Apa saéja jinis data SQL sing umum lan kepiye carane milih dhewé?

Question

Accepted Answer

Saben kolom duwe **jinis data** sing nemtokaken apa sing disimpen — nomer, teks, tanggal, boolean, lsp. Milih jinis sing tepat penting kanggo **efisiensi panyimpenan, kabenaran, lan performa**. Jinis-jinis beda-beda sapiturut database, nanging kategori-kategoriné standar.

## Jinis numerik

```sql
INT / INTEGER          -- whole numbers (4 bytes)
BIGINT                 -- large whole numbers (8 bytes) — for IDs that grow large
SMALLINT               -- small whole numbers (save space)
DECIMAL(10,2) / NUMERIC -- EXACT decimal — use for MONEY (no rounding errors)
FLOAT / REAL / DOUBLE  -- approximate floating point — NOT for money
SERIAL / AUTO_INCREMENT -- auto-incrementing integer (for primary keys)
```

**Penting:** gunakaken **`DECIMAL`/`NUMERIC` kanggo dhuwit** (aritmetika eksak), ngantos endi `FLOAT`/`DOUBLE` (kang duwe kesalahan pembulatan sing ngrusak kalkulasi finansial).

## Jinis teks

```sql
VARCHAR(n)    -- variable-length text up to n chars (the common choice)
CHAR(n)       -- FIXED-length (padded) — for codes of known length (e.g. country codes)
TEXT          -- large/unlimited text (articles, descriptions)
```

`VARCHAR(n)` minangka jinis teks saben dina; `TEXT` kanggo konten gedhe; `CHAR(n)` kanggo kode-kode sing panjangané tetep.

## Tanggal/wektu, boolean, lan liyané

```sql
DATE           -- date only (2024-01-15)
TIME           -- time only
TIMESTAMP      -- date + time (with or WITHOUT time zone — TIMESTAMPTZ in Postgres)
BOOLEAN        -- true/false
UUID           -- universally unique identifier (good for distributed IDs)
JSON / JSONB   -- structured JSON data (JSONB in Postgres is indexed/efficient)
BLOB / BYTEA   -- binary data
```

## Apa sebabe milih jinis sing tepat iku penting

```text
✓ Storage — smaller types use less space (INT vs BIGINT; VARCHAR vs TEXT)
✓ Correctness — DECIMAL for money (exact), proper date types for dates, BOOLEAN for flags
✓ Performance — correct types index and compare efficiently; right size = less I/O
✓ Validation — the type itself constrains what can be stored (an INT can't hold text)
✓ Time zones — use TIMESTAMPTZ for timestamps to avoid time-zone bugs
```

## Apa maknanipun

Milih jinis-jinis data sing pas minangka aspek fundamental saka desain database sing nyarèni **panyimpenan, kabenaran, lan performa**, mulya ngerti kategori-kategori umum lan cara milih dhewé minangka panggedhéan pengetahuan sing tuwuh saben dina.

Kenal kategori-kategoriné — numerik (`INT`, `BIGINT`, `DECIMAL`, `FLOAT`), teks (`VARCHAR`, `CHAR`, `TEXT`), tanggal/wektu (`DATE`, `TIMESTAMP`), boolean, lan jinis khusus (`UUID`, `JSON`/`JSONB`) — iku kudu kanggo ngrancang tabel kanthi tepat.

Sabéné pilihan duwe akibat nyata sing patut dimangerteni: nggunakaken **`DECIMAL`/`NUMERIC` kanggo dhuwit** tinimbang `FLOAT` (maslah kabenaran sing kritis — kesalahan pembulatan floating-point ngrusak kalkulasi finansial, bug klasik sing serius), milih **ukuran integer** sing bener (`BIGINT` kanggo ID-ID sing bisa tuwuh lumabutné `INT`'s range — perhatian nyata kanggo tabel-tabel gedhe), nggunakaken jinis **tanggal/wektu** sing tepat (utamane `TIMESTAMPTZ` sing sadar zona wektu kanggo ngilangi bug-bug zona wektu), lan milih jinis teks sing ukurane pas (`VARCHAR` banding `TEXT`).

Pilihan jinis sing bener nyarèni efisiensi panyimpenan (jinis-jinis sing luwih cilik nganggo ruang lan I/O sing luwih sithik), kabenaran (jinis ngomvalidasi lan nggambari data kanthi eksak), lan performa (jinis-jinis sing tepat nggawe indeks lan mbandhingaken kanthi èfisien).

Samarga saben kolom mbutuhaken pilihan jinis, lan sebab pilihan sing salah nggawe masalah-masalah nyata (`FLOAT` kanggo dhuwit ngrusak kalkulasi, `INT` overflow kanggo ID-ID, bug-bug zona wektu), ngerti jinis-jinis data SQL sing umum lan prinsip-prinsip kanggo milih dhewé — ketepatan kanggo dhuwit, ukuran sing pas, timestamps sing sadar zona wektu — minangka pengetahuan fundamental sing penting kanggo desain database sing sehat sing ngalangi kelas-kelas masalah subtil nanging serius babagan kabenaran lan performa data.