Mengelompokkan Data Kolom dengan SQL GROUP BY

Kemampuan SQL dalam melakukan segala hal yang berkaitan dengan database membuat bahasa ini menjadi salah satu favorit para praktisi data. Mulai dari proses pembuatan database dan tabel, menginputkan datanya, hingga mengakses dan memanipulasi data yang tersedia di dalam tabel tersebut. Untuk melakukan tugas-tugas tersebut, SQL dilengkapi dengan berbagai klausa dan perintah dasar.

Salah satu klausa SQL yang umum digunakan adalah GROUP BY. Mengelompokkan data dengan GROUP BY dalam SQL adalah teknik yang sangat efektif untuk menganalisis dan meringkas data. Klausa ini tidak hanya bisa digunakan untuk satu kolom, tetapi juga untuk mengelompokkan data berdasarkan beberapa kolom secara bersamaan. Dalam artikel ini akan dijelaskan cara kerja dan keuntungan dari pengelompokan multi-kolom menggunakan GROUP BY. Yuk, simak pembahasannya!

1. Konsep Dasar Pengelompokan Multi-Kolom

Pict by Scaler

Ketika pengguna menggunakan GROUP BY untuk mengelompokkan lebih dari satu kolom, SQL akan mengelompokkan data berdasarkan kombinasi unik dari nilai-nilai di kolom-kolom tersebut. Nantinya, output yang dihasilkan akan membantu pengguna untuk melihat bagaimana data terdistribusi dalam sub kelompok yang lebih spesifik. Berikut adalah syntax dasar dari SQL GROUP BY multi-kolom:

SELECT kolom1, kolom2, fungsi_agregat(kolom3)

FROM nama_tabel

GROUP BY kolom1, kolom2;

Misalnya, untuk menganalisis penjualan per produk di setiap bulan, berikut contoh syntax yang bisa digunakan

SELECT Produk, Bulan, SUM(Jumlah_Penjualan) AS Total_Penjualan

FROM Penjualan

GROUP BY Produk, Bulan;

Di sini, data dikelompokkan berdasarkan produk dan bulan, sehingga akan memberikan hasil total penjualan per produk untuk setiap bulan.

Baca juga : Bootcamp Data Analyst with SQL and Python

2. Keuntungan Pengelompokan Data Berdasarkan Beberapa Kolom

Mengelompokkan data berdasarkan lebih dari satu kolom memungkinkan pengguna untuk melakukan analisis yang lebih detail. Hasil pengelompokan data akan membantu untuk memahami perilaku data yang lebih kompleks, seperti tren penjualan per produk di berbagai wilayah atau performa pemasaran di berbagai saluran.

Contoh penggunaannya dapat dilihat pada sebuah perusahaan yang bisa mengelompokkan data penjualan berdasarkan kategori produk dan wilayah untuk melihat kinerja produk tertentu di berbagai area geografis. Ini membantu dalam menentukan strategi pemasaran yang lebih efektif di setiap wilayah.

3. Menggunakan Fungsi Agregat

Saat mengelompokkan data dengan GROUP BY, pengguna mungkin akan menemukan keadaan yang membutuhkan untuk menampilkan hasil menghitung total, rata-rata, jumlah, atau nilai maksimum/minimum dari data dalam setiap kelompok. SQL GROUP BY dapat dikombinasikan dengan fungsi agregat seperti SUM, AVG, COUNT, MIN, dan MAX untuk memecahkan permasalahan tersebut. Berikut contoh syntax yang menggabungkan GROUP BY multi-kolom dengan fungsi agregat:

SELECT Kategori, Wilayah, AVG(Penjualan) AS Rata_Penjualan

FROM Penjualan

GROUP BY Kategori, Wilayah;

Query ini akan memberikan rata-rata penjualan untuk setiap kombinasi kategori produk dan wilayah.

4. Menggunakan HAVING untuk Memfilter Data yang Sudah Dikelompokkan

Setelah data dikelompokkan menggunakan GROUP BY, pengguna masih bisa menggunakan klausa HAVING untuk memfilter grup berdasarkan kondisi tertentu. Hal ini akan bermanfaat ketika pengguna hanya tertarik pada grup-grup yang memenuhi kriteria tertentu, seperti grup dengan total penjualan lebih dari angka tertentu. Berikut contoh query nya:

SELECT Kategori, Bulan, SUM(Penjualan) AS Total_Penjualan

FROM Penjualan

GROUP BY Kategori, Bulan

HAVING SUM(Penjualan) > 10000;

Query ini hanya akan menampilkan kombinasi kategori dan bulan yang memiliki total penjualan lebih dari 10.000, sehingga praktisi data bisa langsung fokus pada kelompok dengan performa tinggi.

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

Mengelompokkan data dari beberapa kolom dengan GROUP BY dalam SQL memberikan fleksibilitas yang luar biasa dalam analisis data. Dengan memanfaatkan teknik ini, pengguna dapat mengeksplorasi data dalam berbagai dimensi dan sub kelompok, sehingga bisa memberikan insight yang lebih dalam dan mendetail.

Tertarik belajar SQL? DQLab 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