Teknik Membandingkan Performa Sebelum dan Sesudah Perubahan Optimasi DAX

Dashboard Power BI yang semakin kompleks sering kali menghadapi masalah performa. Jumlah data yang besar, banyaknya visual, dan formula DAX yang kurang efisien dapat membuat laporan membutuhkan waktu lebih lama untuk menampilkan hasil. Dalam kondisi seperti ini, optimasi DAX menjadi salah satu langkah penting untuk meningkatkan responsivitas laporan.

Namun, optimasi sebaiknya tidak dilakukan hanya berdasarkan perkiraan. Mengganti sebuah formula DAX dengan formula lain belum tentu membuat query menjadi lebih cepat. Bahkan, rumus yang terlihat lebih sederhana kelihatannya belum tentu menghasilkan performa yang lebih baik ketika dijalankan pada data sebenarnya. Disinilah DAX Studio diperlukan. Sahabat DQLab perlu tahu kira-kira apa pentingnya performa DAX perlu dibandingkan antara sebelum dan setelah optimasi!

1. Siapkan Baseline Sebelum Optimasi

Sebelum mengubah formula DAX, jangan langsung melakukan optimasi. Catat terlebih dahulu kondisi awal. Misalnya terdapat measure:

Total Sales =
SUMX(
Sales,
Sales[Quantity] * Sales[Unit Price]
)

Measure tersebut kemudian digunakan dalam sebuah visual Power BI.

Langkah pertama adalah menjalankan query yang merepresentasikan penggunaan measure tersebut. Dari Power BI, query yang relevan dapat ditangkap atau dianalisis menggunakan DAX Studio. Kemudian aktifkan Server Timings sebelum menjalankan query. Hasil pengukuran baseline dapat dicatat dalam tabel sederhana seperti berikut.

Angka yang tertera di atas hanya contoh. Hasil aktual akan bergantung pada ukuran model, struktur tabel, formula DAX, hardware, dan kondisi cache. Tujuan pencatatan ini adalah mendapatkan angka pembanding yang nantinya digunakan setelah formula dioptimasi.

Baca Juga: Belajar Power BI dari Nol Tanpa Coding, Apakah Bisa?

2. Analisis Bagian yang Menjadi Bottleneck

Setelah mendapatkan baseline, jangan langsung mengganti formula. Perhatikan terlebih dahulu bagian mana yang membutuhkan waktu paling besar. Salah satu informasi penting dari Server Timings adalah pembagian waktu antara Storage Engine (SE) dan Formula Engine (FE).

Secara sederhana, Storage Engine berkaitan dengan proses pengambilan dan agregasi data dari penyimpanan model, sedangkan Formula Engine menangani evaluasi logika DAX yang lebih kompleks. Jika Formula Engine menghabiskan waktu yang relatif besar, formula DAX mungkin melakukan banyak evaluasi baris atau operasi yang kompleks.

Sebaliknya, waktu Storage Engine yang besar dapat menunjukkan bahwa proses pengambilan atau agregasi data membutuhkan perhatian lebih lanjut. Namun, interpretasi tidak boleh dilakukan hanya berdasarkan satu angka. Struktur model dan Query Plan juga perlu diperhatikan agar penyebab bottleneck dapat dipahami dengan lebih tepat.

3. Lakukan Perubahan pada Formula DAX

Setelah mengetahui baseline dan area yang perlu diperhatikan, lakukan perubahan pada formula. Sebagai contoh, terdapat pola DAX yang melakukan iterasi terhadap tabel ketika kebutuhan analisis sebenarnya dapat ditangani dengan agregasi yang lebih langsung. Formula awal:

Total Sales =

SUMX(

Sales,

Sales[Quantity] * Sales[Unit Price]

)

Formula alternatif:

Total Sales =

SUMX(

Sales,

Sales[Quantity] * Sales[Unit Price]

)

Pada contoh sederhana di atas, belum ada perubahan optimasi. Hal ini justru penting untuk dipahami bahwa optimasi DAX tidak berarti sekadar mengganti rumus dengan rumus yang terlihat lebih pendek. Perubahan harus didasarkan pada masalah yang ditemukan dari hasil pengukuran.

Pada kasus nyata, optimasi dapat melibatkan perubahan cara melakukan iterasi, penggunaan filter, struktur measure, atau bahkan perbaikan data model. Karena itu, formula baru harus diuji menggunakan kondisi yang sama dengan formula sebelumnya.

4. Jalankan Query yang Sama Setelah Optimasi

Setelah formula diperbarui, jalankan kembali query menggunakan DAX Studio. Hal yang sangat penting adalah kondisi pengujian harus dibuat semirip mungkin. Jika sebelum optimasi query dijalankan pada filter tertentu, setelah optimasi gunakan filter yang sama. Jika jumlah data dan visual yang diuji berbeda, hasil perbandingan dapat menjadi kurang valid. Misalnya hasil pengukuran setelah optimasi menjadi:

Dari tabel tersebut terlihat bahwa waktu eksekusi turun dari 2.500 ms menjadi 1.400 ms.

Baca Juga: Alur Cara Kerja Power BI Microsoft Fabric Integration

5. Hitung Persentase Peningkatan Performa

Perbandingan tidak harus berhenti pada selisih waktu. Pengguna juga dapat menghitung persentase pengurangan waktu eksekusi. Rumusnya:

Jika waktu sebelum optimasi adalah 2.500 ms setelah optimasi menjadi 1.400 ms maka:

Artinya, waktu eksekusi berkurang sekitar 44 persen.

6. Bandingkan Server Timings

Jangan hanya melihat Total Duration. Server Timings dapat memberikan informasi tambahan mengenai perubahan yang terjadi setelah optimasi. Contohnya:

Jika total duration turun secara signifikan dan penurunan tersebut juga terlihat pada komponen engine, terdapat indikasi bahwa optimasi memberikan dampak nyata terhadap eksekusi query. Namun, jika total duration turun tetapi Formula Engine justru meningkat, pengguna perlu melihat kembali bagaimana query tersebut dieksekusi. Tidak semua perubahan pada satu metrik berarti performa keseluruhan menjadi lebih buruk atau lebih baik.

7. Periksa Query Plan

Selain Server Timings, Query Plan dapat digunakan untuk melihat struktur eksekusi query. Query Plan membantu memberikan gambaran mengenai operasi yang dilakukan engine ketika mengevaluasi query DAX. Dalam proses optimasi, pengguna dapat membandingkan query plan sebelum dan sesudah perubahan untuk melihat apakah struktur eksekusinya berubah.

Hal yang perlu diperhatikan bukan sekadar apakah Query Plan terlihat lebih pendek atau lebih panjang. Yang lebih penting adalah memahami operasi apa yang dilakukan dan bagaimana perubahan formula memengaruhi proses eksekusi.

8. Hindari Kesimpulan dari Satu Kali Pengujian

Salah satu kesalahan dalam benchmark adalah menjalankan query hanya sekali kemudian langsung mengambil kesimpulan. Performa query dapat dipengaruhi oleh kondisi cache dan keadaan sistem ketika pengujian dilakukan. Karena itu, pengujian sebaiknya dilakukan beberapa kali dan menggunakan kondisi yang konsisten. DAX Studio menyediakan fitur yang dapat membantu melakukan pengujian berulang. Hasil beberapa eksekusi dapat digunakan untuk melihat apakah peningkatan performa memang konsisten. Contohnya:

Membandingkan performa sebelum dan sesudah optimasi merupakan bagian penting dalam proses tuning DAX. DAX Studio membantu membuat proses tersebut lebih terukur melalui Server Timings, Query Plan, dan pengujian query. Prinsip tersebut melahirkan pertanyaan terkait dengan apakah formula ini benar-benar menghasilkan performa yang lebih baik berdasarkan hasil pengukuran? Melalui penetapan baseline, melakukan perubahan, menjalankan pengujian dengan kondisi serupa, membandingkan waktu eksekusi, dan melakukan benchmark secara berulang membuat optimasi DAX dapat dilakukan secara lebih sistematis.

FAQ

1. Apakah DAX Studio wajib digunakan untuk optimasi DAX?
Tidak wajib, tetapi sangat membantu untuk melakukan pengukuran dan analisis performa secara lebih mendalam dibandingkan hanya mengandalkan respons visual Power BI.
2. Apa metrik utama yang perlu dibandingkan?
Mulailah dari Total Duration, kemudian lihat Formula Engine dan Storage Engine melalui Server Timings. Query Plan dapat digunakan untuk memahami proses eksekusinya.
3. Apakah DAX yang lebih pendek selalu lebih cepat?
Tidak. Panjang atau pendeknya formula bukan indikator langsung performa. Kecepatan harus dibuktikan melalui pengujian pada model dan kondisi data yang sebenarnya.

Ingin menguasai Business Intelligence dan Power BI dari nol hingga siap digunakan di dunia kerja? Melalui Bootcamp Business Intelligence Analyst with Power BI bersama DQLab, kamu akan belajar secara end-to-end mulai dari data preparation, pembuatan dashboard interaktif, hingga menghasilkan business insight yang bernilai. Pembelajaran dikemas dengan studi kasus nyata, metode storytelling, serta bimbingan mentor untuk membantu membangun portofolio data yang relevan dengan kebutuhan industri.

Selain materi yang terstruktur dan ramah pemula, peserta juga mendapatkan akses rekaman dan materi selamanya, fitur pemantauan progres belajar, kesempatan memperluas jaringan dengan praktisi industri, serta sertifikat kelulusan. Tingkatkan kemampuan analisis data dan persiapkan diri untuk berkarier di bidang Business Intelligence. Yuk, daftar sekarang!

Penulis: Reyvan Maulid