TL;DR
ChatGPT bisa dipakai buat nulis query SQL kalau kamu kasih tiga hal di prompt: skema tabel lengkap dengan tipe kolom, dialect database yang kamu pakai (PostgreSQL, MySQL, BigQuery), dan hasil yang kamu mau dalam kalimat bisnis. Tanpa skema, ChatGPT bakal nebak nama kolom dan query-nya error waktu dijalanin. Selalu verifikasi hasilnya dengan cek jumlah baris sebelum dan sesudah JOIN.
ChatGPT bisa nulis query SQL yang langsung jalan, asal kamu kasih tiga hal: skema tabel, dialect database, dan hasil yang kamu mau dalam kalimat bisnis.
Tanpa skema, dia nebak nama kolom. Kamu punya tanggal_order, dia nulis order_date. Query error, kamu balik lagi ke chat, buang 5 menit.
Aku tes ini di dataset toko_berkah. Prompt tanpa skema: 2 dari 5 query jalan. Prompt dengan skema plus dialect: 5 dari 5 jalan, dan 4 dari 5 angkanya bener tanpa revisi.
Yang satu itu, yang jalan tapi angkanya salah, itu yang paling berbahaya.
Ini pola yang aku pakai. Copy, ganti isinya, tempel.
Aku pakai PostgreSQL 16.
Skema tabelku:
transaksi (
id_transaksi INTEGER PRIMARY KEY,
tanggal DATE,
id_produk INTEGER,
id_cabang INTEGER,
qty INTEGER,
total INTEGER
)
produk (
id_produk INTEGER PRIMARY KEY,
nama_produk TEXT,
kategori TEXT,
harga_modal INTEGER
)
cabang (
id_cabang INTEGER PRIMARY KEY,
nama_cabang TEXT,
kota TEXT
)
Yang aku mau:
Total omzet per kota per kategori produk, cuma bulan Maret 2026,
urut dari omzet terbesar.
Kasih query-nya aja, terus jelasin bagian JOIN-nya dalam 2 kalimat.Empat bagian: dialect, skema, kebutuhan bisnis, format jawaban.
Bagian terakhir sering dilupain. Kalau kamu gak bilang "kasih query-nya aja", ChatGPT bakal nulis 4 paragraf pengantar yang gak kamu butuh.
SQL itu bukan satu bahasa. Tiap database punya versinya sendiri.
| Kebutuhan | PostgreSQL | MySQL | BigQuery |
|---|---|---|---|
| Potong tanggal ke bulan | DATE_TRUNC('month', tgl) | DATE_FORMAT(tgl,'%Y-%m-01') | DATE_TRUNC(tgl, MONTH) |
| Gabung teks | a || b | CONCAT(a, b) | CONCAT(a, b) |
| Batasi baris | LIMIT 10 | LIMIT 10 | LIMIT 10 |
| Ambil tanggal hari ini | CURRENT_DATE | CURDATE() | CURRENT_DATE() |
ChatGPT default-nya sering ngasih sintaks PostgreSQL atau SQL Server. Kalau kamu pakai MySQL dan gak bilang, DATE_TRUNC yang dia kasih bakal error. Fungsinya emang gak ada di MySQL.
Satu kalimat di awal prompt seperti "Aku pakai MySQL 8" ngilangin seluruh kelas error ini.
Ini yang paling obvious. Kasih skema, kasih pertanyaan, dapet query.
Yang bikin bedanya bagus: tulis pertanyaannya kayak kamu ngomong ke manusia. "Produk mana yang penjualannya turun lebih dari 20% dibanding bulan lalu, tapi masih untung di atas 15%?" ChatGPT bisa pecah itu jadi CTE dan JOIN sendiri.
Kamu buka repo, nemu query 120 baris dengan 4 CTE dan gak ada komentar sama sekali.
Jelasin query ini per blok CTE. Untuk tiap CTE, sebutin:
1. Dia ngasilin apa
2. Kenapa dia perlu ada
3. Kalau CTE ini dihapus, apa yang rusak
[tempel query-nya]Poin nomor 3 itu yang bikin kamu ngerti struktur logikanya, bukan cuma sintaksnya.
Query ini error di PostgreSQL:
[query]
Error message:
ERROR: column "p.kategori" must appear in the GROUP BY clause
or be used in an aggregate function
Kenapa dan gimana benerinnya?Tempel query lengkap plus error message aslinya. Jangan diringkas. Error message SQL itu udah setengah jawabannya.
Ini yang paling sering nyelametin aku:
Ini query aku buat hitung omzet per cabang:
[query]
Kasih 3 skenario di mana query ini bakal ngasih angka salah
tanpa error. Bukan soal performa, soal kebenaran hasilnya."Salah tanpa error" itu kata kuncinya. Query yang error gampang, kamu langsung tau. Query yang jalan mulus tapi hasilnya salah? Itu yang masuk ke slide direktur.
Query ini jalan 47 detik di tabel 8 juta baris.
[query]
Output EXPLAIN ANALYZE:
[tempel outputnya]
Apa yang bisa dibenerin?Tanpa output EXPLAIN, saran ChatGPT cuma tebakan umum. Dengan EXPLAIN, dia bisa lihat mana yang seq scan dan mana yang index scan.
Aku minta ChatGPT bikin query: "jumlah cabang yang ada transaksi bulan Maret, plus jumlah transaksinya". Datanya dari toko_berkah: 3 cabang, tapi cabang Medan gak ada transaksi Maret sama sekali.
ChatGPT kasih ini:
SELECT c.nama_cabang, COUNT(t.id_transaksi) AS jml
FROM cabang c
LEFT JOIN transaksi t ON t.id_cabang = c.id_cabang
WHERE t.tanggal >= DATE '2026-03-01'
AND t.tanggal < DATE '2026-04-01'
GROUP BY c.nama_cabang;Kelihatan bener. Ada LEFT JOIN, ada filter tanggal, ada GROUP BY. Jalan tanpa error.
Tapi hasilnya cuma 2 baris. Medan hilang.
Kenapa? Filter tanggal ditaruh di WHERE. LEFT JOIN emang ngasih baris Medan dengan semua kolom transaksi = NULL. Tapi terus WHERE nyaring t.tanggal >= ..., dan NULL gak lolos perbandingan apapun. Baris Medan kebuang.
LEFT JOIN kamu diam-diam berubah jadi INNER JOIN.
Yang bener: filter pindah ke ON.
SELECT c.nama_cabang, COUNT(t.id_transaksi) AS jml
FROM cabang c
LEFT JOIN transaksi t
ON t.id_cabang = c.id_cabang
AND t.tanggal >= DATE '2026-03-01'
AND t.tanggal < DATE '2026-04-01'
GROUP BY c.nama_cabang;Sekarang Medan muncul dengan jml = 0. Dan itu justru info yang paling penting. Cabang yang gak ada transaksi sebulan penuh itu masalah besar.
ChatGPT gak salah sintaks. Dia cuma gak tau kalau kamu peduli sama cabang kosong. Dan kamu cuma bisa nangkep ini kalau ngerti cara kerja LEFT JOIN.
Tiga cek yang wajib, tiap kali, tanpa kecuali.
Tambahin LIMIT 10, atau filter satu minggu. Lihat hasilnya masuk akal atau nggak sebelum kamu tembak ke tabel 8 juta baris.
SELECT COUNT(*) FROM transaksi;
-- 10.482
SELECT COUNT(*) FROM transaksi t
JOIN produk p ON p.id_produk = t.id_produk;
-- 10.482 <- bagus, gak ada duplikat
-- 14.907 <- BAHAYA, JOIN kamu bikin baris gandaKalau naik, tabel produk kamu punya id_produk duplikat. Total penjualan kamu bakal kegedean, dan gak ada error yang ngasih tau.
Ambil satu cabang, satu bulan. Hitung totalnya pakai cara paling bodoh yang kamu bisa: SUM sederhana dengan WHERE. Cocokin sama hasil query ChatGPT.
Kalau cocok, lanjut. Kalau nggak, kamu barusan nyelametin laporan bulanan.
Skema tabel biasanya lebih aman daripada isi datanya. Tapi cek dulu kebijakan kantor. Beberapa perusahaan nganggap struktur database sebagai informasi sensitif.
Yang jelas jangan: tempel isi data yang ada nama customer, nomor HP, email, atau angka finansial yang belum publik.
Kalau ragu, samarkan. Ganti nama tabel jadi generik, buang kolom yang gak relevan sama pertanyaan kamu. Query yang dihasilkan tetep sama strukturnya.
Dia gak tau ukuran tabel kamu, index yang ada, atau distribusi datanya. Jadi saran performa-nya sering generik.
Dia gak tau aturan bisnis kamu. Kalau transaksi berstatus refund harus dikeluarin dari omzet, dia gak tau, kecuali kamu bilang.
Dia gak tau data kamu kotor. Kalau ada 400 baris dengan id_produk yang gak ada di tabel produk, JOIN kamu bakal diam-diam ngebuang semuanya.
Itu bagian kerjaan yang emang harus kamu yang tau. Dokumentasi resmi tiap database tetep jadi rujukan akhir, buat PostgreSQL, ada di dokumentasi SELECT PostgreSQL.
Nggak, dan ini kelihatan pas query-nya diam-diam salah. Query error itu gampang. Kamu langsung tau. Yang bahaya query yang jalan mulus tapi hasilnya salah karena JOIN bikin duplikat.
Nama kolom yang ditebak (kasih skema), dan fungsi yang gak ada di dialect kamu (sebutin database-nya). Dua info itu ngilangin mayoritas error.
Skema lebih aman daripada isi data, tapi cek kebijakan kantor dulu. Yang jelas jangan: isi data dengan nama customer atau angka finansial.
Bisa bantu. Tempel output EXPLAIN bareng query-nya, hasilnya jauh lebih berguna daripada cuma tempel query doang.
Jalanin di data kecil dulu, bandingin COUNT(*) sebelum dan sesudah JOIN, dan hitung satu angka manual buat dicocokin.
Tiga hal yang bikin ChatGPT beneran berguna buat SQL:
Tapi kamu tetep harus ngerti JOIN. Kalau bedanya INNER JOIN dan LEFT JOIN masih bikin kamu ragu, itu yang perlu dibenerin duluan, karena kamu gak bisa nangkep query yang salah kalau gak tau apa yang bener.
Belum familiar sama istilah JOIN dan foreign key? Mulai dari definisi JOIN.
Pola prompt yang sama juga jalan di Excel, dengan jebakan yang beda. Aku bahas di ChatGPT untuk Excel.
Ambil satu query yang kamu tulis minggu lalu. Tempel ke ChatGPT dengan prompt nomor 4, minta 3 skenario di mana query itu salah tanpa error. Siapin mental, biasanya nemu satu.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Tools AI bisa bikin chart dan ringkas data dalam hitungan detik. Jadi Python masih perlu dipelajari analis di 2026? Jawabannya iya, tapi alasannya udah beda dari 3 tahun lalu.
Aku tes forecasting AI di data penjualan 4 cabang toko grosir. Hasilnya lebih akurat dari tebakan manual, tapi meleset parah di satu titik yang mahal.
Cara ngolah ribuan review pelanggan jadi insight pakai AI, dari nyusun prompt yang konsisten, ngasih label, sampai ngubah hasilnya jadi rekomendasi yang bisa dieksekusi.