Window function adalah fungsi yang menghitung sesuatu dari sekelompok baris, misalnya peringkat, total berjalan, atau nilai bulan sebelumnya, tetapi tanpa meringkas barisnya. GROUP BY mengubah 68 pesanan menjadi 4 baris per bulan; window function tetap menampilkan semua baris dan menambahkan kolom hasil hitungan di sebelahnya. Penandanya kata OVER (...). Empat yang paling sering dipakai analis: ROW_NUMBER untuk top N per kelompok, RANK untuk peringkat, SUM() OVER untuk total berjalan, dan LAG untuk perubahan dari periode sebelumnya. Skill ini sering menjadi pembeda di tes SQL data analyst.
Semua contoh memakai dataset latihan kedai kopi. Window function didukung SQLite 3.25 ke atas, PostgreSQL, MySQL 8 ke atas, dan MariaDB 10.2 ke atas. Contoh di bawah memakai strftime khusus SQLite untuk mengambil bulan; padanannya ada di artikel fungsi tanggal.
Bagian-bagian OVER
fungsi() OVER (PARTITION BY kolom_kelompok ORDER BY kolom_urutan)
PARTITION BY: membagi baris menjadi kelompok, sepertiGROUP BY, tetapi barisnya tidak diringkas. Kalau dihilangkan, semua baris dianggap satu kelompok.ORDER BYdi dalamOVER: urutan baris di setiap kelompok. Ini yang menentukan siapa peringkat 1 dan apa yang dimaksud "bulan sebelumnya".
ROW_NUMBER: Produk Terlaris di Setiap Kategori
Pertanyaan "produk terlaris di setiap kategori" tidak bisa dijawab dengan GROUP BY saja. Rangkum dulu penjualan per produk dengan CTE, lalu beri nomor urut di dalam setiap kategori:
WITH penjualan AS (
SELECT pr.kategori, pr.nama_produk, SUM(i.qty) AS terjual
FROM item_pesanan AS i
JOIN produk AS pr ON pr.id_produk = i.id_produk
GROUP BY pr.kategori, pr.nama_produk
)
SELECT kategori, nama_produk, terjual,
ROW_NUMBER() OVER (PARTITION BY kategori ORDER BY terjual DESC) AS peringkat
FROM penjualan
ORDER BY kategori, peringkat;
| kategori | nama_produk | terjual | peringkat |
|---|---|---|---|
| Kopi | Kopi Susu Gula Aren | 37 | 1 |
| Kopi | Cappuccino | 16 | 2 |
| Kopi | Americano | 9 | 3 |
| Makanan | Pisang Goreng | 9 | 1 |
| Makanan | Roti Bakar Keju | 9 | 2 |
| Makanan | Croissant | 8 | 3 |
| Makanan | Donat Gula | 7 | 4 |
| Non-Kopi | Es Teh Lemon | 26 | 1 |
| Non-Kopi | Matcha Latte | 7 | 2 |
| Non-Kopi | Cokelat Panas | 4 | 3 |
Nomor urut mulai lagi dari 1 di setiap kategori karena PARTITION BY kategori. Untuk mengambil juara setiap kategori saja, bungkus dengan CTE lagi dan saring WHERE peringkat = 1. Pola ini disebut top N per kelompok, dan hampir selalu muncul di tes SQL.
Lihat kategori Makanan. Pisang Goreng dan Roti Bakar Keju sama-sama terjual 9, tetapi ROW_NUMBER tetap harus memberi nomor yang berbeda, dan siapa yang dapat nomor 1 tidak dijamin. Bisa berubah di database lain, atau setelah datanya bertambah. Kalau peringkatnya dipakai untuk keputusan, tambahkan kolom penentu kedua, misalnya ORDER BY terjual DESC, omzet DESC. Dengan penentu omzet, Roti Bakar Keju (Rp162.000) unggul atas Pisang Goreng (Rp108.000).
ROW_NUMBER, RANK, dan DENSE_RANK Saat Nilainya Seri
WITH penjualan AS (
SELECT pr.nama_produk, SUM(i.qty) AS terjual
FROM item_pesanan AS i
JOIN produk AS pr ON pr.id_produk = i.id_produk
GROUP BY pr.nama_produk
)
SELECT nama_produk, terjual,
ROW_NUMBER() OVER (ORDER BY terjual DESC) AS row_number,
RANK() OVER (ORDER BY terjual DESC) AS rank,
DENSE_RANK() OVER (ORDER BY terjual DESC) AS dense_rank
FROM penjualan
ORDER BY terjual DESC
LIMIT 7;
| nama_produk | terjual | row_number | rank | dense_rank |
|---|---|---|---|---|
| Kopi Susu Gula Aren | 37 | 1 | 1 | 1 |
| Es Teh Lemon | 26 | 2 | 2 | 2 |
| Cappuccino | 16 | 3 | 3 | 3 |
| Americano | 9 | 4 | 4 | 4 |
| Pisang Goreng | 9 | 5 | 4 | 4 |
| Roti Bakar Keju | 9 | 6 | 4 | 4 |
| Croissant | 8 | 7 | 7 | 5 |
Tiga produk seri di angka 9:
ROW_NUMBERmemberi 4, 5, 6. Selalu unik, cocok untuk "ambil tepat satu per kelompok".RANKmemberi ketiganya 4, lalu melompat ke 7. Seperti klasemen olahraga.DENSE_RANKmemberi ketiganya 4, lalu lanjut ke 5 tanpa lompatan. Cocok untuk "tiga tingkat penjualan teratas".
Running Total: Omzet Kumulatif
SUM() OVER (ORDER BY ...) menjumlahkan dari baris pertama sampai baris saat ini:
WITH bulanan AS (
SELECT strftime('%Y-%m', p.tanggal) AS bulan,
SUM(i.qty * i.harga_satuan) AS omzet
FROM pesanan AS p
JOIN item_pesanan AS i ON i.id_pesanan = p.id_pesanan
GROUP BY bulan
)
SELECT bulan, omzet,
SUM(omzet) OVER (ORDER BY bulan) AS omzet_kumulatif
FROM bulanan
ORDER BY bulan;
| bulan | omzet | omzet_kumulatif |
|---|---|---|
| 2026-01 | 403000 | 403000 |
| 2026-02 | 671000 | 1074000 |
| 2026-03 | 798000 | 1872000 |
| 2026-04 | 675000 | 2547000 |
Baris terakhir Rp2.547.000, sama dengan total omzet dataset. Running total dipakai untuk melacak target, misalnya "sampai Maret sudah berapa persen dari target kuartal".
LAG: Dibandingkan dengan Bulan Lalu
LAG(kolom) mengambil nilai dari baris sebelumnya. Pertumbuhan omzet bulanan:
WITH bulanan AS (
SELECT strftime('%Y-%m', p.tanggal) AS bulan,
SUM(i.qty * i.harga_satuan) AS omzet
FROM pesanan AS p
JOIN item_pesanan AS i ON i.id_pesanan = p.id_pesanan
GROUP BY bulan
)
SELECT bulan, omzet,
LAG(omzet) OVER (ORDER BY bulan) AS omzet_bulan_lalu,
ROUND(100.0 * (omzet - LAG(omzet) OVER (ORDER BY bulan))
/ LAG(omzet) OVER (ORDER BY bulan), 1) AS pertumbuhan_persen
FROM bulanan
ORDER BY bulan;
| bulan | omzet | omzet_bulan_lalu | pertumbuhan_persen |
|---|---|---|---|
| 2026-01 | 403000 | NULL | NULL |
| 2026-02 | 671000 | 403000 | 66.5 |
| 2026-03 | 798000 | 671000 | 18.9 |
| 2026-04 | 675000 | 798000 | -15.4 |
Januari tidak punya bulan sebelumnya, jadi hasilnya NULL. Omzet April turun 15,4% dari Maret. LEAD adalah kebalikannya: mengambil nilai dari baris sesudahnya.
Perhatikan 100.0, bukan 100. Di SQLite, PostgreSQL, dan SQL Server, pembagian dua bilangan bulat menghasilkan bilangan bulat, sehingga (675000 - 798000) / 798000 menjadi 0. Mengalikan dengan 100.0 lebih dulu membuat hasilnya desimal.
LAG per cabang dengan PARTITION BY
Tanpa PARTITION BY, baris pertama cabang Tebet akan dibandingkan dengan baris terakhir cabang lain. Dengan PARTITION BY id_cabang, setiap cabang dibandingkan dengan bulan sebelumnya di cabang yang sama:
WITH bulanan AS (
SELECT p.id_cabang,
strftime('%Y-%m', p.tanggal) AS bulan,
SUM(i.qty * i.harga_satuan) AS omzet
FROM pesanan AS p
JOIN item_pesanan AS i ON i.id_pesanan = p.id_pesanan
GROUP BY p.id_cabang, bulan
)
SELECT id_cabang, bulan, omzet,
omzet - LAG(omzet) OVER (PARTITION BY id_cabang ORDER BY bulan) AS selisih
FROM bulanan
WHERE id_cabang = 'C03'
ORDER BY bulan;
| id_cabang | bulan | omzet | selisih |
|---|---|---|---|
| C03 | 2026-01 | 128000 | NULL |
| C03 | 2026-02 | 203000 | 75000 |
| C03 | 2026-03 | 236000 | 33000 |
| C03 | 2026-04 | 113000 | -123000 |
Tebet (C03) kehilangan Rp123.000 di April, penyumbang terbesar penurunan omzet bulan itu. Penyebabnya dicari di studi kasus SQL.
Persen dari Total
SUM(...) OVER () dengan tanda kurung kosong menghitung total seluruh baris, dan bisa dipakai sebagai penyebut:
SELECT pr.kategori,
SUM(i.qty * i.harga_satuan) AS omzet,
ROUND(100.0 * SUM(i.qty * i.harga_satuan)
/ SUM(SUM(i.qty * i.harga_satuan)) OVER (), 1) AS persen
FROM item_pesanan AS i
JOIN produk AS pr ON pr.id_produk = i.id_produk
GROUP BY pr.kategori
ORDER BY omzet DESC;
| kategori | omzet | persen |
|---|---|---|
| Kopi | 1376000 | 54 |
| Non-Kopi | 671000 | 26.3 |
| Makanan | 500000 | 19.6 |
SUM(SUM(...)) OVER () terlihat aneh, tetapi artinya runtut: SUM bagian dalam menghitung omzet per kategori (hasil GROUP BY), lalu SUM ... OVER () bagian luar menjumlahkan omzet ketiga kategori itu. Window function dikerjakan setelah GROUP BY, jadi keduanya bisa dipakai bersama.
Kesalahan yang Sering Terjadi
- Menyaring hasil window function di
WHERE.WHERE peringkat = 1di query yang sama menghasilkan error, karena window function dihitung setelahWHERE. Bungkus dulu dengan CTE, lalu saring di query luar. - Lupa
PARTITION BY. Peringkat atauLAGberjalan lintas kelompok, misalnya membandingkan cabang yang berbeda. ROW_NUMBERuntuk nilai yang seri tanpa penentu kedua. Hasilnya bisa berbeda setiap kali query dijalankan.- Pembagian bilangan bulat. Persentase menjadi 0. Kalikan dengan
100.0. - Bulan yang kosong.
LAGmengambil baris sebelumnya, bukan bulan sebelumnya. Kalau satu cabang tidak punya penjualan di Februari, Maret dibandingkan dengan Januari tanpa peringatan.
Latihan
- Ambil satu produk terlaris di setiap kategori berdasarkan omzet. (Kopi Susu Gula Aren, Es Teh Lemon, Roti Bakar Keju)
- Hitung jumlah pesanan kumulatif per hari di bulan April.
- Untuk setiap member, tampilkan tanggal pembelian dan tanggal pembelian sebelumnya dengan
LAG, lalu hitung jarak harinya.
Langkah Berikutnya
- Gabungkan semua teknik ini untuk menjawab pertanyaan bisnis di studi kasus SQL: analisis penjualan.
- Hasil query pertumbuhan bulanan bisa diekspor ke CSV lalu dijadikan grafik garis dengan CSV ke Grafik.
- Urutan lengkapnya ada di Roadmap SQL untuk Data Analyst.