Kamu mau mulai belajar data, lalu buka media sosial. Satu orang bilang "Excel udah ketinggalan zaman, langsung Python aja." Orang lain bilang "SQL paling penting, sisanya belakangan." Akhirnya kamu bingung harus mulai belajar Excel, SQL, atau Python, dan malah nggak mulai apa-apa.
Jawaban jujurnya: tergantung kamu mau kerja di mana. Ketiga tools ini bukan saingan. Mereka mengerjakan bagian yang berbeda dari pekerjaan yang sama, yaitu mengolah data jadi keputusan. Artikel ini membantu kamu memilih urutan yang masuk akal sesuai tujuan karier, bukan sesuai tren.
TL;DR
- Excel untuk mengolah dan menyajikan data skala kecil-menengah, SQL untuk mengambil data dari database, Python untuk otomasi dan analisis yang lebih kompleks.
- Untuk sebagian besar pemula, urutan paling aman adalah Excel, lalu SQL, lalu Python. Calon data scientist boleh mempercepat ke Python setelah dasar SQL.
- Lama belajar sangat bergantung pada waktu latihan dan proyek nyata. Ukur kemajuan dari kemampuan menyelesaikan kasus, bukan dari jumlah sertifikat.
Fungsi Excel, SQL, dan Python Itu Beda
Bayangkan alur kerja di tim penjualan sebuah perusahaan distribusi di Surabaya. Data transaksi tersimpan di database. Seseorang perlu menariknya, membersihkannya, menganalisisnya, lalu menyajikannya ke manajer. Setiap tools punya peran di alur itu.
Excel: Lembar Kerja Semua Divisi
Excel adalah tools yang paling mungkin kamu temui di hari pertama kerja, di divisi apa pun. Finance memakainya untuk rekonsiliasi, HR untuk rekap absensi, admin gudang untuk stok. Kelebihannya, hasilnya langsung terlihat dan mudah dibagikan ke orang yang tidak bisa coding.
Batasnya juga jelas. Satu worksheet maksimal 1.048.576 baris menurut spesifikasi resmi Microsoft, dan file besar dengan banyak rumus mulai terasa berat jauh sebelum batas itu. Pekerjaan berulang juga harus dikerjakan manual kalau kamu belum memakai Power Query atau makro.
SQL: Bahasa untuk Bicara dengan Database
Data perusahaan yang serius biasanya tidak tinggal di file Excel, tapi di database. SQL adalah cara untuk mengambil, menyaring, menggabungkan, dan meringkas data itu langsung dari sumbernya. Query yang sama bisa memproses jutaan baris dan bisa dijalankan ulang kapan saja.
SQL relatif cepat dipelajari karena perintah intinya sedikit. Tantangannya ada di logika, misalnya kapan pakai LEFT JOIN, atau kenapa angka jadi dobel setelah JOIN.
Python: Otomasi dan Analisis Lanjutan
Python adalah bahasa pemrograman umum. Untuk kerja data, Python dipakai lewat library seperti pandas untuk olah tabel, matplotlib untuk grafik, dan scikit-learn untuk machine learning. Python unggul saat pekerjaannya berulang, datanya berantakan dari banyak sumber, atau analisisnya butuh statistik dan model prediksi.
Kurva belajarnya paling curam di antara ketiganya, karena kamu belajar konsep pemrograman sekaligus konsep data.
Tabel Perbandingan Excel, SQL, dan Python
| Aspek | Excel | SQL | Python |
|---|---|---|---|
| Fungsi utama | Olah, hitung, sajikan data | Ambil dan ringkas data dari database | Otomasi, analisis lanjutan, machine learning |
| Skala data nyaman | Ribuan sampai ratusan ribu baris | Jutaan baris atau lebih | Jutaan baris, tergantung memori |
| Cara kerja | Klik dan rumus di sel | Menulis query | Menulis kode |
| Kurva belajar awal | Paling landai | Landai sampai sedang | Paling curam |
| Dipakai oleh | Hampir semua divisi | Data analyst, BI, engineer, sebagian finance | Data analyst, data scientist, engineer |
| Hasil kerja khas | Laporan, pivot, dashboard sederhana | Tabel hasil query, sumber data dashboard | Skrip otomatis, notebook analisis, model |
Soal popularitas, SQL dan Python sama-sama berada di jajaran atas. Di Stack Overflow Developer Survey 2026, SQL dipakai 58,4% responden dan Python 58,0%, di bawah JavaScript yang berada di 62,0%. Perlu dicatat, responden survei ini kebanyakan developer, jadi angkanya menggambarkan dunia pemrograman, bukan seluruh pekerja kantoran. Untuk Excel, kamu bisa cek sendiri betapa seringnya ia disebut di lowongan kerja admin, finance, sampai analyst.
Urutan Belajar Sesuai Tujuan Karier
Tidak ada satu urutan yang benar untuk semua orang. Yang ada adalah urutan yang paling cepat membuat kamu berguna di pekerjaan yang kamu incar.
Admin, Finance, dan Staf Operasional
Urutan: Excel (dalam) → SQL dasar → Python opsional
Di peran ini, Excel adalah alat kerja harian. Fokus ke SUMIFS, XLOOKUP, Pivot Table, validasi data, dan format laporan yang rapi. Begitu Excel lancar, SQL dasar jadi nilai tambah besar, karena banyak perusahaan menyimpan data ERP atau POS di database dan staf yang bisa menarik data sendiri jauh lebih mandiri.
Python boleh dipelajari belakangan kalau kamu sering mengerjakan hal yang sama berulang-ulang, misalnya menggabungkan 30 file laporan cabang tiap bulan.
Data Analyst
Urutan: Excel → SQL (dalam) → Python dengan pandas
Untuk data analyst, SQL biasanya skill yang paling sering diuji di tes kerja. Excel tetap perlu karena hasil analisis sering harus dikirim ke user dalam bentuk spreadsheet. Python masuk setelah SQL nyaman, terutama untuk membersihkan data yang berantakan dan analisis eksploratif.
Rincian per bulannya sudah kami bahas di roadmap belajar data analyst dari nol, termasuk statistik dasar dan visualisasi yang sering dilupakan.
Data Scientist
Urutan: SQL dasar → Python (dalam) → Excel secukupnya
Data scientist menghabiskan banyak waktu di Python: membersihkan data, membuat fitur, melatih dan mengevaluasi model. SQL tetap wajib karena datanya harus ditarik dari database. Excel cukup di level dasar untuk membaca file dari tim lain.
Catatan jujur: jalur data scientist juga butuh statistik dan matematika yang cukup kuat. Belajar Python saja tidak otomatis membuat kamu siap jadi data scientist.
Masih Bingung Mau Jadi Apa
Mulai dari Excel. Alasannya praktis: Excel dipakai di hampir semua pekerjaan, hasil belajarnya langsung terasa, dan konsep seperti filter, kelompok, dan lookup akan terbawa ke SQL dan Python. Kalau kamu pernah pakai SUMIFS, GROUP BY di SQL akan terasa familiar. Kalau kamu pernah pakai XLOOKUP, JOIN dan merge di pandas jadi lebih mudah dicerna.
Estimasi Waktu Belajar yang Realistis
Banyak iklan kursus menjanjikan "jago dalam 7 hari". Kenyataannya, waktu belajar sangat bergantung pada berapa jam kamu latihan per minggu, latar belakangmu, dan seberapa sering kamu mengerjakan kasus nyata. Tidak ada angka resmi yang berlaku untuk semua orang.
Yang lebih berguna adalah patokan kemampuan. Kamu bisa menganggap diri "siap lanjut" kalau sudah bisa melakukan hal berikut tanpa melihat tutorial:
| Tools | Tanda kamu sudah cukup untuk lanjut |
|---|---|
| Excel | Membuat ringkasan penjualan per bulan dan per kategori dengan SUMIFS dan Pivot Table, menggabungkan dua tabel dengan XLOOKUP, membersihkan data yang tidak konsisten |
| SQL | Menjawab pertanyaan bisnis dengan GROUP BY, HAVING, JOIN, subquery atau CTE, dan window function sederhana |
| Python | Membaca CSV dengan pandas, membersihkan kolom, membuat groupby dan grafik, lalu menyimpan hasilnya kembali ke file |
Satu prinsip yang berlaku untuk ketiganya: latihan sedikit tapi rutin biasanya lebih efektif daripada maraton akhir pekan. Mengerjakan satu kasus kecil tiap hari membuat konsep sempat mengendap, dan kamu lebih cepat sadar bagian mana yang belum paham.
Kalau mau tahu posisimu sekarang, coba tes level Excel untuk melihat bagian mana yang masih bolong sebelum lanjut ke SQL.
Kesalahan Umum Saat Memilih Urutan
- Lompat ke Python karena terdengar keren. Lalu menyerah di minggu kedua karena belum paham konsep data dasar seperti agregasi dan join.
- Belajar tiga-tiganya sekaligus. Kemajuan jadi tipis di semua sisi. Lebih baik satu tools sampai bisa menyelesaikan kasus, baru tambah yang lain.
- Mengoleksi sertifikat tanpa proyek. Rekruter lebih tertarik melihat apa yang sudah kamu kerjakan dengan data, bukan daftar kursus yang sudah ditonton.
- Mengabaikan Excel karena dianggap kuno. Di banyak perusahaan, hasil akhir analisis tetap dikirim dalam bentuk spreadsheet, dan pengguna laporanmu belum tentu bisa membuka notebook Python.
- Belajar sintaks tanpa pertanyaan bisnis. Hafal fungsi tidak sama dengan bisa menjawab "kenapa penjualan cabang Medan turun bulan lalu?"
Pertanyaan yang Sering Ditanyakan
Lebih baik belajar Excel, SQL, atau Python dulu?
Untuk kebanyakan pemula, mulai dari Excel, lalu SQL, lalu Python. Calon data scientist boleh lebih cepat masuk ke Python setelah menguasai SQL dasar.
Apakah Excel masih dipakai kalau sudah bisa Python?
Masih. Excel tetap jadi format yang paling mudah dibagikan ke rekan kerja dan atasan. Banyak analyst mengolah data dengan SQL atau Python, lalu menyajikan hasil akhirnya di Excel.
Apakah SQL susah untuk pemula?
Perintah dasar SQL termasuk mudah dipelajari karena jumlahnya sedikit dan mirip bahasa Inggris. Bagian yang butuh latihan lebih adalah logika JOIN, agregasi, dan window function.
Apakah harus jago matematika untuk belajar Python?
Untuk analisis data dasar, cukup aritmetika dan logika. Matematika dan statistik yang lebih dalam baru dibutuhkan kalau kamu mengarah ke machine learning dan data science.
Penutup
Excel, SQL, dan Python bukan pilihan "salah satu", melainkan tiga alat untuk tahap kerja yang berbeda. Pilih urutan berdasarkan pekerjaan yang kamu incar, kuasai satu tools sampai bisa menyelesaikan kasus nyata, baru tambah yang berikutnya. Dengan cara itu, setiap tools yang kamu pelajari langsung memperkuat tools sebelumnya.
Kalau kamu memutuskan mulai dari Excel, Latihan Excel Zennit berisi soal kasus kerja yang bisa kamu kerjakan sedikit demi sedikit setiap hari.