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, seperti GROUP BY, tetapi barisnya tidak diringkas. Kalau dihilangkan, semua baris dianggap satu kelompok.
  • ORDER BY di dalam OVER: 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_NUMBER memberi 4, 5, 6. Selalu unik, cocok untuk "ambil tepat satu per kelompok".
  • RANK memberi ketiganya 4, lalu melompat ke 7. Seperti klasemen olahraga.
  • DENSE_RANK memberi 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 = 1 di query yang sama menghasilkan error, karena window function dihitung setelah WHERE. Bungkus dulu dengan CTE, lalu saring di query luar.
  • Lupa PARTITION BY. Peringkat atau LAG berjalan lintas kelompok, misalnya membandingkan cabang yang berbeda.
  • ROW_NUMBER untuk 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. LAG mengambil baris sebelumnya, bukan bulan sebelumnya. Kalau satu cabang tidak punya penjualan di Februari, Maret dibandingkan dengan Januari tanpa peringatan.

Latihan

  1. Ambil satu produk terlaris di setiap kategori berdasarkan omzet. (Kopi Susu Gula Aren, Es Teh Lemon, Roti Bakar Keju)
  2. Hitung jumlah pesanan kumulatif per hari di bulan April.
  3. Untuk setiap member, tampilkan tanggal pembelian dan tanggal pembelian sebelumnya dengan LAG, lalu hitung jarak harinya.

Langkah Berikutnya