Date Functions di SQL: Panduan Lengkap Manipulasi Tanggal

Kenapa Date Functions Penting Banget?

Sebagai Data Analyst, kamu pasti sering banget deal dengan data tanggal dan waktu. Laporan bulanan? Umur customer? Trend mingguan? Semuanya butuh date functions.

Masalahnya, date handling di SQL itu bisa tricky. Format tanggal beda-beda, timezone bikin pusing, dan tiap database punya fungsi yang agak berbeda.

Contoh-contoh di sini pake format Indonesia dan timezone WIB, jadi bisa langsung kamu pake buat kerjaan.

Apa yang Akan Kamu Pelajari

• [ ] Tipe data DATE, DATETIME, TIMESTAMP
• [ ] Fungsi untuk mendapatkan tanggal/waktu saat ini
• [ ] EXTRACT: Ambil bagian dari tanggal
• [ ] DATE_TRUNC: Potong tanggal ke periode tertentu
• [ ] DATE_ADD dan DATE_SUB
• [ ] Menghitung selisih tanggal (DATEDIFF)
• [ ] Formatting tanggal
• [ ] Konversi string ke date
• [ ] Timezone handling
• [ ] Use cases untuk time-series analysis

Tipe Data Tanggal di SQL

Sebelum masuk ke fungsi-fungsinya, kamu perlu tau dulu tipe data tanggal yang ada di SQL.

DATE

Cuma nyimpen tanggal (tahun, bulan, hari). Ga ada informasi waktu.

-- Format: YYYY-MM-DD
-- Contoh: 2024-12-23

TIME

Cuma nyimpen waktu (jam, menit, detik). Ga ada informasi tanggal.

-- Format: HH:MM:SS
-- Contoh: 14:30:45

DATETIME / TIMESTAMP

Nyimpen tanggal DAN waktu sekaligus.

-- Format: YYYY-MM-DD HH:MM:SS
-- Contoh: 2024-12-23 14:30:45

TIMESTAMP WITH TIME ZONE

Sama kayak TIMESTAMP, tapi include informasi timezone.

-- Format: YYYY-MM-DD HH:MM:SS+TZ
-- Contoh: 2024-12-23 14:30:45+07 (WIB)

Dataset yang Akan Kita Pakai

Buat tutorial ini, kita pakai dataset transaksi e-commerce Indonesia.

Tabel: transaksi

Tabel: customers

Fungsi untuk Mendapatkan Tanggal/Waktu Saat Ini

CURRENT_DATE

Dapetin tanggal hari ini (tanpa waktu).

SELECT CURRENT_DATE AS hari_ini;

Hasil:

CURRENT_TIME

Dapetin waktu saat ini (tanpa tanggal).

SELECT CURRENT_TIME AS waktu_sekarang;

Hasil:

CURRENT_TIMESTAMP / NOW()

Dapetin tanggal DAN waktu saat ini.

SELECT
    CURRENT_TIMESTAMP AS timestamp_now,
    NOW() AS now_function;  -- PostgreSQL, MySQL

Hasil:

Contoh Penggunaan Praktis

Filter transaksi hari ini:

SELECT *
FROM transaksi
WHERE DATE(tanggal_order) = CURRENT_DATE;

Filter transaksi 7 hari terakhir:

SELECT *
FROM transaksi
WHERE tanggal_order >= CURRENT_DATE - INTERVAL '7 days';

EXTRACT: Ambil Bagian dari Tanggal

EXTRACT itu fungsi buat ngambil bagian tertentu dari tanggal. Super useful!

Sintaks

EXTRACT(part FROM date_column)

Bagian yang Bisa Di-extract

SELECT
    tanggal_order,
    EXTRACT(YEAR FROM tanggal_order) AS tahun,
    EXTRACT(MONTH FROM tanggal_order) AS bulan,
    EXTRACT(DAY FROM tanggal_order) AS hari,
    EXTRACT(HOUR FROM tanggal_order) AS jam,
    EXTRACT(MINUTE FROM tanggal_order) AS menit,
    EXTRACT(SECOND FROM tanggal_order) AS detik,
    EXTRACT(DOW FROM tanggal_order) AS hari_minggu,  -- 0=Sunday, 6=Saturday
    EXTRACT(DOY FROM tanggal_order) AS hari_ke,      -- Day of year (1-366)
    EXTRACT(WEEK FROM tanggal_order) AS minggu_ke,   -- Week of year
    EXTRACT(QUARTER FROM tanggal_order) AS kuartal
FROM transaksi
LIMIT 3;

Hasil:

Contoh: Total Transaksi per Bulan

SELECT
    EXTRACT(YEAR FROM tanggal_order) AS tahun,
    EXTRACT(MONTH FROM tanggal_order) AS bulan,
    COUNT(*) AS jumlah_transaksi,
    SUM(total) AS total_revenue
FROM transaksi
GROUP BY
    EXTRACT(YEAR FROM tanggal_order),
    EXTRACT(MONTH FROM tanggal_order)
ORDER BY tahun, bulan;

Hasil:

Contoh: Analisis Hari dalam Seminggu

SELECT
    CASE EXTRACT(DOW FROM tanggal_order)
        WHEN 0 THEN 'Minggu'
        WHEN 1 THEN 'Senin'
        WHEN 2 THEN 'Selasa'
        WHEN 3 THEN 'Rabu'
        WHEN 4 THEN 'Kamis'
        WHEN 5 THEN 'Jumat'
        WHEN 6 THEN 'Sabtu'
    END AS hari,
    COUNT(*) AS jumlah_order
FROM transaksi
GROUP BY EXTRACT(DOW FROM tanggal_order)
ORDER BY EXTRACT(DOW FROM tanggal_order);

Dari sini kamu bisa tau hari apa yang paling banyak order. Berguna buat planning promo!

DATE_TRUNC: Potong Tanggal ke Periode Tertentu

DATE_TRUNC itu kayak "membulatkan" tanggal ke awal periode tertentu. Berguna banget buat grouping.

Sintaks (PostgreSQL)

DATE_TRUNC('period', date_column)

Contoh Penggunaan

SELECT
    tanggal_order,
    DATE_TRUNC('year', tanggal_order) AS awal_tahun,
    DATE_TRUNC('quarter', tanggal_order) AS awal_kuartal,
    DATE_TRUNC('month', tanggal_order) AS awal_bulan,
    DATE_TRUNC('week', tanggal_order) AS awal_minggu,
    DATE_TRUNC('day', tanggal_order) AS awal_hari,
    DATE_TRUNC('hour', tanggal_order) AS awal_jam
FROM transaksi
LIMIT 3;

Hasil:

Grouping dengan DATE_TRUNC

SELECT
    DATE_TRUNC('month', tanggal_order) AS bulan,
    COUNT(*) AS jumlah_order,
    SUM(total) AS revenue
FROM transaksi
GROUP BY DATE_TRUNC('month', tanggal_order)
ORDER BY bulan;

Lebih clean daripada pake EXTRACT untuk year dan month terpisah.

DATE_ADD dan DATE_SUB

Fungsi buat nambah atau ngurangin waktu dari tanggal.

PostgreSQL / Standard SQL

SELECT
    tanggal_order,
    tanggal_order + INTERVAL '7 days' AS seminggu_kemudian,
    tanggal_order - INTERVAL '1 month' AS sebulan_sebelum,
    tanggal_order + INTERVAL '2 hours' AS dua_jam_kemudian
FROM transaksi
LIMIT 3;

MySQL

SELECT
    tanggal_order,
    DATE_ADD(tanggal_order, INTERVAL 7 DAY) AS seminggu_kemudian,
    DATE_SUB(tanggal_order, INTERVAL 1 MONTH) AS sebulan_sebelum,
    DATE_ADD(tanggal_order, INTERVAL 2 HOUR) AS dua_jam_kemudian
FROM transaksi
LIMIT 3;

Contoh Praktis: Estimasi Tanggal Pengiriman

SELECT
    id,
    tanggal_order,
    tanggal_order + INTERVAL '1 day' AS estimasi_kirim,
    tanggal_order + INTERVAL '3 days' AS estimasi_sampai
FROM transaksi;

Contoh: Filter Transaksi 30 Hari Terakhir

SELECT *
FROM transaksi
WHERE tanggal_order >= CURRENT_DATE - INTERVAL '30 days';

DATEDIFF: Menghitung Selisih Tanggal

PostgreSQL

Di PostgreSQL, kamu bisa langsung kurangin tanggal.

SELECT
    id,
    tanggal_order,
    tanggal_selesai,
    tanggal_selesai - tanggal_order AS selisih_interval,
    EXTRACT(DAY FROM (tanggal_selesai - tanggal_order)) AS selisih_hari,
    -- Atau pake DATE biar dapet integer
    DATE(tanggal_selesai) - DATE(tanggal_order) AS selisih_hari_int
FROM transaksi;

Hasil:

MySQL

MySQL punya fungsi DATEDIFF khusus.

SELECT
    id,
    tanggal_order,
    tanggal_selesai,
    DATEDIFF(tanggal_selesai, tanggal_order) AS selisih_hari
FROM transaksi;

Contoh: Hitung Umur Customer

SELECT
    nama,
    tanggal_lahir,
    EXTRACT(YEAR FROM AGE(CURRENT_DATE, tanggal_lahir)) AS umur
FROM customers;

Hasil:

Contoh: Rata-rata Waktu Pengiriman

SELECT
    AVG(DATE(tanggal_selesai) - DATE(tanggal_order)) AS avg_delivery_days,
    MIN(DATE(tanggal_selesai) - DATE(tanggal_order)) AS min_delivery_days,
    MAX(DATE(tanggal_selesai) - DATE(tanggal_order)) AS max_delivery_days
FROM transaksi;

Formatting Tanggal

TO_CHAR (PostgreSQL)

SELECT
    tanggal_order,
    TO_CHAR(tanggal_order, 'DD-MM-YYYY') AS format_indonesia,
    TO_CHAR(tanggal_order, 'DD Mon YYYY') AS format_singkat,
    TO_CHAR(tanggal_order, 'Day, DD Month YYYY') AS format_lengkap,
    TO_CHAR(tanggal_order, 'HH24:MI:SS') AS waktu_24jam,
    TO_CHAR(tanggal_order, 'HH12:MI AM') AS waktu_12jam
FROM transaksi
LIMIT 3;

Hasil:

DATE_FORMAT (MySQL)

SELECT
    tanggal_order,
    DATE_FORMAT(tanggal_order, '%d-%m-%Y') AS format_indonesia,
    DATE_FORMAT(tanggal_order, '%d %b %Y') AS format_singkat,
    DATE_FORMAT(tanggal_order, '%W, %d %M %Y') AS format_lengkap
FROM transaksi
LIMIT 3;

Format Codes yang Sering Dipake

Konversi String ke Date

Kadang data tanggal dateng dalam bentuk string. Kamu perlu convert dulu.

TO_DATE / TO_TIMESTAMP (PostgreSQL)

SELECT
    TO_DATE('15-01-2024', 'DD-MM-YYYY') AS dari_string,
    TO_TIMESTAMP('15-01-2024 09:30:00', 'DD-MM-YYYY HH24:MI:SS') AS dengan_waktu;

STR_TO_DATE (MySQL)

SELECT
    STR_TO_DATE('15-01-2024', '%d-%m-%Y') AS dari_string,
    STR_TO_DATE('15-01-2024 09:30:00', '%d-%m-%Y %H:%i:%s') AS dengan_waktu;

CAST (Standard SQL)

SELECT
    CAST('2024-01-15' AS DATE) AS tanggal,
    CAST('2024-01-15 09:30:00' AS TIMESTAMP) AS timestamp;

Timezone Handling

Ini yang sering bikin pusing. Indonesia punya 3 timezone: WIB, WITA, WIT.

Konversi Timezone (PostgreSQL)

SELECT
    tanggal_order,
    tanggal_order AT TIME ZONE 'UTC' AS utc,
    tanggal_order AT TIME ZONE 'Asia/Jakarta' AS wib,
    tanggal_order AT TIME ZONE 'Asia/Makassar' AS wita,
    tanggal_order AT TIME ZONE 'Asia/Jayapura' AS wit
FROM transaksi
LIMIT 2;

Set Timezone Default

-- PostgreSQL
SET timezone = 'Asia/Jakarta';

-- MySQL
SET time_zone = '+07:00';

Contoh Praktis: Konversi dari UTC ke WIB

Kalau data kamu disimpan dalam UTC (common practice), konversi ke WIB buat reporting:

SELECT
    id,
    tanggal_order AS utc_time,
    tanggal_order AT TIME ZONE 'UTC' AT TIME ZONE 'Asia/Jakarta' AS wib_time
FROM transaksi;

Use Cases untuk Time-Series Analysis

1. Trend Harian

SELECT
    DATE(tanggal_order) AS tanggal,
    COUNT(*) AS jumlah_order,
    SUM(total) AS revenue
FROM transaksi
GROUP BY DATE(tanggal_order)
ORDER BY tanggal;

2. Perbandingan Week over Week

WITH weekly_data AS (
    SELECT
        DATE_TRUNC('week', tanggal_order) AS minggu,
        SUM(total) AS revenue
    FROM transaksi
    GROUP BY DATE_TRUNC('week', tanggal_order)
)
SELECT
    minggu,
    revenue,
    LAG(revenue) OVER (ORDER BY minggu) AS revenue_minggu_lalu,
    revenue - LAG(revenue) OVER (ORDER BY minggu) AS selisih
FROM weekly_data
ORDER BY minggu;

3. Month to Date (MTD)

SELECT
    SUM(total) AS mtd_revenue
FROM transaksi
WHERE tanggal_order >= DATE_TRUNC('month', CURRENT_DATE)
  AND tanggal_order < CURRENT_DATE + INTERVAL '1 day';

4. Year over Year Comparison

SELECT
    EXTRACT(MONTH FROM tanggal_order) AS bulan,
    SUM(CASE WHEN EXTRACT(YEAR FROM tanggal_order) = 2024 THEN total ELSE 0 END) AS revenue_2024,
    SUM(CASE WHEN EXTRACT(YEAR FROM tanggal_order) = 2023 THEN total ELSE 0 END) AS revenue_2023
FROM transaksi
WHERE EXTRACT(YEAR FROM tanggal_order) IN (2023, 2024)
GROUP BY EXTRACT(MONTH FROM tanggal_order)
ORDER BY bulan;

5. Cohort by First Order Date

WITH first_order AS (
    SELECT
        customer_id,
        MIN(DATE_TRUNC('month', tanggal_order)) AS cohort_month
    FROM transaksi
    GROUP BY customer_id
)
SELECT
    cohort_month,
    COUNT(*) AS new_customers
FROM first_order
GROUP BY cohort_month
ORDER BY cohort_month;

Common Mistakes yang Harus Dihindari

Mistake 1: Bandingin DATE dengan TIMESTAMP

-- POTENSI MASALAH
SELECT * FROM transaksi
WHERE tanggal_order = '2024-01-15';  -- Ini '2024-01-15 00:00:00'

-- LEBIH AMAN
SELECT * FROM transaksi
WHERE DATE(tanggal_order) = '2024-01-15';

-- Atau pake range
SELECT * FROM transaksi
WHERE tanggal_order >= '2024-01-15'
  AND tanggal_order < '2024-01-16';

Mistake 2: Lupa Timezone

-- DATA BISA SALAH kalau timezone ga konsisten
SELECT * FROM transaksi
WHERE tanggal_order >= '2024-01-15';

-- LEBIH BAIK, eksplisit timezone
SELECT * FROM transaksi
WHERE tanggal_order >= '2024-01-15 00:00:00+07';

Mistake 3: Format String yang Salah

-- ERROR
SELECT TO_DATE('15/01/2024', 'DD-MM-YYYY');  -- Format ga match!

-- BENAR
SELECT TO_DATE('15/01/2024', 'DD/MM/YYYY');

Tips dan Best Practices

1. Simpan dalam UTC

Best practice: simpan semua timestamp dalam UTC, konversi ke local timezone saat display.

2. Pake DATE_TRUNC untuk Grouping

Lebih clean daripada EXTRACT year dan month terpisah.

3. Index Kolom Tanggal

Kalau sering filter berdasarkan tanggal, pastikan ada index.

4. Konsisten dengan Format

Pilih satu format dan stick dengan itu di seluruh aplikasi.

5. Handle NULL

SELECT COALESCE(tanggal_selesai, CURRENT_TIMESTAMP) AS tanggal_final
FROM transaksi;

Latihan

Coba kerjain query ini:

Soal: Hitung rata-rata waktu dari order sampai selesai (dalam hari dan jam) per bulan. Hasil diurutkan dari yang tercepat.

SELECT
    DATE_TRUNC('month', tanggal_order) AS bulan,
    COUNT(*) AS total_order,
    ROUND(AVG(EXTRACT(EPOCH FROM (tanggal_selesai - tanggal_order)) / 86400), 2) AS avg_hari,
    ROUND(AVG(EXTRACT(EPOCH FROM (tanggal_selesai - tanggal_order)) / 3600), 2) AS avg_jam
FROM transaksi
GROUP BY DATE_TRUNC('month', tanggal_order)
ORDER BY avg_hari;

FAQ

Apa bedanya DATE, DATETIME, dan TIMESTAMP?

DATE cuma nyimpen tanggal, contohnya 2024-12-23. DATETIME nyimpen tanggal plus waktu sekaligus. TIMESTAMP mirip DATETIME, tapi ada varian TIMESTAMP WITH TIME ZONE yang nyimpen info timezone juga. Buat data transaksi, pake TIMESTAMP biar jam kejadiannya kerekam. Kalau cuma butuh tanggal lahir atau tanggal libur, DATE udah cukup kok.

Kapan pake EXTRACT dan kapan pake DATE_TRUNC?

EXTRACT buat ngambil satu bagian dari tanggal — bulan doang atau tahun doang. DATE_TRUNC buat "membulatkan" tanggal ke awal periode, contohnya 2024-01-15 jadi 2024-01-01. Buat grouping laporan bulanan, DATE_TRUNC lebih clean soalnya hasilnya tetap tanggal yang bisa di-sort langsung. EXTRACT lebih cocok buat analisis kayak jumlah order per hari dalam seminggu.

Gimana cara handle timezone WIB di SQL?

Best practice-nya simpan semua timestamp dalam UTC, lalu konversi ke WIB pas bikin report. Di PostgreSQL pake AT TIME ZONE 'Asia/Jakarta', di MySQL set time_zone = '+07:00'. Indonesia punya 3 timezone: WIB, WITA, WIT. Kalau user kamu tersebar, konversi di layer display aja biar datanya konsisten.

DATEDIFF nggak jalan di PostgreSQL, gimana dong?

PostgreSQL emang nggak punya fungsi DATEDIFF kayak MySQL. Gantinya, kurangin langsung dua tanggalnya: DATE(tanggal_selesai) - DATE(tanggal_order) hasilnya integer jumlah hari. Kalau butuh selisih dalam jam atau menit, pake EXTRACT(EPOCH FROM ...) terus bagi 3600 buat jam. Konsepnya sama, cuma syntax-nya beda dikit.

Kesimpulan

Date functions itu skill wajib buat Data Analyst. Inget poin-poin ini:

1. Pahami perbedaan DATE, DATETIME, TIMESTAMP
2. EXTRACT buat ambil bagian dari tanggal
3. DATE_TRUNC buat grouping by period
4. INTERVAL buat tambah/kurang waktu
5. Handle timezone dengan hati-hati
6. Format tanggal sesuai kebutuhan audience (Indonesia: DD-MM-YYYY)

Latihan yang banyak ya, karena setiap database punya sedikit perbedaan syntax. Yang penting kamu paham konsepnya, tinggal adjust syntax-nya aja.

Happy querying!

Selanjutnya

Kalau kamu udah paham date functions, next step-nya:
- Cohort Analysis - analisis retention berbasis waktu
- Window Functions - analisis time-series yang lebih advanced
- GROUP BY dan HAVING - agregasi data per periode