TL;DR
Dashboard rapat mingguan penjualan cukup pakai 6 kartu angka: omzet, jumlah transaksi, nilai rata-rata per transaksi, jumlah produk terjual, pelanggan baru, dan nilai retur. Tiap kartu wajib punya pembanding minggu lalu dalam bentuk persen, karena angka tunggal tanpa pembanding nggak bisa dipakai ambil keputusan. Semua kartu bisa dibangun pakai SUMIFS dan COUNTIFS di Google Sheets atau Excel, tanpa perlu tool berbayar. Kunci dashboard rapat yang kepakai bukan jumlah grafik, tapi seberapa cepat orang bisa nunjuk angka mana yang bergerak dan kenapa.
Dashboard rapat mingguan penjualan yang kepakai itu isinya cuma 6 kartu angka: omzet, jumlah transaksi, nilai rata-rata per transaksi, jumlah produk terjual, pelanggan baru, dan nilai retur.
Sisanya bisa nunggu. Kalau rapat kamu tiap Senin habis 20 menit cuma buat nyari angka di 14 grafik, masalahnya bukan datanya kurang. Kebanyakan.
Di bawah ini aku tulis 6 kartu itu satu per satu, rumusnya di Google Sheets, cara nambahin pembanding minggu lalu, plus contoh angka dari dataset toko_berkah yang biasa aku pakai buat latihan.
Dashboard rapat mingguan penjualan adalah satu halaman ringkas yang nampilin angka penjualan minggu berjalan berdampingan dengan angka minggu sebelumnya. Isinya kartu angka besar, bukan grafik detail. Tujuannya satu: dalam 10 detik pertama, semua orang di ruangan tahu angka mana yang bergerak dan seberapa jauh.
Bedanya sama laporan bulanan ada di kedalaman. Laporan bulanan butuh tren, breakdown kategori, dan narasi. Dashboard mingguan cuma butuh sinyal.
Kalau kamu belum familiar sama istilahnya, cek dulu definisi dashboard dan KPI biar sepaham soal apa yang layak masuk kartu.
Enam kartu cukup karena rapat mingguan itu forum deteksi, bukan forum analisis. Kamu cuma perlu tahu apakah minggu ini melenceng dari minggu lalu, dan di bagian mana. Begitu ada satu kartu yang gerak tajam, diskusi pindah ke pertanyaan kenapa, dan itu dijawab pakai data detail di tab lain.
Ada alasan praktis juga. Enam kartu muat dalam satu baris grid 3x2 di layar laptop 13 inci tanpa perlu scroll. Begitu peserta rapat harus scroll, sebagian orang berhenti ngikutin.
Aku pernah ngitung ini di satu tim retail kecil. Dashboard lama mereka punya 19 elemen. Waktu aku catat elemen mana yang beneran disebut selama 5 kali rapat berturut-turut, cuma 7 yang pernah disebut, dan 4 di antaranya disebut tiap minggu. Sisa 12 elemen nggak pernah dibuka mulutnya sama sekali.
Enam kartu ini kepilih karena tiap satunya jawab pertanyaan berbeda, dan nggak ada yang bisa disimpulkan dari kartu lain. Omzet jawab "berapa uang masuk", transaksi jawab "berapa kali orang beli", AOV jawab "seberapa besar sekali beli", dan seterusnya.
| Kartu | Yang dijawab | Sumber data |
|---|---|---|
| Omzet | Berapa total uang masuk minggu ini | Tabel transaksi, kolom nilai |
| Jumlah transaksi | Berapa kali orang belanja | Tabel transaksi, hitung baris |
| AOV | Rata-rata belanja per transaksi | Omzet dibagi transaksi |
| Produk terjual | Berapa unit keluar dari rak | Tabel item, kolom qty |
| Pelanggan baru | Berapa orang belanja pertama kali | Tabel pelanggan, tanggal pertama |
| Nilai retur | Berapa uang yang balik keluar | Tabel transaksi, status retur |
Kartu paling atas kiri, angka paling besar. Ini yang pertama dilihat orang. Format rupiah penuh, bukan singkatan, biar nggak ada salah baca antara 47 juta dan 470 juta.
Ngitung berapa struk keluar. Kartu ini yang bikin kamu tahu apakah omzet turun gara-gara orangnya sedikit atau gara-gara belanjaannya kecil.
Omzet dibagi jumlah transaksi. Kartu ini pasangan wajib nomor 2. Tanpa AOV, kamu nggak bisa misahin dua penyebab penurunan omzet.
Total unit, bukan jumlah SKU. Kartu ini kepakai buat cek pergerakan barang dan nyambung ke urusan stok. Kalau kamu juga ngurus gudang, kartu ini yang jadi jembatan ke dashboard stok barang.
Jumlah pelanggan yang transaksi pertamanya jatuh di minggu ini. Kartu ini yang nunjukin apakah usaha pemasaran minggu lalu ada hasilnya.
Angka yang paling sering dilupain padahal langsung motong omzet bersih. Taruh di pojok kanan bawah, kasih warna beda, dan jangan disembunyiin.
Semua kartu di atas bisa dibangun cuma pakai dua fungsi: SUMIFS buat jumlah dan COUNTIFS buat hitungan. Kamu nggak butuh pivot table, nggak butuh script, nggak butuh add-on berbayar.
B1 dan tanggal akhir minggu di B2. Semua rumus bakal ngacu ke dua sel ini, jadi ganti minggu cukup ubah dua sel.transaksi dengan kolom tanggal, order_id, nilai, status, pelanggan_id. Satu baris satu transaksi, tanpa baris kosong dan tanpa subtotal di tengah.=SUMIFS(transaksi!C:C; transaksi!A:A; ">="&$B$1; transaksi!A:A; "<="&$B$2; transaksi!D:D; "selesai")selesai penting biar transaksi batal dan retur nggak kehitung sebagai omzet.=COUNTIFS(transaksi!A:A; ">="&$B$1; transaksi!A:A; "<="&$B$2; transaksi!D:D; "selesai")=IFERROR(E4/E5; 0)item dan kolom nilai ke kolom qty.=COUNTIFS(pelanggan!C:C; ">="&$B$1; pelanggan!C:C; "<="&$B$2)C di sini tanggal transaksi pertama tiap pelanggan.retur.Kalau kamu belum lancar sama sintaks kriterianya, mampir dulu ke halaman fungsi SUMIFS dan COUNTIFS. Dua fungsi itu tulang kerja dashboard ini.
Angka tunggal nggak bisa dipakai ambil keputusan. Omzet Rp 47 juta itu bagus atau jelek? Nggak ada yang tahu sampai kamu taruh angka minggu lalu di sebelahnya.
Caranya gampang. Bikin dua sel tanggal tambahan buat periode pembanding, misalnya B3 dan B4, lalu duplikat semua rumus dengan acuan sel tanggal yang baru.
=$B$1-7 → isi otomatis untuk B3
=$B$2-7 → isi otomatis untuk B4Habis itu bikin kolom selisih persen di bawah tiap angka:
=IFERROR(E4/F4-1; "")Format sel itu jadi persen dengan satu angka desimal, terus kasih conditional formatting: hijau kalau positif, oranye kalau negatif. Buat kartu retur, balik warnanya, karena retur naik itu kabar buruk.
Satu hal yang sering kelewat. Tulis rentang tanggal pembanding secara eksplisit di bawah kartu, misalnya "vs 13-19 Okt 2025". Tanpa itu, orang bakal nebak-nebak pembandingnya minggu lalu atau bulan lalu.
Dataset toko_berkah yang aku pakai buat latihan isinya transaksi toko kelontong di Bandung. Ini isi 6 kartu buat minggu 20-26 Oktober 2025, dengan pembanding minggu sebelumnya.
| Kartu | Minggu ini | Minggu lalu | Selisih |
|---|---|---|---|
| Omzet | Rp 47.320.000 | Rp 51.880.000 | -8,8% |
| Jumlah transaksi | 612 | 640 | -4,4% |
| AOV | Rp 77.320 | Rp 81.063 | -4,6% |
| Produk terjual | 2.144 unit | 2.298 unit | -6,7% |
| Pelanggan baru | 74 | 61 | +21,3% |
| Nilai retur | Rp 1.140.000 | Rp 780.000 | +46,2% |
Ini bagian yang menarik. Omzet turun 8,8%, tapi penurunannya nggak berasal dari satu sumber. Jumlah transaksi turun 4,4% dan AOV turun 4,6%. Dua-duanya nyumbang kira-kira setengah dari penurunan total.
Artinya rapat itu nggak boleh berhenti di "orang belanja lebih jarang". Nilai belanja per orang juga turun, dan itu masalah yang beda penanganannya.
Kartu retur naik 46,2% jadi petunjuk berikutnya. Setelah dicek per produk, Rp 640.000 dari total retur datang dari satu batch minyak goreng kemasan yang bocor. Satu angka kecil di pojok dashboard nunjukin masalah operasional yang nggak kelihatan dari kartu omzet.
Kartu pelanggan baru naik 21,3%. Angka bagus, tapi belum ngangkat omzet, soalnya pelanggan baru rata-rata belanja Rp 41.500 di transaksi pertama, jauh di bawah AOV keseluruhan. Ini bahan diskusi buat minggu depan, bukan buat dirayain hari itu juga.
val_fnl_2 bakal jadi masalah tiga bulan lagi. Rapiin definisinya di kamus data spreadsheet sejak awal.Kalau kamu bikin versi Looker Studio-nya, cara nambah kartu skorecard dan pembanding periode ada di dokumentasi resmi Looker Studio.
Enam kartu udah cukup buat rapat mingguan penjualan. Batasnya bukan angka keramat, tapi kemampuan orang baca layar dalam 10 detik pertama. Kalau kamu naikin jadi 12 kartu, mata peserta rapat bakal loncat-loncat dan diskusi jadi melebar ke mana-mana. Simpan metrik detail di tab terpisah, dan panggil cuma kalau ada yang nanya.
Dashboard mingguan dipakai buat ngecek apakah minggu ini melenceng dari minggu lalu, jadi isinya angka pendek dengan pembanding satu periode. Laporan bulanan dipakai buat lihat tren dan ambil keputusan yang lebih besar, jadi butuh grafik tren, breakdown per kategori, dan catatan naratif. Jangan campur dua-duanya di satu halaman karena tujuannya beda.
AOV atau nilai rata-rata per transaksi itu omzet dibagi jumlah transaksi. Kalau transaksi naik gara-gara promo produk murah, penyebutnya naik lebih cepat dari pembilangnya, jadi AOV turun. Ini normal dan bukan tanda bahaya, asal omzet totalnya tetap naik. Yang perlu kamu waspadai kalau AOV turun barengan sama omzet yang juga turun.
Kalau data kamu di bawah 50 ribu baris dan yang lihat cuma tim internal, Google Sheets udah cukup dan lebih cepat diedit. Looker Studio kepakai kalau kamu perlu bagi link ke banyak orang, mau filter tanggal interaktif, atau datanya nyambung ke BigQuery. Banyak tim mulai dari Sheets dulu, baru pindah pas jumlah pembaca dashboard nambah.
Tambahin kolom catatan kecil di bawah kartu buat nulis konteksnya, misalnya "minggu lalu ada libur 2 hari". Kamu juga bisa nambah pembanding kedua ke minggu yang sama tahun lalu, biar efek musiman kelihatan. Yang penting jangan diam-diam ganti rumus pembanding, soalnya orang bakal bingung waktu angka lama nggak cocok.
Tiga hal yang bikin dashboard rapat mingguan kepakai: cuma 6 kartu, tiap kartu punya pembanding minggu lalu, dan ada keterangan kapan datanya di-refresh.
Kalau kamu mulai dari nol hari ini, bikin dulu kartu omzet dan jumlah transaksi. Dua itu aja udah cukup buat rapat Senin depan. Sisanya nyusul minggu berikutnya.
Mau latihan rumus SUMIFS dan COUNTIFS-nya langsung sambil ngetik? Coba latihan interaktif di NgulikSheet, gratis dan nggak perlu install apa-apa.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Dashboard penjualan yang rapi bisa kamu bikin cuma pakai Google Sheets, tanpa Looker Studio, tanpa add-on, tanpa bayar apa pun. Ini urutan 6 langkahnya, lengkap dengan rumusnya.
Dashboard buat mantau angka yang berubah tiap hari. Laporan buat jawab satu pertanyaan sekali dan tuntas. Salah pilih, kerjaanmu kebuang.
Delapan KPI keuangan yang beneran dibuka CFO tiap bulan, rumusnya, dan cara nyusunnya jadi satu dashboard yang kebaca dalam 90 detik.