Apa itu window functions?

Question

Accepted Answer

**Window functions** melakukan kalkulasi di seluruh set baris (sebuah "window") **yang terkait dengan baris saat ini**, *tanpa menggabungnya menjadi satu baris output* (tidak seperti agregat dengan `GROUP BY`). Mereka memungkinkan analytics yang powerful — total berjalan, ranking, perbandingan dengan baris lain — sambil mempertahankan setiap baris dalam hasil.

## Perbedaan kunci dari GROUP BY

```text
GROUP BY      → collapses groups into ONE row each (you lose individual rows)
Window function → computes across related rows but KEEPS every row
→ You get per-row detail AND aggregate/ranking info together.
```

## Ranking functions

```sql
SELECT
  name, department, salary,
  ROW_NUMBER() OVER (ORDER BY salary DESC) AS overall_rank,     -- unique sequential rank
  RANK()       OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank,  -- rank within dept
  DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dense_rank
FROM employees;
```

Klausa `OVER (...)` mendefinisikan window. **`PARTITION BY`** membagi baris ke dalam grup (seperti GROUP BY, tetapi per-baris), dan **`ORDER BY`** mengurutkan dalam setiap partisi. `ROW_NUMBER`/`RANK`/`DENSE_RANK` menetapkan ranking.

## Aggregate window functions (total berjalan, agregat per-grup)

```sql
SELECT
  date, amount,
  SUM(amount) OVER (ORDER BY date) AS running_total,            -- cumulative sum
  AVG(amount) OVER (PARTITION BY category) AS category_avg,      -- avg per category, kept per row
  amount - AVG(amount) OVER (PARTITION BY category) AS diff_from_avg
FROM transactions;
```

Agregat sebagai window functions menghitung total berjalan, moving averages, atau agregat per-partisi sambil mempertahankan setiap baris — tidak mungkin dengan GROUP BY saja.

## LAG/LEAD — perbandingan dengan baris lain

```sql
SELECT
  month, revenue,
  LAG(revenue) OVER (ORDER BY month) AS prev_month,             -- the previous row's value
  revenue - LAG(revenue) OVER (ORDER BY month) AS growth,        -- month-over-month change
  LEAD(revenue) OVER (ORDER BY month) AS next_month
FROM monthly_revenue;
```

**`LAG`/`LEAD`** mengakses nilai dari baris sebelumnya/berikutnya — sempurna untuk perbandingan period-over-period (pertumbuhan bulan ke bulan, dll).

## Mengapa ini penting

Window functions adalah fitur SQL yang powerful dan advanced, essential untuk **analytical queries**, dan memahaminya adalah valuable senior-level knowledge untuk data analysis, reporting, dan complex querying.

Kapabilitas yang mendefinisikan mereka — melakukan kalkulasi di seluruh baris terkait **sambil mempertahankan setiap baris** (tidak seperti GROUP BY, yang menggabungkan baris) — memungkinkan seluruh kelas analytics yang sulit atau tidak mungkin dilakukan sebaliknya: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — menemukan top N per grup, menetapkan rank), **total berjalan dan moving averages** (cumulative sums, agregat per-partisi ditampilkan bersama setiap baris), dan **perbandingan baris-ke-baris** (`LAG`/`LEAD` untuk analisis period-over-period seperti pertumbuhan bulan ke bulan).

Ini adalah kebutuhan analytical yang umum dan valuable (leaderboards, cumulative metrics, trend analysis, membandingkan setiap baris dengan rata-rata grupnya) yang window functions tangani dengan elegant dalam satu query, di mana pre-window-function SQL memerlukan complex self-joins atau subqueries.

Memahami sintaks `OVER (PARTITION BY ... ORDER BY ...)` (mendefinisikan window), ranking functions, aggregate window functions (total berjalan, agregat per-partisi), dan `LAG`/`LEAD` (mengakses baris lain) mencakup analytical toolkit yang powerful.

Karena data analysis dan sophisticated reporting adalah important uses dari SQL, dan karena window functions adalah cara modern dan powerful untuk mengekspresikan rankings, running calculations, dan row comparisons (significantly lebih capable dan elegant daripada alternatif), menguasai window functions adalah valuable, frequently-applied knowledge untuk analytical SQL yang membedakan developers yang dapat menulis sophisticated data queries — hallmark dari advanced SQL skill dan common topic dalam data-focused roles dan interviews.