Tutorial Analisis Data Dasar dengan SQL Sampai Mahir untuk Pemula

Menurut laporan LinkedIn Emerging Jobs Report 2025, posisi data analyst menempati salah satu pekerjaan dengan permintaan tertinggi di Asia Tenggara pada 2025, dengan peningkatan permintaan mencapai sekitar 37% di Indonesia dibanding tahun sebelumnya, menunjukkan pergeseran besar menuju budaya kerja data-driven.

Permintaan ini sejalan dengan realitas pasar kerja Indonesia, di mana berbagai perusahaan terus membuka lowongan data analyst, banyak di antaranya menyertakan SQL sebagai keterampilan wajib di deskripsi pekerjaan. Yang berarti kemampuan ini nyata dibutuhkan oleh banyak perusahaan saat ini.

Dalam artikel ini akan dijelaskan secara runtut bagaimana analisis data dasar menggunakan SQL yang cocok untuk dipahami pemula.

1. Pengenalan Data

Pada tutorial ini, kita akan menggunakan studi kasus sederhana analisis data penjualan sebuah toko. Agar lebih jelas dan tidak abstrak, berikut adalah contoh dataset sederhana yang akan kita gunakan sepanjang tutorial ini. Data disimpan dalam tabel bernama penjualan. Setiap baris merepresentasikan satu transaksi penjualan. Berikut struktur tabelnya:

• id_transaksi : ID unik transaksi

• tanggal : tanggal transaksi

• produk : nama produk

• kategori : kategori produk

• jumlah : jumlah barang terjual

• harga : harga per unit

2. Melihat Data (SELECT & FROM)

Langkah pertama dalam analisis data adalah melihat isi data yang tersedia. Dalam SQL, perintah dasar untuk mengambil data adalah SELECT dan FROM. SELECT digunakan untuk menentukan kolom yang ingin ditampilkan, sedangkan FROM digunakan untuk menentukan tabel sumber data. Untuk melihat seluruh isi tabel penjualan, kita dapat menggunakan query berikut:

SELECT *

FROM penjualan;

Query ini akan menampilkan semua kolom dan semua baris pada tabel penjualan. Biasanya, query ini digunakan di awal analisis untuk memahami pola data, jenis nilai yang tersimpan, serta kemungkinan adanya data yang tidak wajar.

Baca juga: Bootcamp Data Analyst with Python & SQL

3. Memilih Kolom yang Dibutuhkan

Dalam analisis data, tidak semua kolom selalu dibutuhkan. Mengambil hanya kolom yang relevan akan membuat hasil query lebih ringkas, mudah dibaca, dan lebih efisien. Oleh karena itu, kita bisa menuliskan nama kolom secara spesifik pada perintah SELECT.

Contoh query untuk memilih kolom tertentu:

SELECT tanggal, produk, jumlah, harga

FROM penjualan;

Query tersebut hanya menampilkan informasi tanggal transaksi, nama produk, jumlah penjualan, dan harga. Artinya, kita sudah mulai menyesuaikan data dengan tujuan analisis yang ingin dilakukan.

4. Filter Data dengan WHERE

Klausa WHERE digunakan untuk memfilter data berdasarkan kondisi tertentu. Dengan WHERE, kita dapat mempersempit data sehingga hanya menampilkan baris yang sesuai dengan kriteria analisis. Sebagai contoh, jika kita ingin melihat data penjualan untuk kategori tertentu, kita dapat menuliskan query berikut:

SELECT *

FROM penjualan

WHERE kategori = 'Elektronik';

Query ini hanya menampilkan transaksi dengan kategori Elektronik. SQL akan mengevaluasi setiap baris dan hanya menampilkan data yang memenuhi kondisi tersebut.

5. Mengurutkan dan Membatasi Data

Dalam beberapa kasus, kita perlu mengurutkan data atau hanya menampilkan sebagian data saja. Perintah ORDER BY digunakan untuk mengurutkan data, sedangkan LIMIT digunakan untuk membatasi jumlah baris yang ditampilkan. Contoh penggunaan:

SELECT *

FROM penjualan

ORDER BY jumlah DESC

LIMIT 5;

Query ini menampilkan 5 transaksi dengan jumlah penjualan terbesar. Teknik ini sering digunakan untuk mencari produk terlaris atau transaksi dengan nilai tertinggi.

6. Analisis dengan Agregasi

Fungsi agregasi digunakan untuk melakukan perhitungan terhadap banyak data sekaligus. Fungsi agregasi yang umum digunakan antara lain COUNT, SUM, AVG, MIN, dan MAX. Dengan fungsi ini, data mentah dapat dirangkum menjadi informasi yang lebih bermakna.

Sebagai contoh, untuk menghitung total seluruh barang yang terjual, kita dapat menggunakan query berikut:

SELECT SUM(jumlah) AS total_barang_terjual

FROM penjualan;

Hasil query ini menunjukkan total keseluruhan barang yang terjual dari semua transaksi yang ada di tabel.

Baca juga: Data Analyst vs Data Scientist

7. Analisis per Kategori

Untuk membandingkan data berdasarkan kelompok tertentu, kita dapat menggunakan GROUP BY. Dengan GROUP BY, data akan dikelompokkan berdasarkan kolom tertentu, misalnya kategori produk. Contoh query analisis penjualan per kategori:

SELECT kategori, SUM(jumlah) AS total_terjual

FROM penjualan

GROUP BY kategori;

Query ini menampilkan total barang yang terjual untuk setiap kategori. Dari hasilnya, kita bisa melihat kategori mana yang memiliki performa penjualan paling tinggi.

8. Filter Hasil Agregasi (HAVING)

Jika WHERE digunakan untuk memfilter data sebelum proses agregasi, maka HAVING digunakan untuk memfilter hasil setelah agregasi dilakukan. HAVING sangat berguna ketika kita ingin menampilkan hanya kelompok data tertentu. Contoh penggunaan HAVING:

SELECT kategori, SUM(jumlah) AS total_terjual

FROM penjualan

GROUP BY kategori

HAVING SUM(jumlah) > 10;

Query ini hanya menampilkan kategori dengan total penjualan lebih dari 10 unit, sehingga kategori dengan penjualan rendah tidak ikut ditampilkan.

9. Menjawab Pertanyaan Bisnis

Tujuan akhir dari analisis data adalah menjawab pertanyaan bisnis dan menghasilkan insight yang dapat digunakan untuk pengambilan keputusan. Dengan mengombinasikan perintah SQL yang telah dipelajari, kita dapat menjawab berbagai pertanyaan bisnis sederhana.

Sebagai contoh, untuk mengetahui produk dengan pendapatan terbesar, kita dapat menggunakan query berikut:

SELECT produk, SUM(jumlah * harga) AS total_pendapatan

FROM penjualan

GROUP BY produk

ORDER BY total_pendapatan DESC;

Query tersebut membantu menjawab pertanyaan bisnis mengenai produk mana yang memberikan kontribusi pendapatan terbesar. Insight ini dapat digunakan untuk menentukan strategi penjualan, promosi, maupun pengelolaan stok.

Melalui tutorial ini, kita sudah melihat bagaimana SQL dapat digunakan untuk melakukan analisis data secara bertahap, mulai dari mengenal dataset, menampilkan data, melakukan filter, agregasi, hingga menjawab pertanyaan bisnis sederhana.

Dari studi kasus penjualan yang sederhana, terlihat jelas bahwa SQL bukan sekadar bahasa query, tetapi alat penting untuk mengubah data mentah menjadi insight yang bernilai bagi pengambilan keputusan.

Namun, di dunia kerja nyata, analisis data tidak berhenti pada satu tabel atau satu studi kasus saja. Seorang data analyst dituntut untuk mampu mengolah data yang lebih besar, mengombinasikan berbagai sumber data, serta menyajikan hasil analisis secara sistematis dan relevan dengan kebutuhan bisnis.

Jika kamu ingin memperdalam skill analisis data secara lebih komprehensif, tidak hanya SQL, tetapi juga Python serta penerapannya dalam studi kasus nyata, mengikuti program pembelajaran terarah bisa menjadi langkah yang tepat.

Salah satu opsi yang bisa kamu eksplorasi adalah Bootcamp Data Analyst with Python and SQL dari DQLab, yang dirancang untuk membantu pemula hingga siap menghadapi kebutuhan industri. Dengan fondasi yang kuat dan pembelajaran yang konsisten, skill analisis data bukan lagi sekadar teori, tetapi bekal nyata untuk berkembang di dunia profesional.

FAQ:

1. Apakah saya perlu menguasai programming sebelum belajar SQL?

Tidak perlu. SQL relatif lebih mudah dipelajari dibandingkan bahasa pemrograman lain karena strukturnya mendekati bahasa manusia. Untuk mengikuti tutorial ini, kamu hanya perlu memahami logika dasar seperti filter data dan perhitungan sederhana.

2. Apakah SQL saja sudah cukup untuk menjadi data analyst?

SQL adalah fondasi yang sangat penting, tetapi di dunia kerja biasanya data analyst juga menggunakan tools lain seperti Python, Excel, dan data visualization tools. SQL membantu mengambil dan mengolah data, sementara tools lain digunakan untuk analisis lanjutan dan penyajian insight.