksi, kode_pelanggan, kode_produk, nama_produk, harga, qty, dan total. Script yang kita gunakan adalah sebagai berikut.


SQL


Baca juga : Catat! Ini 3 Keuntungan Belajar SQL dalam Mengolah Data


Yuk coba semua project SQL dari DQLab dan nikmati experience menulis coding yang menarik dengan fasilitas live code editor dari DQLab!


DQLab adalah platform edukasi pertama yang mengintegrasi fitur ChatGPT yang memudahkan beginner untuk mengakses informasi mengenai data science secara lebih mendalam.


DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Jadi sangat cocok untuk kamu yang belum mengenal data science sama sekali. Untuk bisa merasakan pengalaman belajar yang praktis dan aplikatif, yuk sign up sekarang di DQLab.id atau ikuti Bootcamp Data Analyst with SQL and Python berikut untuk informasi lebih lengkapnya!


Penulis: Galuh Nurvinda K


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login