Analisis Data Lebih Cerdas: Memahami Fungsi Agregat, GROUP BY, dan Fungsi Bawaan SQL

 Makalah 

SESI 7

FUNGSI AGREGAT DAN FUNGSI BAWAAN SQL

 

 OLEH: 

Bunga Putri Salsabilla

24781005

MI 4A

 

Dosen Pengampu : M. Reza Redo Islami, S. Kom., M.T.I.

 

D3 MANAJEMEN INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI

POLITEKNIK NEGERI LAMPUNG

2026  

Pendahuluan 

Di era digital, basis data tidak hanya sekadar tempat penyimpanan data mentah, tetapi juga mesin analitik yang kuat. Pada Praktikum Pemrograman SQL Lanjut Minggu ke-7, kita tidak lagi hanya memanggil data menggunakan perintah SELECT biasa, melainkan mulai memproses, meringkas, dan mengubah wujud data tersebut menjadi informasi yang memiliki nilai bisnis. Kemampuan ini didukung oleh fitur Fungsi Agregat dan Fungsi Bawaan SQL. Keduanya merupakan instrumen krusial bagi seorang administrator basis data maupun analis data untuk mengekstrak insight secara efisien.

Mengenal Fungsi Agregat dan Fungsi Bawaan 

Fungsi Agregat bertugas untuk melakukan perhitungan matematis pada sekumpulan baris data dan mengembalikan satu nilai tunggal. Fungsi yang paling sering digunakan meliputi COUNT (menghitung jumlah baris), SUM (menjumlahkan nilai numerik), AVG (mencari nilai rata-rata), serta MIN dan MAX (mencari nilai terkecil dan terbesar). Penggunaan agregasi ini sangat erat kaitannya dengan klausa GROUP BY untuk mengelompokkan data berdasarkan kriteria tertentu, serta HAVING yang bertugas sebagai "satpam" untuk menyaring hasil agregasi (karena WHERE tidak bisa digunakan untuk fungsi agregat).

Selain agregasi, SQL juga menyediakan Fungsi Bawaan (Built-in Functions) yang sangat fleksibel. Untuk memanipulasi teks, kita dapat menggunakan UPPER atau LOWER untuk standarisasi huruf kapital/kecil, dan LENGTH untuk menghitung panjang karakter. Sementara untuk tipe data waktu (DATE), kita bisa mengekstrak komponen spesifik seperti tahun atau bulan menggunakan fungsi seperti YEAR(), MONTH(), atau strftime() tergantung dari DBMS yang digunakan.

Studi Kasus Bisnis: Analisis Penjualan "MORY-COOKIES" 

Untuk melihat ketangguhan fungsi-fungsi ini, mari kita aplikasikan pada skenario bisnis. Bayangkan kita memiliki basis data untuk usaha kuliner sehat, misalnya "MORY-COOKIES" (Moringa & Ivory Cookies). Kita memiliki tabel penjualan_harian dengan kolom: id_transaksi, nama_pembeli, tgl_transaksi, varian_rasa, dan jumlah_box.

Sebagai perencana bisnis, kita ingin mengetahui: Berapa total box MORY-COOKIES yang terjual setiap bulannya selama tahun ini, tetapi kita hanya ingin melihat bulan-bulan di mana penjualannya sukses menembus target lebih dari 50 box?

Kita bisa menggabungkan fungsi bawaan tanggal, fungsi agregat, GROUP BY, dan HAVING dalam satu query yang efisien:

Hasil yang  tampil

Sistem hanya akan menampilkan data untuk bulan 1 (Januari), 3 (Maret), dan 4 (April). Bulan 2 (Februari) otomatis disembunyikan oleh sistem karena total penjualannya hanya 25 box (tidak memenuhi syarat HAVING SUM(jumlah_box) > 50).

Analisis Studi Kasus

Pada query di atas, fungsi bawaan YEAR() dan MONTH() mengekstrak informasi waktu, mengabaikan tanggal spesifiknya. Klausa GROUP BY kemudian mengelompokkan transaksi per bulan. Selanjutnya, fungsi agregat SUM(jumlah_box) menjumlahkan total produk MORY-COOKIES yang dibeli konsumen. Terakhir, klausa HAVING bekerja layaknya filter yang menggugurkan bulan-bulan dengan penjualan lesu (di bawah 50 box). Tanpa fungsi-fungsi SQL ini, kita harus menghitung ribuan baris data secara manual di spreadsheet.

Refleksi Pribadi: Tantangan dan Tips Belajar SQL Minggu Ini

Hal yang Paling Sulit (Tantangan)

 Bagian yang cukup menantang pada praktikum kali ini adalah kepekaan terhadap detail sintaks dan adaptasi perbedaan "dialek" SQL. Saat mengerjakan skenario di simulator web, sistem menggunakan basis SQLite, sementara untuk lampiran laporan harus dieksekusi di SQL Server Management Studio (SSMS) menggunakan T-SQL. Perbedaan penulisan fungsi, seperti strftime() di simulator yang harus diubah menjadi YEAR() atau MONTH() di SSMS, serta operator penggabungan teks || yang harus diganti menjadi tanda +, menuntut ketelitian ekstra agar kueri tidak error.

Selain itu, proses debugging kesalahan sepele juga cukup menguji kesabaran. Contohnya, saya sempat mengalami syntax error berulang kali hanya karena kebiasaan menggunakan tanda strip (-) saat membuat nama alias (misalnya menulis rata-rata_ipk). Di dalam SQL, tanda strip tersebut dibaca sebagai operasi matematika pengurangan, sehingga kueri gagal dieksekusi.

Tips yang Membantu:

1. Kaitkan dengan Studi Kasus Nyata: Memahami logika GROUP BY dan HAVING yang awalnya abstrak menjadi jauh lebih intuitif ketika saya mengaitkannya dengan rencana proyek bisnis yang sedang saya susun, yaitu MORY-COOKIES. Mengimajinasikan kueri SQL untuk memfilter target penjualan bulanan produk secara nyata membuat fungsi agregat terasa jauh lebih masuk akal dan mudah diingat.

2. Disiplin Penamaan (Gunakan Underscore): Untuk menghindari error fatal seperti yang saya alami, pastikan selalu menggunakan garis bawah (underscore) untuk memisahkan kata pada penamaan alias kolom (misal: rata_rata_ipk atau jumlah_mhs). Jangan pernah menggunakan spasi atau tanda strip.

3. Eksekusi Bertahap: Saat membuat kueri yang panjang, jangan menulis semuanya sekaligus. Mulailah dengan SELECT dasar, lalu tambahkan GROUP BY untuk memastikan pengelompokannya benar. Setelah hasilnya terlihat sesuai, barulah tambahkan klausa HAVING atau fungsi ORDER BY di tahap akhir.

Kesimpulan

Penguasaan fungsi agregat dan fungsi bawaan SQL merupakan lompatan penting dari sekadar "menyimpan data" menjadi "menganalisis data". Dengan memanfaatkan kombinasi klausa GROUP BY dan HAVING, kita tidak hanya mengelompokkan informasi, tetapi juga dapat menyaring hasil agregasi secara presisi—seperti menemukan tren penjualan produk yang berhasil melampaui target bulanan. Ditambah dengan kemampuan fungsi bawaan untuk memanipulasi teks dan mengekstrak elemen tanggal, data mentah dapat diseragamkan dan diolah menjadi metrik yang siap pakai. Pada akhirnya, kemampuan meracik kueri SQL yang efisien adalah fondasi esensial untuk mengubah tumpukan data operasional menjadi insight bisnis yang bernilai strategis.

Daftar Pustaka

Connolly, T. M., & Begg, C. E. (2015). Database Systems: A Practical Approach to Design, Implementation, and Management (6th ed.). Pearson Education.

Microsoft. (n.d.). Aggregate Functions (Transact-SQL). Microsoft Learn. Diakses pada 28 April 2026, dari https://learn.microsoft.com/en-us/sql/t-sql/functions/aggregate-functions-transact-sql

SQLite. (n.d.). Built-in Aggregate Functions. SQLite Official Documentation. Diakses pada 28 April 2026, dari https://www.sqlite.org/lang_aggfunc.html

SQLite. (n.d.). Date And Time Functions. SQLite Official Documentation. Diakses pada 28 April 2026, dari https://www.sqlite.org/lang_datefunc.html

Memahami Relasi Antartabel dan Manipulasi Data dengan T-SQL (Implementasi JOIN dan SELECT Lanjutan)

  Makalah 

SESI 6

T-SQL JOIN dan SELECT Lanjutan

 Memahami Relasi Antartabel dan Manipulasi Data dengan T-SQL (Implementasi JOIN dan SELECT Lanjutan)

 

 OLEH: 

Bunga Putri Salsabilla

24781005

MI 4A

 

Dosen Pengampu : M. Reza Redo Islami, S. Kom., M.T.I.

 

D3 MANAJEMEN INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI

POLITEKNIK NEGERI LAMPUNG

2026  

Pendahuluan

Dalam pengembangan sistem informasi, pangkalan data (database) relasional memegang peranan krusial sebagai pusat penyimpanan data. Namun, data yang tersimpan seringkali tersebar di berbagai tabel yang berbeda untuk menghindari redudansi dan menjaga integritas. Artikel ini akan membahas implementasi perintah-perintah lanjutan pada SQL Server, seperti berbagai jenis JOIN, penggabungan baris dengan UNION, hingga fungsi penyaringan dan penanganan data kosong yang telah dipraktikkan pada pertemuan ke-6 mata kuliah Pemrograman SQL Lanjut.

Pembahasan

1. Konsep Penggabungan Tabel Menggunakan JOIN

Perintah JOIN digunakan untuk membaca dan menampilkan relasi data antar tabel berdasarkan kolom yang memiliki nilai saling terkait.

• INNER JOIN: Mengembalikan hanya baris-baris data yang memiliki pasangan di kedua tabel.

• LEFT JOIN: Menampilkan seluruh data dari tabel sebelah kiri, meskipun tidak ada pasangannya di tabel kanan.

• RIGHT JOIN: Kebalikan dari Left Join, memprioritaskan data dari tabel sebelah kanan.

• FULL JOIN: Menampilkan seluruh baris data dari kedua belah tabel, baik yang memiliki kecocokan maupun yang tidak.

2. Fungsi Filter dan Manipulasi Lanjutan

• UNION: Menyatukan hasil dua query secara vertikal tanpa duplikasi.

• TOP & ORDER BY: Membatasi jumlah baris dan mengurutkan data (misal: mencari 5 mahasiswa terbaru).

• BETWEEN & IN: Menyederhanakan penyaringan rentang nilai dan daftar kriteria tertentu.

• ISNULL: Mengganti tampilan nilai NULL (kosong) dengan teks yang lebih informatif.

Studi Kasus: Audit Distribusi Akademik Terpadu

Sebagai bagian dari evaluasi praktikum, berikut adalah studi kasus nyata yang diimplementasikan pada Database AKADEMIK untuk melihat sebaran data secara menyeluruh.

Skenario: Bagian administrasi ingin melihat daftar lengkap hubungan antara Mahasiswa, Program Studi, dan Dosen. Kita perlu mengidentifikasi program studi mana yang memiliki mahasiswa dan siapa dosen yang mengajar di sana, termasuk mendeteksi jika ada program studi yang masih kosong (belum memiliki mahasiswa).

Kesimpulan

Penguasaan perintah T-SQL lanjutan memungkinkan administrator database untuk menyajikan informasi yang jauh lebih bersih dan akurat. Dengan memahami logika JOIN dan fungsi manipulasi seperti ISNULL, kita dapat membangun laporan akademik yang transparan dan memudahkan proses pengambilan keputusan di institusi pendidikan.

Daftar Pustaka

• Microsoft. (2024). Join (SQL Server). Microsoft Learn. [Online]. Tersedia di: https://learn.microsoft.com/en-us/sql/relational-databases/performance/joins

• Silberschatz, A., Korth, H. F., & Sudarshan, S. (2019). Database System Concepts (7th ed.). McGraw-Hill Education.

• Politeknik Negeri Lampung. (2026). Modul Praktikum Pemrograman SQL Lanjut: Minggu ke-6 T-SQL JOIN & SELECT Lanjutan. Jurusan Teknologi Informasi.

• W3Schools. (2024). SQL Joins Tutorial. [Online]. Tersedia di: https://www.w3schools.com/sql/sql_join.asp

Seni Mengekstrak Informasi: Menguasai Query SELECT dan Manipulasi Data Akademik dengan T-SQL

 Makalah 

SESI 5

Seni Mengekstrak Informasi: Menguasai Query SELECT

 dan Manipulasi Data Akademik dengan T-SQL

 

 

 OLEH: 

Bunga Putri Salsabilla

24781005

MI 4A

 

Dosen Pengampu : M. Reza Redo Islami, S. Kom., M.T.I.

 

D3 MANAJEMEN INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI

POLITEKNIK NEGERI LAMPUNG

2026  

Abstrak / Pendahuluan

Di era digital saat ini, data adalah aset paling berharga bagi sebuah institusi, termasuk perguruan tinggi. Namun, tumpukan data akademik—mulai dari identitas mahasiswa hingga riwayat pendaftaran—tidak akan bermakna tanpa alat untuk mengekstraknya menjadi informasi yang berguna. Di sinilah Transact-SQL (T-SQL), ekstensi dari SQL standar yang dikembangkan oleh Microsoft, mengambil peran krusial.

Berbeda dengan SQL standar, T-SQL menawarkan kontrol logika yang lebih kaya seperti variabel, pemrosesan bersyarat, dan fungsi manipulasi string yang sangat fleksibel. Makalah ini bertujuan untuk membedah implementasi perintah DML (Data Manipulation Language) fundamental, yaitu klausa SELECT, pada sebuah database AKADEMIK. Ruang lingkup pembahasan mencakup teknik penyaringan duplikasi (DISTINCT), kondisional (WHERE), pengurutan (ORDER BY), agregasi (GROUP BY & HAVING), hingga pencocokan pola (LIKE & Wildcard).

Pembahasan Inti (Terstruktur)

Klausa SELECT tidak sekadar berfungsi untuk "menampilkan" data, melainkan menyeleksi dan membentuk ulang struktur data sesuai kebutuhan analisis. Berikut adalah anatomi dari perintah SELECT beserta implementasinya:

A. Pengambilan Data dan Eliminasi Duplikasi (SELECT & DISTINCT)

Perintah dasar SELECT * digunakan untuk mengambil seluruh kolom. Namun, dalam pelaporan, kita sering kali hanya ingin melihat data unik, misalnya daftar kota asal mahasiswa tanpa perlu melihat nama kota yang berulang-ulang.

Contoh Kasus: Kita ingin mendata jangkauan wilayah asal mahasiswa.

Analisis: Klausa DISTINCT akan memindai kolom tempat_lhr dan secara otomatis membuang entri kota yang duplikat, menyisakan daftar kota unik yang merepresentasikan keragaman demografi mahasiswa.

B. Penyaringan Tingkat Lanjut (WHERE dengan Logika)

Klausa WHERE bertindak sebagai gerbang filter pertama. Kita dapat menggunakan operator logika seperti AND (semua syarat wajib terpenuhi) dan OR (salah satu syarat terpenuhi).

Contoh Kode Orisinal 1: Mencari mahasiswa jenjang D4 yang berstatus aktif, atau mahasiswa yang sedang cuti terlepas dari jenjangnya.

Analisis: Penggunaan tanda kurung () sangat penting di sini untuk mengelompokkan logika AND agar dievaluasi terlebih dahulu sebelum digabungkan dengan kondisi OR. Ini mencegah kesalahan interpretasi dari sistem database.

C. Pengurutan Data Multi-Kolom (ORDER BY)

Data mentah dari tabel tidak memiliki urutan yang terjamin. Klausa ORDER BY menata hasil secara ascending (ASC) atau descending (DESC). Pengurutan multi-kolom sangat berguna untuk membuat laporan bertingkat.

D. Agregasi Data (GROUP BY & HAVING)

Ini adalah fitur krusial untuk pelaporan eksekutif. GROUP BY merangkum baris dengan nilai yang sama menjadi baris ringkasan, sedangkan HAVING adalah "WHERE-nya para grup" (memfilter hasil setelah agregasi dilakukan).

Contoh Kode Orisinal 2: Mencari tahu jenjang dan status akademik mana saja yang mulai kelebihan kapasitas (di atas 100 orang) untuk angkatan tahun 2023 ke atas.

Analisis: Urutan pengeksekusian kueri ini adalah: Filter mahasiswa angkatan 2023+ (WHERE), lalu kelompokkan mereka (GROUP BY), hitung per kelompok, lalu buang kelompok yang anggotanya 2 ke bawah (HAVING), dan terakhir urutkan dari yang terbanyak (ORDER BY).

E. Pencarian Pola Fleksibel (LIKE & Wildcard)

Terkadang kita tidak mengetahui teks secara utuh. Wildcard persen (%) mewakili nol atau banyak karakter, sedangkan underscore (_) mewakili tepat satu karakter. Contohnya: WHERE nama LIKE '%Putri%' akan mendeteksi nama "Bunga Putri Salsabilla" karena letak kata tidak dibatasi.

Studi Kasus / Implementasi Sederhana

Skenario: "Sistem Audit Kapasitas Program Studi Mahasiswa Baru" Pihak akademik ingin mengevaluasi kapasitas pendaftar program studi untuk mahasiswa angkatan tertentu yang berstatus aktif. Laporan ini tidak hanya menghitung jumlah, tetapi juga memberikan label otomatis (Status Kapasitas) untuk prodi tersebut menggunakan sintaks spesifik T-SQL.

Penjelasan Logika:

1. Variabel (DECLARE): Daripada menulis tahun 2024 secara manual di dalam query (hardcode), kita mendeklarasikan variabel @TahunAudit. Pendekatan ini sangat efisien karena jika kita ingin mengaudit angkatan tahun yang berbeda, kita hanya perlu mengganti satu angka di baris paling atas tanpa merusak struktur kueri di bawahnya.

2. Agregasi & Filter: Kueri ini memproses secara spesifik mahasiswa yang berstatus aktif pada tahun tersebut. Data kemudian dikelompokkan berdasarkan program studi (GROUP BY). Selanjutnya, filter HAVING COUNT(npm) >= 1 memastikan bahwa sistem hanya akan menganalisis dan menampilkan prodi yang sudah memiliki minimal 1 mahasiswa.

3. Kondisional (CASE): Ini adalah elemen logika tingkat lanjut dari T-SQL. Sistem akan membaca jumlah mahasiswa (COUNT) dari setiap grup prodi secara mandiri dan langsung memberikan label dinamis secara otomatis. Jika prodi memiliki lebih dari 3 mahasiswa maka dilabeli Over Kapasitas, jika antara 2 hingga 3 mahasiswa dilabeli Kapasitas Ideal, dan sisanya masuk kategori Kapasitas Kurang. Hal ini menciptakan sebuah laporan cerdas yang matang dan langsung siap dibaca oleh pihak manajemen tanpa perlu dihitung manual lagi

Kesimpulan & Refleksi Diri

Kesimpulan: Penguasaan perintah dasar SELECT hingga fungsi agregasinya adalah fondasi mutlak dalam rekayasa data. Kemampuan untuk merangkai WHERE, GROUP BY, dan HAVING memastikan bahwa data mentah berjumlah ribuan dapat diekstrak menjadi ringkasan intelijen bisnis dalam hitungan milidetik.

Refleksi Pribadi: Berdasarkan percobaan dan latihan yang saya lakukan, tantangan terbesar awalnya adalah memahami hierarki atau urutan eksekusi logis (Logical Query Processing) dalam SQL Server. Saya sempat mengalami kebingungan membedakan penggunaan WHERE dan HAVING. Namun, setelah mempraktikkannya secara langsung, saya menyadari bahwa WHERE memfilter data sebelum dikelompokkan, sedangkan HAVING memfilter agregasi setelah data dikelompokkan. Menggabungkan fitur standar SELECT dengan elemen T-SQL seperti DECLARE dan CASE terbukti membuat kueri jauh lebih cerdas dan menyerupai logika pemrograman prosedural pada umumnya.

Daftar Pustaka

• Microsoft. (2024). SELECT (Transact-SQL). Microsoft Learn Documentation. Diakses dari https://learn.microsoft.com/en-us/sql/t-sql/queries/select-transact-sql

• Tim Pengajar Pemrograman SQL Lanjut. (2025). Modul Praktikum Minggu Ke-5: T-SQL SELECT DML. Politeknik Negeri Lampung.

• Ben-Gan, I. (2016). T-SQL Fundamentals (3rd ed.). Microsoft Press.

Transact-SQL Dasar

Makalah 

Transact-SQL Dasar

Tugas 3 Pemrograman SQL II

 

 

 OLEH: 

Bunga Putri Salsabilla

24781005

MI 4A

 

Dosen Pengampu : M. Reza Redo Islami, S. Kom., M.T.I.

 

D3 MANAJEMEN INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI

POLITEKNIK NEGERI LAMPUNG

2026 

1. Pendahuluan

Structured Query Language (SQL) adalah standar tangguh untuk mengambil dan memanipulasi data (querying). Namun, bagaimana jika kita ingin menanamkan logika pemrograman langsung di dalam basis data, seperti menyimpan nilai sementara, membuat keputusan bercabang, atau melakukan perulangan? 

Makalah ini akan mengupas tuntas mendasar T-SQL, mulai dari deklarasi variabel, konversi tipe data, hingga penerapan flow control (IF...ELSE, CASE, WHILE). Tujuannya adalah untuk memperlihatkan bagaimana T-SQL dapat mengurangi beban kerja aplikasi dengan memproses logika bisnis secara efisien di level database.

2. Tujuan Tugas

Mengukur pemahaman mahasiswa terhadap T-SQL tingkat dasar hingga menengah, kemampuan menyajikan ulang materi dengan gaya blog akademik, serta keterampilan menerjemahkan teori ke dalam contoh kode orisinal.

3. Hasil Dan Pembahasan 

a. Anatomi Skrip dan Penggunaan Komentar

Praktik pemrograman yang baik selalu diiringi dengan dokumentasi yang jelas. T-SQL menyediakan dua metode komentar yang tidak akan dieksekusi oleh compiler: 

b. Variabel Lokal (DECLARE, SET, PRINT)

Variabel lokal di T-SQL (selalu diawali dengan @) berfungsi sebagai penyimpan nilai sementara di dalam memori selama satu batch dieksekusi. Contoh Modifikasi: Menghitung Estimasi Biaya Denda Keterlambatan

c. Konversi Tipe Data (CAST vs CONVERT)

T-SQL sangat ketat terhadap tipe data. Kita tidak bisa menggabungkan teks (VARCHAR) dengan angka (INT atau MONEY) menggunakan operator + tanpa melakukan konversi.

• CAST: Sesuai standar ANSI SQL, sintaksnya lebih sederhana dan universal.

• CONVERT: Spesifik untuk SQL Server, sangat fleksibel (powerful) karena memiliki parameter style untuk memformat tanggal dan waktu.

Contoh Perbandingan Format Tanggal:

d. Memanfaatkan Variabel Global (@@IDENTITY & @@ROWCOUNT)

Berbeda dengan variabel lokal, variabel global (diawali @@) dikelola oleh sistem untuk memantau status aktivitas server.

• @@IDENTITY: Mengembalikan ID terakhir yang di- generate oleh properti IDENTITY pada tabel.

• @@ROWCOUNT: Menghitung jumlah baris yang terpengaruh oleh perintah DML terakhir (INSERT, UPDATE, DELETE)

e. Kendali Proses (IF...ELSE & CASE)

Logika percabangan memungkinkan skrip membuat keputusan berdasarkan evaluasi kondisi data. IF...ELSE mengontrol alur eksekusi blok kode, sedangkan CASE mengembalikan nilai spesifik di dalam perintah SELECT atau SET.

Contoh: Penentuan Status Keanggotaan Berdasarkan Poin

f. Perulangan Dinamis dengan WHILE (BREAK & CONTINUE)

T-SQL menggunakan WHILE untuk perulangan bersyarat. CONTINUE digunakan untuk melompati iterasi saat ini, dan BREAK untuk menghentikan perulangan sepenuhnya.

4. Studi Kasus Terintegrasi: Sistem Deteksi Kelayakan Beasiswa

Skrip berikut mengintegrasikan minimal tiga elemen T-SQL (Variabel, WHILE, dan IF...ELSE/CASE) dalam satu skenario dunia nyata untuk mengevaluasi kelayakan kandidat beasiswa berdasarkan nilai rata-rata (IPK) simulasi.

5.  Kesimpulan & Refleksi Diri

Sebelum masuk ke materi praktikum minggu ini, saya berpikir bahwa SQL itu sebatas SELECT, FROM, dan WHERE—hanya sekadar alat untuk memanggil data. Namun, setelah menyelami Transact-SQL (T-SQL), perspektif saya benar-benar berubah. Rasanya seperti kita sedang memberikan "otak" ke dalam database.

Melalui T-SQL, database tidak lagi menjadi tempat penyimpanan yang pasif. Kita bisa menyuruhnya mengingat sesuatu sementara waktu (lewat Variabel), memintanya mengambil keputusan sendiri (lewat IF...ELSE dan CASE), bahkan menyuruhnya mengulang pekerjaan yang membosankan secara otomatis (lewat WHILE). Kesimpulan terbesarnya: T-SQL membuat database kita lebih pintar dan mandiri, sehingga aplikasi yang kita buat nanti tidak perlu bekerja terlalu keras.

Refleksi Pribadi:

Berdasarkan percobaan di SSMS selama praktikum, saya menyadari bahwa fungsi CAST terasa lebih instan untuk operasi penggabungan teks dasar (PRINT). Namun, CONVERT menawarkan fleksibilitas yang tidak tergantikan saat menyajikan data temporal (datetime). Kendala awal yang saya hadapi adalah lupa menyertakan blok BEGIN...END pada percabangan IF yang memiliki perintah PRINT dan SET ganda, sehingga menghasilkan logical error. Analisis yang cermat dan bantuan console error di SSMS sangat membantu memperbaiki struktur sintaks tersebut.

6. Daftar Pustaka

Islami, M. R. R. (2026). Modul Praktikum 3: Perintah Dasar Transact-SQL. Program Studi     Manajemen Informatika, Politeknik Negeri Lampung.

Microsoft. (2024). Transact-SQL Reference (Database Engine). Microsoft SQL Docs. Diakses dari        https://learn.microsoft.com/en-us/sql/t-sql/

Transformasi ERD ke Basis Data Fisik

  Makalah 

Transformasi ERD ke Basis Data Fisik

Tugas 2 Pemrograman SQL II

 

 

 

 OLEH: 

Bunga Putri Salsabilla

24781005

MI 4A

 

Dosen Pengampu : M. Reza Redo Islami, S. Kom., M.T.I.

 

D3 MANAJEMEN INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI

POLITEKNIK NEGERI LAMPUNG

2026

1. Pendahuluan

Sebagai mahasiswa D3 Manajemen Informatika, penguasaan terhadap tool administrasi database seperti Microsoft SQL Server Management Studio (SSMS) adalah kompetensi dasar yang sangat penting. SSMS menyediakan lingkungan terintegrasi untuk mengelola infrastruktur SQL, mulai dari Database Engine hingga pengelolaan objek secara visual maupun skrip.

2. Tujuan Praktikum:

Mampu memahami proses transformasi ERD menjadi data fisik di DBMS. Mahasiswa terampil dalam menerapkan perintah DDL, DML, SELECT, dan VIEW dalam pengelolaan data akademik menggunakan SSMS.

3. Metodologi Praktikum

Praktikum ini dilakukan dengan dua tahapan utama:

1. Eksplorasi Lingkungan Kerja: Memahami komponen SSMS seperti Object Explorer, Designer Tools, dan Query Editor.

2. Implementasi Database: Mentransformasikan rancangan ERD Akademik ke dalam bentuk basis data fisik.

4. Hasil dan Pembahasan

A. Konfigurasi Sistem dan Otentikasi

Koneksi ke database server dilakukan menggunakan Windows Authentication dengan nama server localhost. Metode ini memanfaatkan kredensial akun Windows lokal (BUNGA14\use) untuk akses yang aman dan praktis.

B. Implementasi Struktur Data (DDL)

Struktur Tabel (Basis Data AKADEMIK):

Database ini terdiri dari 6 tabel utama yang saling berelasi: 

1. JENJANG: Master data tingkat pendidikan (D3, D4, S1, dsb).

2. PRODI: Data program studi yang merujuk pada tabel JENJANG.

3. STATUS_AKADEMIK: Referensi status mahasiswa (Aktif, Lulus, dsb).

4. PENDIDIKAN: Master data jenjang pendidikan dosen.

5. MAHASISWA: Tabel transaksi utama yang menyimpan data personal mahasiswa.

6. DOSEN: Data tenaga pendidik yang berelasi dengan program studi.

Potongan SQL Penting (Implementasi DDL & VIEW):

Berikut adalah contoh skrip pembuatan tabel dengan relasi Foreign Key dan pembuatan View: SQL-- Contoh Relasi Antar Tabel

CREATE TABLE PRODI (

    idprodi INT IDENTITY(1,1) PRIMARY KEY,

    nmprodi NVARCHAR(50),

    idjenjang INT,

    FOREIGN KEY (idjenjang) REFERENCES JENJANG(idjenjang)

);

-- Pembuatan View untuk Data Spesifik

CREATE VIEW v_mhs_mi_2017 AS

SELECT m.npm, m.nama, m.thn_masuk

FROM MAHASISWA m

JOIN PRODI p ON m.idprodi = p.idprodi

WHERE p.nmprodi = 'Manajemen Informatika' AND m.thn_masuk = '2017';

Berdasarkan pengujian, seluruh perintah SQL berhasil dijalankan dengan konfirmasi "Commands completed successfully".Penggunaan Designer Tools mempermudah administrasi dasar, sementara Query Editor memberikan fleksibilitas tinggi untuk manipulasi data kompleks.

C. Manipulasi dan Penyajian Data (DML & SELECT)

Data awal berhasil diinput menggunakan perintah INSERT INTO sesuai dengan panduan BPP. Pengujian query menghasilkan ringkasan informasi yang akurat, di antaranya:
Ditemukan 1 dosen berpendidikan S2 pada program studi Akuntansi.
Data mahasiswa tersebar pada jenjang D3 dan D4.

D. Optimasi Akses dengan View

Dua buah View telah dibuat untuk mempermudah akses informasi rutin, yaitu v_mhs_mi_2017 dan v_dosen_mi. Fitur ini sangat berguna bagi pihak manajemen untuk melihat data spesifik tanpa harus menjalankan kueri yang kompleks secara berulang.

Kesimpulan:

Praktikum ini berhasil membuktikan bahwa transformasi dari ERD ke basis data fisik memerlukan ketelitian dalam mendefinisikan Primary Key dan Foreign Key guna menjaga integritas data. Penggunaan fitur View terbukti sangat efektif untuk mempermudah penyajian informasi rutin tanpa harus menulis ulang query yang panjang