GROUPING SETS di SQL untuk Ringkasan Multi-Level (2026)
GROUPING SETS bikin kamu hitung total per kota, per produk, dan grand total dalam satu query. Nggak perlu UNION ALL berlapis lagi.
Pelajari SQL dari dasar hingga mahir dengan tutorial step-by-step yang mudah dipahami.
211 artikel
GROUPING SETS bikin kamu hitung total per kota, per produk, dan grand total dalam satu query. Nggak perlu UNION ALL berlapis lagi.
Capek nulis SUM(CASE WHEN) yang panjang buat tiap metrik? Klausa FILTER ngerjain hal yang sama dengan sintaks yang jauh lebih bersih. Ini cara pakainya.
Mau hitung penjualan tunai dan non-tunai sekaligus dalam satu baris hasil? Conditional aggregation pakai CASE ngerjain itu tanpa query berulang. Ini polanya.
Ambil 3 produk terlaris di tiap kategori sekaligus, bukan cuma juara umum. Pola ROW_NUMBER dengan PARTITION BY ngerjain ini dalam satu query. Ini cara pakainya, lengkap dengan contoh.
Distribusi kumulatif jawab pertanyaan: berapa persen transaksi yang nilainya di bawah angka ini? Ini cara hitungnya di SQL pakai CUME_DIST dan window function, lengkap dengan contoh.
Histogram di SQL ngelompokin nilai numerik ke rentang (bucket) lalu hitung berapa banyak per rentang. Ini tiga cara bikinnya: CASE WHEN yang portabel, FLOOR buat bucket lebar sama, dan WIDTH_BUCKET di PostgreSQL.
SQL standar nggak punya fungsi modus universal, tapi nilai yang paling sering muncul gampang dicari pakai GROUP BY, COUNT, dan ORDER BY. Ini caranya, plus MODE() di PostgreSQL dan cara nanganin modus ganda.
SQL ga punya fungsi MEDIAN langsung di banyak database. Tapi PERCENTILE_CONT bikin kamu hitung median dan percentile berapa pun dengan rapi. Ini caranya.
Butuh kolom kontribusi tiap baris ke total? Window function SUM() OVER() bikin persen dari total dalam satu query, tanpa subquery atau JOIN ribet.
Rolling 7 hari ngeratain angka harian yang naik-turun jadi tren yang lebih mulus. Pakai window function ROWS BETWEEN, kamu bisa hitung dalam satu query.
Week over week ngebandingin angka minggu ini sama minggu sebelumnya. Pakai LAG dan DATE_TRUNC, kamu bisa hitung persen pertumbuhannya cuma dalam satu query.
Semua pelanggan gak sama. Ada yang belanja tiap minggu, ada yang cuma sekali lalu hilang. Ini cara misahin mereka jadi segmen yang bisa ditindaklanjuti pakai SQL dan metode RFM.