Bagaimana cara menangani duplikat dengan DISTINCT?

Question

Accepted Answer

**`DISTINCT`** menghapus baris duplikat dari hasil, mengembalikan hanya nilai unik. Digunakan untuk mendapatkan nilai unik dari kolom (atau kombinasi kolom) — umum untuk menemukan entri unik atau membangun daftar dropdown.

## DISTINCT — nilai unik

```sql
-- get the unique countries (no duplicates)
SELECT DISTINCT country FROM users;
-- → each country appears once, even if many users share it

-- DISTINCT on multiple columns → unique COMBINATIONS
SELECT DISTINCT country, city FROM users;
-- → each unique (country, city) pair appears once
```

`DISTINCT` berlaku untuk semua kolom yang dipilih bersama — `DISTINCT country, city` mengembalikan *kombinasi* unik, bukan negara unik dan kota unik secara terpisah.

## DISTINCT dengan COUNT

```sql
-- count how many UNIQUE countries there are
SELECT COUNT(DISTINCT country) FROM users;

-- vs COUNT(*) which counts all rows (with duplicates)
SELECT COUNT(*) FROM users;
```

`COUNT(DISTINCT column)` menghitung nilai unik — berguna untuk "berapa banyak X yang berbeda?"

## Menemukan baris duplikat sebenarnya

```sql
-- find values that appear MORE THAN ONCE (duplicates)
SELECT email, COUNT(*) AS count
FROM users
GROUP BY email
HAVING COUNT(*) > 1;          -- groups with more than one row = duplicates
```

Untuk *menemukan* duplikat (bukan hanya menghapusnya), gunakan `GROUP BY` + `HAVING COUNT(*) > 1` — ini mengidentifikasi nilai mana yang duplikat dan berapa kali.

## DISTINCT vs GROUP BY

```sql
-- these are often equivalent for getting unique values:
SELECT DISTINCT country FROM users;
SELECT country FROM users GROUP BY country;
-- GROUP BY is more flexible (can add aggregates); DISTINCT is simpler for pure deduplication
```

## Catatan tentang performa

```text
DISTINCT requires the database to compare/sort rows to find uniques → can be costly
on large datasets. Often a sign you might restructure the query (e.g. a JOIN producing
duplicates that DISTINCT then removes — consider whether the JOIN is the issue).
```

## Mengapa ini penting

`DISTINCT` adalah fitur SQL yang berguna dan sering diperlukan untuk **menangani duplikat** — mendapatkan nilai unik adalah kebutuhan yang sering (kategori unik untuk dropdown, entri berbeda, menghitung item unik), jadi memahaminya adalah pengetahuan praktis sehari-hari.

Memahami bagaimana `DISTINCT` bekerja (menghapus baris duplikat, dan bahwa pada beberapa kolom ini mengembalikan *kombinasi* unik — titik kebingungan umum) dan cara menggunakan `COUNT(DISTINCT)` untuk menghitung nilai unik mencakup penggunaan tipikal.

Sama berharganya adalah mengetahui cara **menemukan duplikat sebenarnya** (menggunakan `GROUP BY` + `HAVING COUNT(*) > 1`) — tugas umum dan penting untuk pembersihan dan validasi data (mengidentifikasi email duplikat, catatan, dll.).

Memahami hubungan antara `DISTINCT` dan `GROUP BY` (sering setara untuk deduplikasi, dengan GROUP BY lebih fleksibel) dan **catatan performa** (DISTINCT memerlukan perbandingan/pengurutan dan bisa mahal, dan terkadang menunjukkan JOIN yang menghasilkan duplikat yang tidak diinginkan) juga berguna.

Karena menangani duplikat — baik menghapusnya (DISTINCT) maupun menemukannya (GROUP BY/HAVING) — adalah kebutuhan praktis umum dalam query dan pekerjaan kualitas data, dan karena memahami perilaku DISTINCT (terutama pada beberapa kolom) dan alternatifnya mencegah kebingungan dan inefisiensi, mengetahui cara menangani duplikat dengan DISTINCT adalah pengetahuan yang berguna dan sering diterapkan untuk bekerja dengan data nyata yang sering mengandung atau memerlukan nilai unik.