Menjadi Data Analyst dari Nol (Part 17)

Blog Data Analyst Komputer Science SQL

 

Studi Kasus SQL Data Analyst

Halo Data Enthusiast! 👋
Di Part 1, kita sudah bahas dasar SQL untuk Data Analyst dan bagaimana mempersiapkan data untuk analisis. Nah, di Part 2, kita akan langsung praktek studi kasus SQL nyata menggunakan data manufaktur, supaya lo bisa belajar cara mengolah data mentah menjadi insight bisnis.

Studi Kasus: Data Produksi Manufaktur

Misal lo punya tabel produksi seperti ini:

Tabel Produksi

id_produk	nama_produk	jumlah_produksi	tanggal_produksi	shift
1	Widget A	100	2026-02-01	1
2	Widget B	150	2026-02-01	2
1	Widget A	120	2026-02-02	1
3	Widget C	200	2026-02-02	3

Tujuan lo:

1. Tahu total produksi tiap produk

2. Tahu produk mana yang paling banyak diproduksi

3. Tahu rata-rata produksi per shift

1️⃣ Total Produksi Tiap Produk

Query SQL:

SELECT 
    nama_produk,
    SUM(jumlah_produksi) AS total_produksi
FROM Produksi
GROUP BY nama_produk
ORDER BY total_produksi DESC;

Hasil:

nama_produk	total_produksi
Widget C	200
Widget A	220
Widget B	150

💡 Insight: Dari sini, lo langsung bisa lihat produk mana yang paling diminati atau paling banyak diproduksi.

2️⃣ Produk Terpopuler per Shift

Kadang kita mau tau shift mana paling produktif per produk. SQL bertingkat bisa bantu:

SELECT 
    shift,
    nama_produk,
    SUM(jumlah_produksi) AS total_shift
FROM Produksi
GROUP BY shift, nama_produk
ORDER BY shift, total_shift DESC;

💡 Insight: Lo bisa analisa shift yang paling efisien atau shift yang butuh improvement.

3️⃣ Rata-rata Produksi Per Shift

Biar lo bisa evaluasi performa setiap shift:

SELECT 
    shift,
    AVG(jumlah_produksi) AS rata_rata_produksi
FROM Produksi
GROUP BY shift
ORDER BY shift;

💡 Insight: Dengan ini, lo bisa nemuin shift yang over-performing atau under-performing, lalu ambil keputusan strategis.

Kesimpulan & Tips SQL

• GROUP BY + SUM/AVG = kunci analisis produksi

• ORDER BY = bantu lo cepat lihat produk/shift terbaik

• SQL bertingkat / subquery = efektif buat analisis lebih kompleks

• Selalu validasi data mentah sebelum analisis, supaya insight lo valid

Bagikan

Jangan lewatkan

Menjadi Data Analyst dari Nol (Part 17)

4/ 5

Oleh demonbrando

demonbrando Thursday, February 05, 2026 Komentar