Contoh Penggunaan Query SQL, Pemula Yuk Pahami!
Bahasa Pemrograman SQL (Structured Query Language) merupakan bahasa yang umum digunakan untuk segala hal yang berkaitan dengan database relasional, mulai dari mengakses, mengelola, hingga melakukan analisis data. Hampir semua perusahaan yang telah terpapar teknologi memanfaatkan database untuk menyimpan data-data penting perusahaan. Sehingga penggunaan query SQL sangat penting dalam pengembangan perangkat lunak dan analisis data.
Pentingnya SQL dalam proses analisis data membuat bahasa pemrograman ini menjadi salah satu skill yang harus dimiliki oleh para praktisi data, misalnya seperti Data Analyst, Data Engineer, hingga Data Scientist. Untuk memproses data, mereka bisa menggunakan query sederhana maupun yang kompleks. Namun bagi para pemula yang sedang tertarik mempelajari SQL, ada baiknya mulai dari query sederhana. Dalam artikel ini, kita akan melihat contoh penggunaan query SQL sederhana namun penting untuk proses analisis data. Yuk, simak pembahasannya!
1. SELECT Statement untuk Pemilihan Data
Salah satu penggunaan paling dasar dari query SQL adalah untuk mengambil data dari sebuah tabel. Perintah SELECT dapat digunakan untuk menjalankan tugas ini. Misalnya, kita ingin mengambil semua data dari tabel "employees", kita bisa menggunakan perintah berikut:
Output yang dihasilkan dari perintah ini adalah semua baris dan kolom dari tabel "employees" akan muncul. Selain menampilkan semua data, kita juga dapat menentukan kolom-kolom tertentu yang ingin diambil dengan mengganti tanda * dengan nama kolom yang diinginkan.
Baca juga : Bootcamp Data Analyst with SQL and Python
2. WHERE Clause untuk Filter Data
Di beberapa kondisi, kita hanya membutuhkan subset data yang memenuhi kriteria tertentu. Untuk memfilter data sesuai kriteria yang diinginkan pada query SQL, kita dapat menggunakan klausa WHERE. Misalnya, kita hanya membutuhkan data karyawan yang berusia lebih dari 30 tahun dari tabel "employees", maka kita bisa meoinggunakan perintah berikut:
Output yang dihasilkan oleh query Ini adalah semua baris dari tabel "employees" di mana nilai kolom "age" lebih besar dari 30.
3. JOIN Clause untuk Menggabungkan Data
Dalam banyak kasus, data yang dibutuhkan untuk analisis tersebar di beberapa tabel yang saling berkaitan. Sehingga untuk bisa mendapatkan hasil analisis yang bisa menjawab permasalahan yang ada, kita perlu melakukan JOIN Table dalam query SQL. Misalnya, untuk menggabungkan data dari tabel "employees" dan "departments" berdasarkan kolom "department_id", maka kita bisa menggunakan perintah berikut:
Dari perintah ini, kita akan mendapatkan gabungan dari dua tabel yang memenuhi kriteria join yang telah ditentukan, yaitu nilai kolom "department_id" yang cocok di kedua tabel.
4. GROUP BY Clause untuk Pengelompokan Data
Ada beberapa keadaan yang membuat kita harus mengelompokkan data berdasarkan nilai tertentu dalam satu atau lebih kolom. Untuk melakukan hal ini, kita dapat menggunakan klausa GROUP BY dalam query SQL. Misalnya, untuk menghitung jumlah karyawan dalam setiap departemen dari tabel "employees", kita bisa menggunakan perintah berikut:
Perintah tersebut akan menghitung jumlah karyawan dalam setiap departemen dan mengelompokkannya berdasarkan kolom "department_id".
Baca juga : Bootcamp Data Analyst with SQL and Python
Query SQL adalah tools yang sangat powerfull untuk mengakses dan mengelola data dalam database relasional. Dengan memahami cara menggunakan perintah sederhana namun fundamental seperti SELECT, WHERE, JOIN, serta GROUP BY, kita dapat mengambil, menyaring, menggabungkan, dan mengelompokkan data dengan efisien dan efektif. Memiliki pemahaman akan bahasa SQL, membuat kita dapat memanfaatkan potensi penuh dari database yang kita miliki.
Gak perlu bingung harus belajar SQL dimana karena DQLab juga menyediakan modul SQL yang sangat cocok bagi pemula. DQLab merupakan platform belajar online yang berfokus pada pengenalan Data Science & Artificial Intelligence (AI) dengan menggunakan bahasa pemrograman populer, serta platform edukasi pertama yang mengintegrasi fitur Chat GPT. Selain itu DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula.
Selain itu, Bootcamp Data Analyst with SQL and Python juga termasuk kelas yang direkomendasikan bagi pemula yang ingin melakukan pembelajaran data untuk menjadi seorang Data Analyst. Tentunya nanti kita akan dihadapkan dengan study case yang bisa menambah portfolio data.
Untuk mendapatkan pengalaman belajar menarik, buruan sign up di DQLab. Daftar sekarang dan kejar impianmu untuk menjadi Data Analyst!
Penulis : Gifa Delyani Nursyafitri