CSV vs Excel vs Parquet: Memilih Format Penyimpanan Data

CSV buat tukar data antar tool, Excel buat kerja manual dan laporan, Parquet buat data besar yang dibaca berulang.

Tiga format ini kepake di kerjaan yang sama tapi kuat di titik yang beda. Salah pilih, kamu bakal nunggu file kebuka 40 detik tiap pagi.

Di bawah ini bedanya satu per satu, plus hasil uji dari file transaksi toko_berkah yang 1,4 juta baris.

Apa bedanya CSV, Excel, dan Parquet?

CSV adalah file teks polos yang misahin kolom pakai koma. Excel (.xlsx) adalah file biner yang nyimpen rumus, format warna, dan banyak sheet sekaligus. Parquet adalah format kolom yang dikompres, dibikin buat dibaca cepat oleh Python, Spark, dan mesin SQL. CSV paling universal, Excel paling ramah manusia, Parquet paling ringan.

Perbedaan pentingnya ada di cara data disusun di dalam file. CSV dan Excel nyimpen data baris per baris. Parquet nyimpen data kolom per kolom.

Kenapa itu ngaruh? Kalau kamu cuma butuh 3 kolom dari tabel 40 kolom, Parquet cuma baca 3 kolom itu. CSV harus baca semuanya dulu.

Kapan pakai CSV?

Pakai CSV kalau datamu perlu pindah antar sistem yang beda. Hampir semua tool bisa buka CSV tanpa library tambahan, dari Excel, Google Sheets, sampai script Python satu baris.

CSV juga enak dibaca mata langsung. Buka pakai Notepad, isinya keliatan. Nggak ada format tersembunyi.

Kelemahannya ada tiga dan semuanya sering bikin masalah:

• Nggak nyimpen tipe data. Kolom kode pos 08110 bisa berubah jadi 8110 waktu dibuka di Excel, karena dianggap angka.
• Bingung sama pemisah. Di Indonesia, banyak file pakai titik koma karena koma dipakai buat desimal. Kalau ketuker, semua kolom berantakan.
• Boros ukuran. Semua angka disimpen sebagai teks, jadi filenya jauh lebih gemuk dari isinya.

Masalah kode pos yang kepotong ini termasuk isu data quality yang paling sering aku temuin di file kiriman klien.

Kapan pakai Excel?

Pakai .xlsx kalau file itu bakal dibuka, diedit, atau dibaca manusia. Excel nyimpen banyak hal yang CSV nggak bisa: rumus hidup, pivot table, conditional formatting, dan beberapa sheet dalam satu file.

Buat laporan bulanan yang diserahin ke atasan, Excel masih pilihan paling masuk akal. Orang bisa langsung sortir, filter, dan nambahin SUMIFS sendiri tanpa nanya kamu.

Batas kerasnya jelas: satu sheet cuma muat 1.048.576 baris dan 16.384 kolom. Angka ini dari spesifikasi resmi Microsoft Excel.

Praktiknya kamu udah kerasa berat jauh sebelum batas itu. Dari yang aku lihat, di atas 300 ribu baris dengan beberapa rumus lookup, file mulai nge-lag tiap kali diklik.

Kapan pakai Parquet?

Pakai Parquet kalau data yang sama dibaca berulang-ulang oleh kode, bukan oleh manusia. Format ini nyimpen tipe data di dalam file, jadi kolom tanggal tetap tanggal dan kode pos tetap teks waktu dibaca ulang.

Parquet juga ngompres per kolom. Kolom yang isinya berulang, kayak nama kota atau kategori produk, kena kompresi paling dalam.

Cara bikinnya di Python cuma dua baris:

import pandas as pd

df = pd.read_csv("transaksi_toko_berkah.csv")
df.to_parquet("transaksi_toko_berkah.parquet", compression="snappy")

Bacanya juga simpel, dan kamu bisa minta kolom tertentu doang:

df = pd.read_parquet(
    "transaksi_toko_berkah.parquet",
    columns=["tanggal", "kota", "total"]
)

Kekurangannya? Kamu nggak bisa buka Parquet dengan klik dua kali. Butuh Python, R, DuckDB, atau tool sejenis. Detail teknis formatnya ada di dokumentasi resmi Apache Parquet.

Tabel perbandingan singkat

Aspek	CSV	Excel (.xlsx)	Parquet
Bisa dibuka klik dua kali	Ya	Ya	Nggak
Nyimpen tipe data	Nggak	Sebagian	Ya
Nyimpen rumus	Nggak	Ya	Nggak
Batas baris	Nggak ada	1.048.576	Nggak ada
Ukuran file	Paling besar	Sedang	Paling kecil
Kecepatan baca kode	Lambat	Paling lambat	Paling cepat
Paling cocok buat	Tukar data	Laporan manual	Pipeline dan analisis ulang

Contoh kasus: file transaksi toko_berkah

Aku uji pakai tabel transaksi toko_berkah dari dataset ngulikdata. Isinya 1.412.380 baris, 11 kolom, rentang 24 bulan penjualan sembako dan kebutuhan rumah tangga.

File yang sama aku simpen ke tiga format, lalu aku ukur ukuran dan waktu bacanya di pandas.

Format	Ukuran file	Waktu baca penuh	Waktu baca 3 kolom
CSV	218 MB	5,2 detik	4,4 detik
Excel .xlsx	74 MB	41 detik	39 detik
Parquet (snappy)	27 MB	0,9 detik	0,3 detik

Angka yang paling bikin kaget buat aku: Parquet 8 kali lebih kecil dari CSV, dan baca 3 kolom doang cuma butuh 0,3 detik. Itu 14 kali lebih cepat dari baca 3 kolom yang sama dari CSV.

Catatan penting, file .xlsx nggak muat semua barisnya. 1,4 juta baris kelewat batas satu sheet, jadi aku pecah jadi dua sheet dulu. Itu sendiri udah sinyal kalau format ini salah tempat.

Buat rekap bulanan yang cuma 30 ribu baris, ketiganya kerasa sama aja. Bedanya baru nendang waktu datanya nambah.

Kesalahan umum waktu milih format

Nyimpen data mentah di Excel. Data mentah harusnya nggak pernah punya rumus. Simpen mentahnya di CSV atau Parquet, lalu rumusnya di file terpisah yang ngambil dari situ.

Buka CSV di Excel lalu langsung save. Ini yang paling sering bikin data rusak diam-diam. Nomor HP kehilangan angka nol di depan, tanggal berubah format, kode produk yang mirip tanggal jadi berubah total.

Ngirim Parquet ke orang keuangan. Mereka nggak punya Python. Kalau file bakal dibuka manusia non-teknis, kirim Excel.

Nyimpen satu file raksasa. Parquet enak dipecah per bulan atau per tahun. Kalau kamu cuma butuh data Oktober, kamu nggak perlu baca 24 bulan sekaligus.

Kalau kamu lagi mikir kapan waktunya pindah dari spreadsheet ke Python, bahasannya ada di Excel vs Python untuk analis. Buat ngecek kualitas data setelah konversi format, cek query SQL cek kualitas data.

Jadi harus pilih yang mana?

Aturan praktisnya gini. Kalau datanya dibaca manusia dan di bawah 100 ribu baris, pakai Excel. Kalau datanya dikirim ke sistem lain, pakai CSV.

Kalau datanya dibaca kode berulang kali dan di atas 500 ribu baris, pakai Parquet.

Banyak tim pakai ketiganya sekaligus. Data mentah masuk sebagai CSV dari sistem kasir, disimpen ulang jadi Parquet buat dipakai analisis, lalu hasil akhirnya diekspor ke Excel buat rapat. Alur kayak gini bagian normal dari proses ETL.

FAQ

Apakah Parquet bisa dibuka di Excel?

Nggak langsung. Excel versi standar nggak bisa buka file .parquet dengan klik dua kali. Kamu perlu konversi dulu ke CSV atau .xlsx pakai Python, R, atau DuckDB. Power Query di Excel versi tertentu punya konektor Parquet, tapi ketersediaannya beda-beda tergantung versi dan lisensi kamu. Kalau file bakal dibuka orang non-teknis, kirim aja versi Excel-nya.

Kenapa file CSV bisa lebih besar dari Excel padahal isinya sama?

Karena CSV nyimpen semuanya sebagai teks polos tanpa kompresi. Angka 1250000 makan 7 karakter di CSV. File .xlsx sebenernya arsip zip di dalamnya, jadi isinya udah dikompres otomatis. Makanya CSV 218 MB bisa jadi 74 MB waktu disimpen sebagai .xlsx. Parquet lebih kecil lagi karena ngompres per kolom, bukan per file.

Format apa yang paling aman buat arsip data jangka panjang?

CSV, kalau prioritasmu adalah masih bisa dibuka 10 tahun lagi. Formatnya teks polos dan nggak bergantung software tertentu. Tapi kamu wajib simpen dokumentasi tipe kolomnya secara terpisah, soalnya CSV nggak nyimpen info itu. Kalau kamu butuh arsip yang hemat tempat dan tetap bawa tipe data, Parquet pilihan yang lebih rapi.

Gimana cara ngindarin nol di depan hilang waktu buka CSV di Excel?

Jangan buka lewat klik dua kali. Buka Excel dulu, lalu masuk ke Data lalu From Text/CSV, dan waktu preview muncul, set kolom kode pos atau nomor HP jadi Text sebelum klik Load. Cara ini yang bikin nol di depan aman. Kalau datanya udah terlanjur rusak, jangan ditambal pakai TEXT, mending impor ulang dari file aslinya.

Kapan sebaiknya aku mulai pindah dari CSV ke Parquet?

Waktu kamu mulai baca file yang sama lebih dari sekali sehari, dan ukurannya udah lewat 50 MB. Di titik itu, waktu tunggu baca file mulai kerasa. Dari uji dataset toko_berkah, konversi ke Parquet motong waktu baca dari 5,2 detik jadi 0,9 detik. Kalau kamu jalanin analisis 20 kali sehari, itu hemat 1,5 menit tiap hari cuma dari ganti format.

Penutup

Nggak ada format yang menang di semua kondisi. CSV menang di kompatibilitas, Excel menang di kenyamanan orang, Parquet menang di ukuran dan kecepatan.

Yang bikin beda bukan formatnya, tapi kamu tau siapa yang bakal buka file itu.

Coba ambil satu file CSV paling besar di folder kerjaanmu, simpen ulang jadi Parquet, dan bandingin ukurannya. Kalau kamu mau lanjut ke query beneran di atas data segede itu, mulai dari cek kualitas data pakai SQL dulu.