Power Query di Power BI: Bersihin Data Sebelum Divisualisasi

Power Query adalah mesin transformasi data di Power BI yang kamu pakai buat ngebersihin data sebelum data itu nyentuh chart. Import, hapus kolom sampah, benerin tipe data, gabung tabel — semua di situ.

Masalahnya, kebanyakan orang loncat langsung ke visual. Data mentah ditarik, chart dibikin, angkanya aneh, terus bingung kenapa.

Padahal dari pengalamanku, 70% waktu bikin dashboard itu habis di pembersihan data. Bukan di milih warna bar chart.

Di bawah ini aku pakai dataset penjualan toko_berkah — 8.400 baris transaksi UMKM dari 3 cabang, formatnya berantakan kayak export POS pada umumnya. Kita rapiin dari nol.

Apa itu Power Query di Power BI?

Power Query adalah tool di Power BI buat narik data dari berbagai sumber, terus ngerapiin bentuknya sebelum masuk ke model data. Tiap aksi yang kamu lakuin kerekam jadi satu langkah di panel Applied Steps, dan langkah itu diulang otomatis tiap kali kamu klik Refresh.

Jadi kerja bersihin data yang tadinya kamu ulang manual tiap bulan, cukup kamu susun sekali.

Bahasa di baliknya namanya M. Tapi kamu nggak perlu ngetik M kok. Hampir semua bisa lewat klik-klik di ribbon, dan Power Query yang nulisin kodenya buat kamu.

Buka Power Query lewat tombol Transform data di tab Home Power BI Desktop. Jendela baru muncul — itulah Power Query Editor.

Gimana cara import data ke Power Query?

Klik Get data di Home, pilih sumbernya, lalu klik Transform Data (jangan Load). Bedanya penting: Load langsung masukin data mentah ke model, Transform Data buka Power Query Editor dulu biar kamu bisa bersihin.

Buat file toko_berkah, urutannya gini:

1. Get data → Text/CSV → pilih penjualan_toko_berkah_2025.csv
2. Cek preview-nya. Delimiter kebaca bener nggak? Kalau kolomnya numpuk jadi satu, ganti delimiter ke titik koma.
3. Klik Transform Data.

Satu hal yang sering kelewat: kalau CSV kamu punya baris judul di atas header, hasil importnya bakal ngaco. Power Query nangkap baris judul itu sebagai nama kolom.

Perbaikannya gampang. Home → Remove Rows → Remove Top Rows → isi 2. Habis itu Home → Use First Row as Headers.

Langkah pembersihan apa yang paling sering dipakai?

Dari 12 langkah yang aku pakai di toko_berkah, ini 6 yang paling sering muncul di hampir semua proyek.

1. Remove Columns — buang yang nggak dipakai

Export POS biasanya bawa 20+ kolom, padahal yang kamu butuh cuma 7. Kolom kayak sync_flag atau printer_id cuma bikin model berat.

Pilih kolom yang mau dipertahanin, klik kanan → Remove Other Columns. Lebih aman dari Remove Columns, soalnya kalau sumbernya nambah kolom baru bulan depan, kolom itu ikut kebuang otomatis.

2. Change Type — benerin tipe data

Ini yang paling sering bikin chart salah. Kolom total_harga kebaca sebagai Text gara-gara ada pemisah ribuan, jadi Power BI nggak bisa jumlahin.

Klik ikon tipe data di sebelah kiri nama kolom, pilih Decimal Number. Kalau muncul error, kemungkinan ada karakter aneh — pakai Replace Values dulu buat hapus "Rp" dan titik.

Kolom tanggal juga hati-hati. Format Indonesia (DD/MM/YYYY) sering kebaca sebagai format Amerika. Klik kanan kolom → Change Type → Using Locale → pilih Date, locale Indonesian.

3. Replace Values — bersihin isi sel

Di toko_berkah, kolom kota punya 4 versi penulisan Jakarta: "Jakarta", "JAKARTA", "Jkt", "DKI Jakarta". Kalau dibiarin, chart penjualan per kota bakal punya 4 bar Jakarta.

Klik kanan kolom → Replace Values, ganti satu-satu. Atau kalau variasinya banyak, bikin tabel mapping terpisah terus Merge.

4. Split Column — pecah kolom gabungan

Kolom produk isinya "Beras Premium - 5kg". Kamu mau pisahin nama produk dan ukurannya.

Klik kolom → Home → Split Column → By Delimiter → pilih Custom, isi " - ".

5. Filter Rows — buang baris sampah

Klik panah dropdown di header kolom, uncheck nilai yang mau dibuang. Di toko_berkah ada 143 baris dengan status = 'void' alias transaksi batal. Kalau ikut kehitung, revenue-nya kelebihan Rp 4,2 juta.

6. Unpivot Columns — ubah kolom jadi baris

Ini penyelamat kalau data kamu bentuknya wide. Contohnya laporan bulanan dengan kolom Jan, Feb, Mar sampai Des — 12 kolom.

Power BI benci format kayak gini. Chart-nya susah dibikin, filter tanggal nggak jalan.

Pilih kolom yang bukan bulan (misal produk dan cabang), klik kanan → Unpivot Other Columns. Sekarang kamu punya kolom Attribute (nama bulan) dan Value (angkanya). Rename jadi bulan dan penjualan, beres.

Konsep yang sama juga ada di database. Kalau data kamu udah di warehouse, cek cara UNPIVOT di SQL — logikanya identik.

Gimana cara gabungin beberapa tabel?

Ada dua cara, dan orang sering ketuker.

Operasi	Fungsinya	Padanan SQL	Kapan dipakai
Merge Queries	Nambah kolom dari tabel lain	JOIN	Narik nama produk ke tabel transaksi
Append Queries	Nambah baris dari tabel lain	UNION ALL	Gabungin file Januari + Februari

Buat Merge: Home → Merge Queries → pilih tabel kedua → klik kolom kunci di kedua tabel → pilih Join Kind (Left Outer paling sering) → OK. Hasilnya muncul kolom baru berisi tabel. Klik ikon panah dua arah di headernya, pilih kolom yang mau ditarik.

Kalau kamu belum familiar sama konsep join, aku pernah jelasin lengkap di glossary JOIN.

Buat Append: Home → Append Queries → pilih tabel yang mau ditumpuk. Syaratnya nama kolom harus sama persis. Kalau beda, Power Query bikin kolom terpisah dan isinya null semua.

Contoh kasus: dashboard penjualan toko_berkah

Datanya: 3 file CSV export dari POS, satu per cabang (Bandung, Surabaya, Yogyakarta). Total 8.400 baris, periode Januari–Desember 2025.

Kondisi awal yang bikin pusing:

• Kolom total_harga bertipe Text — ada "Rp" dan titik ribuan
• 143 baris transaksi void masih ikut kehitung
• Nama cabang beda-beda penulisan antar file
• Tanggal kebaca format Amerika, jadi 03/05/2025 dibaca 5 Maret, bukan 3 Mei

Alur query yang aku bangun:

1. Import 3 CSV lewat Get data → Folder, bukan satu-satu. Power Query auto-gabung semua file di folder itu.
2. Remove Other Columns — sisain 7 kolom yang kepakai.
3. Filter Rows — buang status = void.
4. Replace Values di kolom total_harga — hapus "Rp " dan ".", lalu Change Type ke Decimal Number.
5. Change Type Using Locale di kolom tanggal — Date, Indonesian.
6. Trim + Uppercase di kolom cabang biar penulisan seragam.
7. Merge sama tabel master_produk buat narik kolom kategori.
8. Close & Apply.

Hasilnya? Total revenue bersih 2025 keluar di Rp 3,84 miliar. Kalau langkah filter void dan perbaikan tanggal dilewat, angkanya jadi Rp 3,89 miliar — beda Rp 47 juta. Itu selisih yang cukup buat bikin kamu salah ambil keputusan stok.

Dan yang paling enak: bulan depan pas ada file CSV baru masuk ke folder, aku cukup klik Refresh. 12 langkah tadi jalan sendiri.

Kesalahan umum yang bikin query kamu rusak

Nggak ngecek Applied Steps setelah edit

Tiap klik nambah satu langkah. Kalau kamu asal klik-klik, panel Applied Steps bisa isinya 40 langkah — setengahnya duplikat. Buka panelnya di kanan, hapus langkah yang nggak perlu.

Change Type kepasang otomatis di posisi yang salah

Power Query suka otomatis nambahin "Changed Type" pas kamu import. Kalau langkah itu ada di atas langkah Replace Values, dia bakal error — dia coba ubah "Rp 15.000" jadi angka, dan gagal.

Solusinya: drag langkah Changed Type ke bawah, setelah pembersihan teks selesai.

Hardcode nama kolom yang berubah tiap bulan

Kalau sumber datanya ganti nama kolom, semua langkah setelahnya error. Taruh langkah Rename Columns di paling awal biar nama kolom selalu diseragamkan dulu.

Bikin semua di satu query panjang

Query yang isinya 30 langkah susah di-debug. Pecah jadi beberapa query — satu buat transaksi, satu buat master produk, satu buat kalender. Baru gabung di akhir.

Lupa matiin Enable Load buat query perantara

Query yang cuma jadi bahan Merge nggak perlu masuk ke model. Klik kanan query-nya di panel kiri → uncheck Enable load. Model kamu jadi lebih ringan.

FAQ

Apa bedanya Power Query sama DAX?

Power Query jalan sebelum data masuk ke model. Tugasnya ngerapiin: hapus kolom, ubah tipe data, gabung tabel. Bahasanya M. DAX jalan setelah data udah di dalam model, waktu kamu bikin measure kayak total penjualan atau growth bulanan. Patokan gampangnya: kalau kamu lagi ngutak-atik bentuk tabel, itu Power Query. Kalau kamu lagi ngitung angka dari tabel yang udah rapi, itu DAX.

Power Query di Excel sama nggak sama yang di Power BI?

Mesinnya sama persis, bahasa M-nya juga sama. Query yang kamu bikin di Excel bisa kamu copy ke Power BI lewat Advanced Editor, tinggal paste. Bedanya cuma di sekitarnya: Power BI punya model data yang lebih kuat dan visual yang lebih banyak. Kalau kamu udah biasa pakai Get & Transform di Excel, kamu udah bisa Power Query di Power BI.

Kenapa langkah Change Type sering bikin error pas refresh?

Gara-gara Power Query nyimpen nama kolom di dalam langkahnya. Kalau minggu depan file sumber ganti nama kolom dari Qty jadi Quantity, langkah Change Type nyari kolom Qty, nggak nemu, terus error. Solusinya: samain nama kolom di sumber, atau pakai langkah Rename Columns di awal biar nama kolom selalu diseragamkan dulu sebelum langkah lain jalan.

Apa itu Applied Steps dan kenapa penting?

Applied Steps adalah daftar langkah pembersihan yang kerekam di panel kanan Power Query. Tiap kali kamu klik sesuatu, satu langkah baru nambah. Yang bikin penting: langkah ini kesimpen dan diulang otomatis tiap kamu klik Refresh. Jadi kerja bersihin data yang tadinya 40 menit manual tiap bulan, jadi satu klik.

Kapan aku harus pakai Merge dan kapan Append?

Merge buat nambah kolom, Append buat nambah baris. Kalau kamu punya tabel transaksi dan tabel produk, terus mau narik nama produk ke tabel transaksi, itu Merge (sama kayak JOIN di SQL). Kalau kamu punya file penjualan Januari dan Februari dengan kolom yang sama, terus mau jadiin satu tabel panjang, itu Append.

Penutup

Tiga hal yang perlu kamu bawa pulang:

• Selalu klik Transform Data, jangan Load. Bersihin dulu, baru visualisasi.
• Urutan Applied Steps itu penting — Change Type harus setelah pembersihan teks, bukan sebelum.
• Merge nambah kolom, Append nambah baris. Jangan ketuker.

Detail lengkap tiap transformasi ada di dokumentasi resmi Power Query dari Microsoft.

Kalau kamu mau ngerti kenapa transformasi tertentu perlu, coba latihan logika data manipulation-nya dulu lewat fungsi GROUP BY — pola pikirnya kepakai di Power Query juga.

Udah siap bikin visualnya? Lanjut baca Power BI vs Tableau kalau kamu masih nimbang mau pakai tool yang mana.