Kamu diminta bikin laporan: omzet tiap bulan, pertumbuhannya dibanding bulan lalu, dan total kumulatif sejak Januari. Dengan GROUP BY saja, kamu akan berakhir dengan tiga query terpisah, self join yang membingungkan, atau ujung-ujungnya copy ke Excel lalu dihitung manual. Di sinilah window function SQL berguna.
Fitur ini menyelesaikan semua itu dalam satu query. Kamu bisa menghitung peringkat, total berjalan, dan perbandingan antar baris tanpa kehilangan detail tiap baris. Begitu terbiasa, kamu akan heran dulu bagaimana bisa kerja tanpanya.
TL;DR
- Window function menghitung nilai berdasarkan sekumpulan baris (window) tanpa meringkas baris seperti GROUP BY. Kuncinya ada di klausa
OVER.PARTITION BYmembagi data per kelompok,ORDER BYdi dalamOVERmenentukan urutan perhitungan.- Fungsi yang paling sering dipakai: ROW_NUMBER, RANK, DENSE_RANK, SUM kumulatif, LAG, dan AVG bergerak. Didukung MySQL 8.0+, PostgreSQL, SQL Server, dan SQLite 3.25+.
Data Contoh
Kita pakai dua tabel dari perusahaan distribusi dengan cabang di Bandung dan Jakarta.
Tabel penjualan_sales (omzet tiap sales selama satu kuartal):
| nama | cabang | omzet |
|---|---|---|
| Andi | Bandung | 45000000 |
| Bela | Bandung | 52000000 |
| Candra | Bandung | 45000000 |
| Dian | Jakarta | 60000000 |
| Eko | Jakarta | 38000000 |
| Fira | Jakarta | 60000000 |
| Gilang | Jakarta | 41000000 |
Tabel omzet_bulanan:
| bulan | omzet |
|---|---|
| 2026-01 | 120000000 |
| 2026-02 | 135000000 |
| 2026-03 | 128000000 |
| 2026-04 | 150000000 |
| 2026-05 | 162000000 |
| 2026-06 | 158000000 |
Beda Window Function dengan GROUP BY
Misalnya kamu mau tahu rata-rata omzet tiap cabang. Dengan GROUP BY:
SELECT cabang, AVG(omzet) AS rata_rata
FROM penjualan_sales
GROUP BY cabang;
Hasilnya dua baris: Bandung sekitar 47,3 juta dan Jakarta 49,75 juta. Nama sales hilang, karena GROUP BY meringkas banyak baris jadi satu.
Sekarang dengan window function:
SELECT nama, cabang, omzet,
AVG(omzet) OVER (PARTITION BY cabang) AS rata_cabang
FROM penjualan_sales;
| nama | cabang | omzet | rata_cabang |
|---|---|---|---|
| Andi | Bandung | 45000000 | 47333333.33 |
| Bela | Bandung | 52000000 | 47333333.33 |
| Candra | Bandung | 45000000 | 47333333.33 |
| Dian | Jakarta | 60000000 | 49750000 |
| Eko | Jakarta | 38000000 | 49750000 |
| Fira | Jakarta | 60000000 | 49750000 |
| Gilang | Jakarta | 41000000 | 49750000 |
Tujuh baris tetap tujuh baris. Setiap sales sekarang punya kolom rata-rata cabangnya di sebelahnya, jadi kamu bisa langsung membandingkan, misalnya Eko berada sekitar 11,75 juta di bawah rata-rata Jakarta.
Itulah inti window function: hitung seperti agregat, tapi jangan buang barisnya.
Anatomi OVER dan PARTITION BY
Bentuk umumnya seperti ini:
NAMA_FUNGSI(kolom) OVER (
PARTITION BY kolom_kelompok
ORDER BY kolom_urutan
ROWS BETWEEN ... AND ...
)
Ketiga bagian di dalam OVER bersifat opsional:
| Bagian | Fungsi | Kalau dihilangkan |
|---|---|---|
PARTITION BY |
Membagi data jadi kelompok, perhitungan diulang per kelompok | Seluruh tabel dianggap satu kelompok |
ORDER BY |
Menentukan urutan baris di dalam kelompok | Tidak ada urutan, cocok untuk agregat biasa |
ROWS BETWEEN |
Menentukan rentang baris yang ikut dihitung (frame) | Memakai frame bawaan |
Satu hal yang sering terlewat: window function dihitung setelah WHERE dan GROUP BY. Akibatnya, kamu tidak bisa memfilter hasil window function langsung di WHERE. Bungkus dulu dengan CTE atau subquery, lalu filter di luar. Pola ini akan kamu lihat di bagian ranking.
ROW_NUMBER vs RANK vs DENSE_RANK
Ketiganya memberi nomor urut, bedanya ada di cara menangani nilai kembar. Di data kita, Dian dan Fira sama-sama 60 juta, sedangkan Andi dan Candra sama-sama 45 juta.
SELECT nama, omzet,
ROW_NUMBER() OVER (ORDER BY omzet DESC, nama) AS no_urut,
RANK() OVER (ORDER BY omzet DESC) AS nilai_rank,
DENSE_RANK() OVER (ORDER BY omzet DESC) AS nilai_dense_rank
FROM penjualan_sales
ORDER BY omzet DESC, nama;
| nama | omzet | no_urut (ROW_NUMBER) | nilai_rank (RANK) | nilai_dense_rank (DENSE_RANK) |
|---|---|---|---|---|
| Dian | 60000000 | 1 | 1 | 1 |
| Fira | 60000000 | 2 | 1 | 1 |
| Bela | 52000000 | 3 | 3 | 2 |
| Andi | 45000000 | 4 | 4 | 3 |
| Candra | 45000000 | 5 | 4 | 3 |
| Gilang | 41000000 | 6 | 6 | 4 |
| Eko | 38000000 | 7 | 7 | 5 |
Cara membacanya:
- ROW_NUMBER selalu unik: 1, 2, 3, dan seterusnya. Untuk nilai kembar, urutannya tidak pasti kecuali kamu menambahkan pemecah seri. Di sini kita pakai
nama. - RANK memberi peringkat sama untuk nilai kembar, lalu melompat. Dian dan Fira sama-sama 1, Bela langsung 3.
- DENSE_RANK memberi peringkat sama tanpa melompat. Bela jadi 2.
Kapan pakai yang mana? ROW_NUMBER untuk "ambil satu baris per kelompok" atau hapus duplikat. RANK untuk klasemen ala olahraga. DENSE_RANK untuk soal seperti "gaji tertinggi kedua" yang menghitung nilai unik.
Ranking per Cabang dengan PARTITION BY
Tambahkan PARTITION BY supaya peringkat dihitung ulang di tiap cabang:
SELECT cabang, nama, omzet,
RANK() OVER (PARTITION BY cabang ORDER BY omzet DESC) AS peringkat
FROM penjualan_sales
ORDER BY cabang, peringkat, nama;
| cabang | nama | omzet | peringkat |
|---|---|---|---|
| Bandung | Bela | 52000000 | 1 |
| Bandung | Andi | 45000000 | 2 |
| Bandung | Candra | 45000000 | 2 |
| Jakarta | Dian | 60000000 | 1 |
| Jakarta | Fira | 60000000 | 1 |
| Jakarta | Gilang | 41000000 | 3 |
| Jakarta | Eko | 38000000 | 4 |
Untuk mengambil juara tiap cabang saja, bungkus dengan CTE:
WITH urut AS (
SELECT cabang, nama, omzet,
RANK() OVER (PARTITION BY cabang ORDER BY omzet DESC) AS peringkat
FROM penjualan_sales
)
SELECT cabang, nama, omzet
FROM urut
WHERE peringkat = 1;
Hasilnya Bela untuk Bandung, serta Dian dan Fira untuk Jakarta. Soal "top N per grup" seperti ini sangat sering muncul di tes kerja. Contoh variasinya ada di artikel 8 soal tes SQL interview data analyst.
Analisis Tren dengan Window Function
Tiga fungsi berikut paling sering dipakai untuk laporan berkala: total berjalan, perbandingan dengan periode sebelumnya, dan rata-rata bergerak.
SUM Kumulatif: Running Total
Atasan minta omzet kumulatif sejak awal tahun untuk dibandingkan dengan target semester.
SELECT bulan, omzet,
SUM(omzet) OVER (ORDER BY bulan) AS kumulatif
FROM omzet_bulanan;
| bulan | omzet | kumulatif |
|---|---|---|
| 2026-01 | 120000000 | 120000000 |
| 2026-02 | 135000000 | 255000000 |
| 2026-03 | 128000000 | 383000000 |
| 2026-04 | 150000000 | 533000000 |
| 2026-05 | 162000000 | 695000000 |
| 2026-06 | 158000000 | 853000000 |
Begitu ada ORDER BY di dalam OVER, SUM tidak lagi menjumlahkan seluruh tabel, tapi dari baris pertama sampai baris saat ini. Kalau data kamu punya beberapa cabang, tambahkan PARTITION BY cabang dan kumulatifnya akan mulai dari nol di tiap cabang.
Catatan teknis: frame bawaan saat ada ORDER BY adalah RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW. Artinya, baris dengan nilai urutan yang sama akan dijumlahkan bersamaan. Kalau kamu butuh kumulatif yang benar-benar per baris, tulis ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW secara eksplisit.
LAG: Bandingkan dengan Bulan Lalu
LAG(kolom) mengambil nilai dari baris sebelumnya. Pasangannya, LEAD(kolom), mengambil nilai dari baris berikutnya. Ini cara paling bersih untuk menghitung pertumbuhan bulan ke bulan (month over month).
SELECT bulan, omzet,
LAG(omzet) OVER (ORDER BY bulan) AS bulan_lalu,
ROUND(
100.0 * (omzet - LAG(omzet) OVER (ORDER BY bulan))
/ LAG(omzet) OVER (ORDER BY bulan),
1) AS growth_persen
FROM omzet_bulanan;
| bulan | omzet | bulan_lalu | growth_persen |
|---|---|---|---|
| 2026-01 | 120000000 | NULL | NULL |
| 2026-02 | 135000000 | 120000000 | 12.5 |
| 2026-03 | 128000000 | 135000000 | -5.2 |
| 2026-04 | 150000000 | 128000000 | 17.2 |
| 2026-05 | 162000000 | 150000000 | 8.0 |
| 2026-06 | 158000000 | 162000000 | -2.5 |
Januari bernilai NULL karena tidak ada bulan sebelumnya. Itu perilaku yang benar, jangan diganti 0, karena growth 0% punya arti yang berbeda. Angka 100.0 dipakai supaya pembagiannya desimal, bukan pembagian bilangan bulat.
LAG juga bisa melompat lebih jauh. LAG(omzet, 12) OVER (ORDER BY bulan) mengambil nilai 12 baris sebelumnya, berguna untuk perbandingan year over year kalau datamu bulanan tanpa bolong.
AVG Bergerak: Moving Average 3 Bulan
Omzet bulanan sering naik turun, jadi tren sulit dibaca. Moving average meratakan fluktuasi itu dengan menghitung rata-rata beberapa bulan terakhir.
SELECT bulan, omzet,
ROUND(AVG(omzet) OVER (
ORDER BY bulan
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
)) AS rata_3_bulan
FROM omzet_bulanan;
| bulan | omzet | rata_3_bulan |
|---|---|---|
| 2026-01 | 120000000 | 120000000 |
| 2026-02 | 135000000 | 127500000 |
| 2026-03 | 128000000 | 127666667 |
| 2026-04 | 150000000 | 137666667 |
| 2026-05 | 162000000 | 146666667 |
| 2026-06 | 158000000 | 156666667 |
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW artinya "dua baris sebelumnya plus baris ini". Perhatikan dua bulan pertama: Januari hanya rata-rata dari dirinya sendiri, Februari dari dua bulan. Saat menyajikan ke atasan, sebutkan bahwa nilai di awal periode belum memakai tiga bulan penuh.
Grafik omzet naik turun, tapi kolom rata_3_bulan naik terus dari Februari sampai Juni. Itu cerita yang lebih jelas: tren semester pertama positif meski Maret dan Juni sempat turun.
Dukungan Database
Window function adalah bagian dari standar SQL dan sekarang didukung database populer:
- PostgreSQL sudah lama mendukungnya. Dokumentasi resminya punya tutorial window function yang enak dibaca.
- MySQL mendukungnya mulai seri 8.0, lihat dokumentasi MySQL. MySQL 5.7 ke bawah belum bisa, jadi cek versi server kantor kamu dengan
SELECT VERSION();. - SQLite mendukungnya sejak versi 3.25.0 (2018).
- SQL Server, Oracle, BigQuery, dan Snowflake juga mendukung fungsi-fungsi di artikel ini.
Kalau kamu sering pindah antara Excel dan Pandas, konsepnya juga mirip dengan groupby().transform(), cumsum(), shift(), dan rolling() di Pandas. Padanannya bisa kamu cek di Kamus Pandas Zennit.
Pertanyaan yang Sering Ditanyakan
Apa itu window function di SQL?
Window function adalah fungsi yang menghitung nilai dari sekumpulan baris yang berhubungan dengan baris saat ini, tanpa meringkas baris-baris itu. Penandanya adalah klausa OVER.
Apa beda window function dan GROUP BY?
GROUP BY meringkas banyak baris jadi satu baris per kelompok. Window function tetap menampilkan setiap baris dan menambahkan hasil perhitungan sebagai kolom baru.
Kenapa window function tidak bisa dipakai di WHERE?
Karena window function dihitung setelah WHERE, GROUP BY, dan HAVING dijalankan. Solusinya, hitung dulu di CTE atau subquery, lalu filter hasilnya di query luar.
Apakah MySQL mendukung window function?
Ya, mulai MySQL 8.0. Versi 5.7 dan sebelumnya belum mendukung ROW_NUMBER, RANK, LAG, dan fungsi window lainnya.
Penutup
Window function mengubah cara kamu menulis laporan. Peringkat, total berjalan, growth bulan ke bulan, dan moving average yang dulu butuh beberapa query atau olahan manual di Excel, sekarang cukup satu query yang mudah dibaca. Kuncinya ada di tiga pertanyaan saat menulis OVER: dikelompokkan per apa, diurutkan berdasarkan apa, dan baris mana saja yang ikut dihitung.
Fitur ini baru terasa natural setelah dipakai di banyak soal. Kalau mau latihan langsung dengan kasus bisnis dan pengecekan otomatis, coba Latihan SQL Zennit.