Belajar SQL untuk Pemula: Query Dasar hingga Analisis Data

Bayangkan kamu bekerja sebagai Data Analyst di sebuah perusahaan e-commerce. Manajer Marketing ingin mengetahui kategori produk dengan revenue tertinggi selama tiga bulan terakhir, sementara tim Sales ingin mengetahui customer yang sudah tidak melakukan transaksi selama enam bulan. Datanya tersedia, tetapi tersimpan dalam database dengan jutaan baris transaksi. Membuka semua data melalui spreadsheet bukan cara yang praktis. Dalam kondisi seperti inilah SQL menjadi sangat berguna karena kamu dapat meminta database menampilkan hanya data yang dibutuhkan, melakukan perhitungan, menggabungkan beberapa tabel, dan menghasilkan ringkasan yang siap dianalisis.

Bagi orang yang baru memasuki bidang Data & Analytics, belajar SQL untuk pemula sering terlihat menakutkan karena query dipenuhi kata-kata seperti SELECT, JOIN, GROUP BY, CASE, dan berbagai simbol. Padahal logikanya relatif mudah dipahami jika dipelajari secara bertahap. PostgreSQL menyediakan tutorial SQL yang memang dirancang sebagai pengantar dan tidak mensyaratkan pengalaman programming khusus, dengan topik mulai dari querying table, joins, aggregate functions, hingga fitur lanjutan seperti window functions.

Apa Itu SQL dan Mengapa Data Analyst Perlu Mempelajarinya?

SQL atau Structured Query Language adalah bahasa yang digunakan untuk berinteraksi dengan relational database. Melalui SQL, kamu dapat meminta database menampilkan data tertentu, memfilter record, menghitung nilai, mengelompokkan transaksi, maupun menggabungkan informasi dari beberapa tabel. Google Cloud menjelaskan bahwa query statement merupakan metode utama untuk melakukan analisis data di BigQuery, sementara Microsoft menyediakan jalur SQL tingkat beginner yang memang ditujukan untuk berbagai role termasuk Data Analyst. Google Cloud Documentation

Hal yang perlu dipahami sejak awal adalah SQL bukan sekadar skill untuk “mengambil data”. Query yang baik membantu analyst menjawab pertanyaan bisnis. Jika perusahaan memiliki tabel transaksi dengan jutaan record, analyst dapat mencari total revenue setiap kategori tanpa membaca setiap baris. Jika data customer dan transaksi berada pada tabel berbeda, keduanya dapat digabungkan untuk mengetahui kelompok customer yang paling aktif. Karena itu, kemampuan SQL semakin berguna ketika ukuran dan kompleksitas data tidak lagi nyaman ditangani secara manual.

Microsoft juga menempatkan profiling, cleaning, transforming data, dan mengubah raw data menjadi meaningful insight sebagai bagian dari tanggung jawab Data Analyst. Microsoft Learn SQL menjadi salah satu sarana untuk melakukan pekerjaan tersebut ketika data berada di relational database.

Memahami Database, Tabel, Kolom, dan Baris

Sebelum menulis query, pahami struktur data terlebih dahulu. Relational database dapat dianalogikan sebagai kumpulan tabel yang saling berhubungan. Jika kamu pernah menggunakan spreadsheet, konsep dasarnya tidak terlalu asing karena data juga tersusun dalam baris dan kolom. Microsoft bahkan menyebut pengalaman bekerja dengan tabel seperti spreadsheet sebagai prasyarat yang membantu ketika mulai mempelajari Transact-SQL. Microsoft Learn

Bayangkan perusahaan memiliki tabel transactions dengan struktur berikut:

Setiap baris merepresentasikan satu record transaksi, sedangkan setiap kolom menyimpan atribut tertentu seperti customer, tanggal, kategori, dan revenue. Database perusahaan biasanya memiliki banyak tabel. Data identitas customer mungkin berada di tabel customers, informasi produk berada di products, sementara transaksi disimpan di transactions. Kemampuan SQL memungkinkan analyst mengambil informasi dari masing-masing tabel maupun menghubungkannya ketika dibutuhkan.

Mulai dari SELECT untuk Mengambil Data

Query paling mendasar adalah SELECT. Fungsinya adalah menentukan kolom apa yang ingin kamu tampilkan dari sebuah tabel. Dokumentasi PostgreSQL mendefinisikan SELECT sebagai statement untuk mengambil baris dari table atau view. PostgreSQL

Contohnya, jika kamu ingin melihat kategori dan revenue dari tabel transaksi:

SELECT category, revenue
FROM transactions;

Jika ingin melihat seluruh kolom:

SELECT *
FROM transactions;

Simbol * berarti semua kolom. Walaupun praktis untuk eksplorasi awal, biasakan memilih kolom yang benar-benar diperlukan ketika dataset membesar karena output menjadi lebih mudah dibaca dan tujuan query lebih jelas.

Pada tahap ini, jangan terburu-buru belajar query yang panjang. Pastikan kamu memahami logika SELECT kolom FROM tabel terlebih dahulu. Setelah itu, tambahkan satu konsep baru pada query yang sama.

Gunakan WHERE untuk Menyaring Data

Analisis jarang membutuhkan seluruh record sekaligus. Kamu biasanya ingin mengambil data berdasarkan kondisi tertentu. Untuk kebutuhan tersebut, gunakan WHERE.

Misalnya hanya ingin melihat transaksi kategori Electronics:

SELECT transaction_id, category, revenue
FROM transactions
WHERE category = 'Electronics';

Kamu juga dapat menggunakan kondisi numerik:

SELECT transaction_id, category, revenue
FROM transactions
WHERE revenue > 500000;

Query tersebut berarti: tampilkan transaksi dengan revenue lebih dari Rp500.000. Ketika kebutuhan analisis semakin kompleks, kondisi dapat digabungkan menggunakan AND atau OR. Contohnya, analyst ingin mencari transaksi Electronics dengan revenue minimal Rp1 juta:

SELECT transaction_id, category, revenue
FROM transactions
WHERE category = 'Electronics'
  AND revenue >= 1000000;

Mempelajari filtering penting karena banyak pertanyaan bisnis sebenarnya merupakan kombinasi dari siapa, kapan, kategori apa, dan kondisi berapa. Jika manajemen meminta “penjualan kategori Electronics di Jakarta selama Q1”, analyst pada dasarnya sedang menerjemahkan pertanyaan tersebut menjadi beberapa kondisi filter.

ORDER BY Membantu Mengurutkan Hasil

Setelah data berhasil difilter, kamu mungkin ingin mengetahui nilai tertinggi atau terendah. ORDER BY digunakan untuk mengurutkan hasil query.

Misalnya ingin mencari transaksi dengan revenue terbesar:

SELECT transaction_id, category, revenue
FROM transactions
ORDER BY revenue DESC;

DESC berarti descending atau dari nilai terbesar ke terkecil, sedangkan ASC berarti ascending. Jika hanya ingin melihat lima transaksi terbesar, beberapa database mendukung pembatasan jumlah hasil melalui LIMIT:

SELECT transaction_id, category, revenue
FROM transactions
ORDER BY revenue DESC
LIMIT 5;

Dari sini query mulai terasa seperti analisis. Kamu tidak lagi sekadar membuka data, tetapi mulai menyusunnya agar informasi penting muncul lebih cepat.

Aggregate Functions untuk Membuat Ringkasan Data

Dataset transaksi yang berisi jutaan baris tidak terlalu berguna jika manajemen harus membaca semuanya. Analyst biasanya perlu mengubah data detail menjadi ringkasan. Di sinilah aggregate functions seperti SUM, COUNT, AVG, MIN, dan MAX digunakan. PostgreSQL menempatkan aggregate functions sebagai salah satu bagian dasar dalam tutorial SQL-nya. PostgreSQL

Contohnya, menghitung total revenue:

SELECT SUM(revenue) AS total_revenue
FROM transactions;

Menghitung jumlah transaksi:

SELECT COUNT(*) AS total_transactions
FROM transactions;

Menghitung rata-rata revenue per transaksi:

SELECT AVG(revenue) AS average_revenue
FROM transactions;

Alias menggunakan AS membantu membuat nama output lebih mudah dipahami. Alih-alih menerima nama kolom berupa sum, hasil dapat diberi label total_revenue.

Kemampuan aggregation menjadi sangat penting karena sebagian besar analisis bisnis membutuhkan summary. Manajemen biasanya tidak bertanya “tampilkan semua transaksi”, melainkan “berapa total revenue?”, “berapa rata-rata transaksi?”, atau “berapa banyak customer yang membeli produk tertentu?”.

GROUP BY untuk Menganalisis Data per Kategori

Jika aggregate function menjawab total keseluruhan, GROUP BY membantu memecah hasil berdasarkan kategori tertentu. Misalnya kamu tidak hanya ingin mengetahui total revenue perusahaan, tetapi ingin membandingkan revenue setiap kategori.

SELECT
    category,
    SUM(revenue) AS total_revenue
FROM transactions
GROUP BY category;

Output-nya dapat menjadi seperti:

Sekarang analyst dapat langsung melihat kategori dengan kontribusi revenue terbesar. Query dapat dikembangkan lagi dengan sorting:

SELECT
    category,
    SUM(revenue) AS total_revenue
FROM transactions
GROUP BY category
ORDER BY total_revenue DESC;

Inilah salah satu titik penting dalam belajar SQL untuk pemula. Ketika sudah memahami SELECT, WHERE, aggregate function, GROUP BY, dan ORDER BY, kamu sebenarnya sudah dapat menjawab banyak pertanyaan analisis dasar.

JOIN untuk Menggabungkan Beberapa Tabel

Data perusahaan jarang tersimpan dalam satu tabel besar. Informasi customer mungkin berada di tabel customers, sedangkan transaksinya berada di transactions. Jika ingin mengetahui revenue berdasarkan kota customer, kedua tabel tersebut perlu dihubungkan. PostgreSQL menempatkan joins between tables sebagai bagian fundamental pembelajaran SQL. PostgreSQL

Misalnya tabel customers:

Kedua tabel memiliki customer_id sebagai penghubung. Query-nya:

SELECT
    c.city,
    SUM(t.revenue) AS total_revenue
FROM transactions t
JOIN customers c
    ON t.customer_id = c.customer_id
GROUP BY c.city
ORDER BY total_revenue DESC;

Perhatikan penggunaan alias t dan c. Alias membuat query lebih ringkas ketika beberapa tabel digunakan bersama. Hasil query tersebut dapat menjawab pertanyaan “kota mana yang menghasilkan revenue terbesar?” walaupun informasi kota dan revenue berasal dari tabel berbeda.

Untuk tahap pemula, fokuslah memahami INNER JOIN terlebih dahulu. Setelah logikanya kuat, baru lanjutkan ke LEFT JOIN dan tipe join lainnya. Kesalahan umum saat belajar JOIN adalah langsung menghafal diagram semua tipe join tanpa memahami hubungan antar-key. Lebih baik pahami dulu kolom mana yang menghubungkan dua tabel dan mengapa hubungan tersebut diperlukan.

CASE WHEN untuk Membuat Kategori Baru

Tidak semua kategori tersedia secara langsung di database. Kadang analyst perlu membuat klasifikasi berdasarkan aturan bisnis. CASE WHEN dapat digunakan untuk kondisi seperti ini.

Misalnya kamu ingin membagi transaksi menjadi tiga kelompok:

SELECT
    transaction_id,
    revenue,
    CASE
        WHEN revenue >= 1000000 THEN 'High Value'
        WHEN revenue >= 500000 THEN 'Medium Value'
        ELSE 'Low Value'
    END AS transaction_segment
FROM transactions;

Dengan query tersebut, setiap transaksi memperoleh label baru berdasarkan nilai revenue. Konsep ini banyak digunakan untuk customer segmentation, risk classification, product grouping, maupun berbagai kebutuhan analisis lainnya.

Pada tahap ini, SQL mulai berfungsi bukan hanya sebagai alat ekstraksi, tetapi juga sebagai alat untuk membentuk data sesuai kebutuhan analisis.

CTE Membuat Query Panjang Lebih Mudah Dibaca

Setelah query berkembang, kamu mungkin menemukan beberapa langkah analisis dalam satu perintah. Common Table Expression atau CTE menggunakan WITH untuk membuat hasil sementara yang dapat digunakan dalam query berikutnya.

Contoh:

WITH category_sales AS
    (SELECT
        category,
        SUM(revenue) AS total_revenue
    FROM transactions
    GROUP BY category)

SELECT *
FROM category_sales
ORDER BY total_revenue DESC;

Untuk contoh sederhana tersebut, CTE memang belum terasa wajib. Namun ketika analisis mempunyai beberapa tahap, struktur seperti ini membuat query lebih mudah dibaca, diperiksa, dan diperbaiki. Dokumentasi PostgreSQL juga mencantumkan WITH sebagai bagian dari syntax SELECT. PostgreSQL

Pemula tidak perlu menjadikan CTE sebagai topik pertama. Pelajari setelah SELECT, filtering, aggregation, dan JOIN sudah cukup nyaman.

Studi Kasus Sederhana: Mencari Kategori Produk Terbaik

Sekarang gabungkan beberapa konsep dalam satu kasus. Anggap seorang Marketing Manager bertanya: “Kategori produk apa yang menghasilkan revenue paling tinggi selama Januari sampai Maret 2026, dan berapa jumlah transaksinya?” Dari pertanyaan tersebut, analyst dapat memecah kebutuhan menjadi empat langkah. Data hanya periode Januari–Maret, hasil perlu dikelompokkan berdasarkan kategori, revenue perlu dijumlahkan, jumlah transaksi perlu dihitung, lalu kategori diurutkan berdasarkan revenue tertinggi.

Query sederhananya:

SELECT
    category,
    COUNT(*) AS total_transactions,
    SUM(revenue) AS total_revenue
FROM transactions
WHERE date >= '2026-01-01'
  AND date < '2026-04-01'
GROUP BY category
ORDER BY total_revenue DESC;

Misalnya hasilnya:

Dari sini, analyst belum selesai. Query hanya menghasilkan informasi. Langkah berikutnya adalah interpretasi. Electronics memiliki jumlah transaksi lebih sedikit daripada Fashion, tetapi revenue tertinggi. Hal ini dapat menunjukkan nilai transaksi rata-rata yang lebih besar. Pertanyaan lanjutan bisa muncul: apakah Electronics memang menghasilkan margin tertinggi, atau hanya revenue? Customer seperti apa yang membeli kategori tersebut? Apakah pertumbuhan terjadi secara konsisten atau hanya karena satu periode promosi?

Cara berpikir seperti inilah yang membuat SQL berubah dari skill teknis menjadi skill analisis.

Kesalahan yang Sering Dilakukan Saat Belajar SQL

Kesalahan pertama adalah terlalu banyak menonton tutorial tanpa menulis query sendiri. SQL terlihat mudah ketika seseorang lain mengetiknya, tetapi kemampuan baru terbentuk ketika kamu harus mencari sendiri mengapa query gagal atau mengapa hasilnya tidak sesuai ekspektasi. Kesalahan kedua adalah terlalu cepat masuk ke topik advanced. Window functions, recursive CTE, dan optimization memang berguna, tetapi tidak banyak membantu jika kamu masih bingung menentukan GROUP BY atau hubungan antar-table.

Kesalahan berikutnya adalah hanya mengejar syntax tanpa memahami business question. Query yang technically correct belum tentu analytically useful. Analyst perlu mengetahui apa yang ingin dicari sebelum memilih kolom, filter, atau aggregation. Kesalahan lain yang perlu diperhatikan adalah tidak memeriksa hasil query. Jika jumlah transaksi setelah JOIN tiba-tiba dua kali lebih besar, jangan langsung menggunakan output tersebut. Bisa jadi hubungan antar-tabel menyebabkan duplication. Validasi jumlah baris, uniqueness key, NULL, dan hasil aggregation sebelum membuat kesimpulan.

Cara Belajar SQL untuk Pemula agar Lebih Cepat Dipahami

Cara yang cukup efektif adalah menggunakan satu dataset secara berulang. Jangan setiap hari berpindah dari data film ke data rumah sakit lalu ke cryptocurrency tanpa pernah menyelesaikan satu studi kasus. Pilih dataset retail atau e-commerce karena strukturnya relatif mudah dipahami, lalu buat pertanyaan bertingkat. Hari pertama cari transaksi terbesar. Hari berikutnya hitung revenue per kategori. Setelah itu analisis customer per kota, gabungkan beberapa tabel, lalu buat segmentasi.

Urutan belajarnya dapat dibuat sederhana: SELECT dan FROM → WHERE → ORDER BY → Aggregate Functions → GROUP BY → JOIN → CASE WHEN → CTE → Window Functions. PostgreSQL menyediakan tutorial yang mencakup query, joins, aggregates, hingga window functions secara bertahap, sedangkan Microsoft memiliki learning path querying dengan T-SQL untuk level beginner. PostgreSQL

Kamu juga tidak harus menunggu mahir untuk mulai menghubungkan SQL dengan tools lain. Hasil query dapat digunakan sebagai sumber analisis di spreadsheet atau BI tool. Google Cloud bahkan menyediakan ekosistem yang menghubungkan BigQuery dengan spreadsheet dan business intelligence tools untuk analisis serta visualisasi data. Google Cloud Documentation Hal ini memperlihatkan bahwa SQL biasanya menjadi bagian dari workflow yang lebih besar, bukan skill yang bekerja sendirian.

Dari SQL Query ke Insight Bisnis

Tujuan akhir mempelajari SQL bukan membuat query sepanjang mungkin. Nilainya justru muncul ketika query dapat menjawab kebutuhan bisnis dengan lebih cepat dan akurat. Misalnya query menunjukkan customer dari Jakarta memiliki revenue terbesar. Informasi tersebut belum menjadi insight sampai analyst mencari penyebabnya. Apakah jumlah customernya memang paling banyak? Apakah average order value lebih tinggi? Apakah ada campaign khusus? Apakah revenue bertumbuh atau justru turun?

Workflow yang sehat dapat dibaca sebagai Business Question → SQL Query → Validation → Analysis → Visualization → Insight → Recommendation. Microsoft mendeskripsikan peran Data Analyst sebagai pekerjaan yang berinteraksi dengan stakeholder untuk memahami kebutuhan data dan reporting, lalu mengubah raw data menjadi insight yang relevan. Microsoft Learn Dengan cara pandang tersebut, kemampuan menulis SQL seharusnya berkembang bersama kemampuan memahami konteks bisnis.

Kesimpulan

Belajar SQL untuk pemula sebaiknya tidak dimulai dengan target menghafal seluruh syntax. Mulailah dari memahami bagaimana data tersimpan dalam tabel dan bagaimana satu pertanyaan bisnis dapat diterjemahkan menjadi query. SELECT membantu menentukan data yang ingin dilihat, WHERE menyaring record, ORDER BY mengurutkan hasil, aggregate functions dan GROUP BY menghasilkan ringkasan, sedangkan JOIN menghubungkan informasi dari beberapa tabel. Setelah fondasinya kuat, CASE WHEN, CTE, dan kemudian window functions dapat memperluas kemampuan analisis.

Yang paling penting adalah terus berlatih dengan data. Jangan berhenti ketika query berhasil dijalankan. Periksa apakah hasilnya masuk akal, cari pola yang muncul, tanyakan apa penyebabnya, lalu terjemahkan temuan menjadi insight yang dapat digunakan. Seorang Data Analyst tidak dinilai dari seberapa banyak command SQL yang dihafal, tetapi dari kemampuan menggunakan data untuk menjawab pertanyaan yang relevan.

Jika ingin mengukur progres, jangan hanya menghitung berapa modul yang sudah selesai. Coba buka sebuah dataset dan tanyakan pada diri sendiri: bisakah kamu mengambil data yang tepat, menggabungkannya jika diperlukan, membuat ringkasan yang benar, lalu menjelaskan apa arti hasilnya? Jika sudah mulai bisa, fondasi SQL kamu berada di jalur yang tepat.