Menghasilkan Kesimpulan Subgrup – MySQL Dasar #56

Klausa GROUP by dapat digunakan untuk menghitung kesimpulan tiap subgrup dari sekelompok baris. Nantinya Group by dapat menata baris – baris kedalam grup – grup. 


Untuk lebih jelasnya saya akan berikan beberapa contoh kasus Dimisalkan untuk mengetahui berapa jumlah data/baris yang terdapat pada tabel daftar_supir, kita bisa menggunakan fungsi agregat seperti count seperti berikut :
MariaDB [root93]> SELECT count(*) FROM daftar_supir;
+----------+
| count(*) |
+----------+
|      10  |
+----------+
1 row in set (0.001 sec)
Tetapi didalam contoh kasus lain dimisalkan Anda ingin menghitung nilai kesimpulan (count) dari setiap nama supir kemudian menampilkannya/mengelempokannya kedalam baris – baris bedasarkan nama supir, dimana data yang ditampilkan berupa daftar nama supir beserta berapa jumlah datanya didalam tabel
MariaDB [root93]> SELECT nama,
    -> COUNT(nama)
    -> FROM daftar_supir
    -> GROUP by nama;
+-------+-------------+
| nama  | COUNT(nama) |
+-------+-------------+
| Ben   |           2 |
| Henri |           2 |
| Henry |           4 |
| Susi  |           2 |
+-------+-------------+
4 rows in set (0.001 sec)
Perhatikan bahwa fungsi GROUP by juga mengeliminasi duplikat, dimana data tiap subgrup akan dikelompokan menjadi group – group. Selain menggunakan fungsi COUNT, Anda juga bisa menggunakan fungsi agregat/kesimpulan lainnya seperti SUM atau AVG. Dimislakan Anda ingin mengetahui berapa jumlah total km da rata – rata km dari tabel daftar_supir, maka Anda bisa menuliskan query berikut :
MariaDB [root93]> SELECT nama,
    -> SUM(km) AS 'total km',
    -> AVG(km) AS 'total rerata km'
    -> FROM daftar_supir
    -> GROUP by nama;
+-------+----------+-----------------+
| nama  | total km | total rerata km |
+-------+----------+-----------------+
| Ben   |      968 |        484.0000 |
| Henri |      747 |        373.5000 |
| Henry |     1425 |        356.2500 |
| Susi  |      893 |        446.5000 |
+-------+----------+-----------------+
4 rows in set (0.001 sec)
Fungsi agregat seperti count didalam klausa group by juga bisa ditulis dengan cara lain. Misalnya sebelumnya count(ekspresi), Anda bisa saja menuliskannya menjadi count(*). Dimisalkan disini kit akan menghitung berapa banyak pesan yang dikirimkan oleh tiap pengirim pada tabel mail :
MariaDB [root93]> SELECT srcuser, COUNT(*) FROM mail
    -> GROUP by srcuser;
+---------+----------+
| srcuser | COUNT(*) |
+---------+----------+
| barb    |        3 |
| gene    |        5 |
| phil    |        3 |
| tricia  |        2 |
+---------+----------+
4 rows in set (0.001 sec)
Untuk mengetahui lebih sepesifik dan mengetahui berapa banyak pesan yang dikirim pengirim ke tiap host, kita juga bisa menuliskan query seperti berikut :
MariaDB [root93]> SELECT srcuser, srchost, COUNT(*) FROM mail
    -> GROUP by srcuser, srchost;
+---------+---------+----------+
| srcuser | srchost | COUNT(*) |
+---------+---------+----------+
| barb    | saturn  |        2 |
| barb    | venus   |        1 |
| gene    | mars    |        1 |
| gene    | saturn  |        2 |
| gene    | venus   |        2 |
| phil    | mars    |        2 |
| phil    | venus   |        1 |
| tricia  | mars    |        1 |
| tricia  | saturn  |        1 |
+---------+---------+----------+
9 rows in set (0.001 sec)
Selain menggunakan COUNT, SUM dan AVG, kita juga bisa menggunakan fungsi lainnya seperti MIN dan MAX. Dengan Klausa Group by, kedua fungsi tersebut dapat memberitahu kita nilai terendah dan tertinggi untuk setiap grup. Contoh query dibawah ini akan menampilkan nilai tertinggi dari tabel mail lalu mengelompokan berdasarkan pengirim pesan.
MariaDB [root93]> SELECT srcuser, MAX(ukuran), MAX(t)
    -> FROM mail
    -> GROUP by srcuser;
+---------+-------------+---------------------+
| srcuser | MAX(ukuran) | MAX(t)              |
+---------+-------------+---------------------+
| barb    |       98161 | 2021-10-13 12:32:41 |
| gene    |       32682 | 2021-10-13 10:43:39 |
| phil    |        7823 | 2021-10-13 10:42:32 |
| tricia  |      239238 | 2021-10-13 10:40:45 |
+---------+-------------+---------------------+
4 rows in set (0.001 sec)
Contoh lainnya kita juga dapat mengelompokan nilai berdasarkan ukuran dari setiap pasangan pengirim dan penerima
MariaDB [root93]> SELECT srcuser, dstuser, MAX(ukuran) FROM mail
    -> GROUP by ukuran;
+---------+---------+-------------+
| srcuser | dstuser | MAX(ukuran) |
+---------+---------+-------------+
| barb    | tricia  |         271 |
| phil    | phil    |        1048 |
| gene    | barb    |        2291 |
| gene    | gene    |        3623 |
| gene    | barb    |        3872 |
| phil    | tricia  |        5781 |
| phil    | barb    |        7823 |
| tricia  | gene    |       19263 |
| gene    | gene    |       22332 |
| gene    | gene    |       32682 |
| barb    | tricia  |       58274 |
| barb    | barb    |       98161 |
| tricia  | phil    |      239238 |
+---------+---------+-------------+
13 rows in set (0.001 sec)
Selanjutnya dimisalkan Anda ingin mengetahui daftar supir berdasarkan perjalanan terjauh tiap supir dari tabel daftar_supir, maka query yang dihasilkannya kurang lebih akan ditampilkan seperti berikut
MariaDB [root93]> SELECT nama, MAX(km) AS 'terjauh'
    -> FROM daftar_supir
    -> GROUP by nama;
+-------+---------+
| nama  | terjauh |
+-------+---------+
| Ben   |     837 |
| Henri |     380 |
| Henry |     574 |
| Susi  |     502 |
+-------+---------+
4 rows in set (0.001 sec)
Tetapi jika misalnya Anda juga ingin menampilkan tanggal kapan perjalanan terpanjang tersebut dilakukan oleh tiap supir, maka mungkin akan terjadi kesalahan seperti berikut
MariaDB [root93]> SELECT nama, tanggal_travel, MAX(km) AS 'terjauh' FROM daftar_supir GROUP by nama;
+-------+----------------+---------+
| nama  | tanggal_travel | terjauh |
+-------+----------------+---------+
| Ben   | 2014-11-29     |     837 |
| Henri | 2014-11-27     |     380 |
| Henry | 2014-11-29     |     574 |
| Susi  | 2014-11-29     |     502 |
+-------+----------------+---------+
4 rows in set (0.001 sec)
sekilas memang tidak ada yang salah dari hasil query yang ditampilkan diatas, tetapi jika Anda melihat data pada tabel daftar_supir secara keseluruhan maka Anda akan menemukan kesalahan dimana tanggal_travel yang ditampilkan tidak sesuai dengan tanggal travel yang memiliki perjalanan terjauh
MariaDB [root93]> SELECT * FROM daftar_supir;
+--------+-------+----------------+------+
| id_rek | nama  | tanggal_travel | km   |
+--------+-------+----------------+------+
|      1 | Susi  | 2014-11-29     |  391 |
|      2 | Henry | 2014-11-29     |  300 |
|      3 | Henri | 2014-11-27     |  367 |
|      4 | Ben   | 2014-11-29     |  131 |
|      5 | Henry | 2014-11-26     |  278 |
|      6 | Susi  | 2014-12-02     |  502 |
|      7 | Henry | 2014-12-01     |  273 |
|      8 | Ben   | 2014-12-02     |  837 |
|      9 | Henry | 2014-11-30     |  574 |
|     10 | Henri | 2014-11-26     |  380 |
+--------+-------+----------------+------+
10 rows in set (0.001 sec)
Hal ini disebabkan ketika Anda menuliskan klausa GROUP by pada sebuah query, maka nilai – nilai yang Anda seleksi adalah kolom – kolom yang dikelompokan berdasarkan nilai – nilai yang dihitung kesimpulannya menggunakan fungsi agregat. Oleh sebab itu untuk mengatasi masalah tersebu, Anda bisa menggunakan parameter MAX CONCAT seperti berikut :
MariaDB [root93]> SELECT nama,
    -> SUBSTRING(MAX(CONCAT(LPAD(km,3,''),tanggal_travel)),4) AS tanggal,
    -> LEFT(MAX(CONCAT(LPAD(km,3,''),tanggal_travel)),3) AS terjauh
    -> FROM daftar_supir
    -> GROUP by nama;
+-------+------------+---------+
| nama  | tanggal    | terjauh |
+-------+------------+---------+
| Ben   | 2014-12-02 | 837     |
| Henri | 2014-11-26 | 380     |
| Henry | 2014-11-30 | 574     |
| Susi  | 2014-12-02 | 502     |
+-------+------------+---------+
4 rows in set (0.001 sec)
Baca Selanjutnya : Kesimpulan pada nilai NULL – MySQL Dasar #57

0 Response to "Menghasilkan Kesimpulan Subgrup – MySQL Dasar #56 "

Post a Comment

Komentar yang Anda kirim akan terlebih dahulu di moderasi oleh Admin

nagabet76slot gacorslot online1213141516Slot Online Menghadirkan Pengalaman Digital Yang Didukung Pemrosesan Data Secara Real TimeMahjongways Menganalisis Pola Visual Dan Dinamika Simbol Berdasarkan Pemrosesan Data DigitalMahjongways Mengembangkan Dinamika Permainan Melalui Pengelolaan Data Dan Elemen Visual TerintegrasiAnalisis Komputasi Modern Membantu Memetakan Dinamika Sistem Digital Berdasarkan Data ObservasiMember Baru Mendorong Dinamika Komunitas Digital Menuju Pengalaman Yang Lebih Aktif Dan Menarikslot onlinemahjongwayasarsitektur layananpemrosesan data adaptifmember baruSlot Online Terbaru Menghadirkan AnalisisScatter Hitam Dianalisis Melalui PemetaanPola Scatter Hitam Membentuk Distribusi Visual Yang Dapat Dikaji Menggunakan Komputasi AdaptifArsitektur Teknologi TerdistribusiTeknologi Visualisasi DataMahjongways Mengembangkan Interaksi Visual Melalui Integrasi Simbol Digital Yang DinamisAnalisis Mahjongways Memetakan Dinamika Visual Dan Respons Antarmuka Berbasis DataScatter Hitam Dianalisis Melalui Pemetaan Struktur Simbol Digital Berbasis Komputasi AdaptifAlgoritma Scatter Hitam Membantu Mengidentifikasi Dinamika Pola Melalui Analisis Data ObservasiPg Soft Mengembangkan Sistem Rendering Adaptif Untuk Mendukung Visualisasi Digital ModernTeknologi Pg Soft Mengoptimalkan Pemrosesan Grafis Melalui Arsitektur Rendering TerintegrasiTeknologi Pemodelan Data Membantu Menganalisis Dinamika Informasi Pada Ekosistem Digital ModernArsitektur Komputasi Terdistribusi Meningkatkan Keandalan Pengelolaan Data Pada Platform DigitalTeknologi Kecerdasan Komputasional Mendorong Pengembangan Sistem Digital Yang Lebih AdaptifPemrosesan Data Modern Membantu Memetakan Pola Informasi Melalui Pendekatan Komputasi TerukurTeknologi Integrasi Data Mempermudah Sinkronisasi Informasi Dalam Lingkungan Digital TerpaduVisualisasi Komputasi Modern Membantu Menginterpretasikan Perubahan Pola Pada Sistem Digital KompleksTeknologi Otomasi Data Meningkatkan Efisiensi Pengelolaan Informasi Pada Infrastruktur DigitalModel Komputasi Adaptif Mendukung Pengembangan Teknologi Digital Melalui Analisis Data BerkelanjutanPengembangan Pg Soft Mengintegrasikan Teknologi Rendering Dengan Interaksi Visual Yang ResponsifPg Soft Menerapkan Komputasi Visual Untuk Meningkatkan Efisiensi Pengolahan Elemen DigitalEksplorasi Scatter Hitam Memetakan Distribusi Simbol Melalui Model Analitik Digital TerintegrasiPola Scatter Hitam Dikaji Menggunakan Pendekatan Visualisasi Data Dan Pemodelan StatistikMahjongways Menghadirkan Pendekatan Visual Interaktif Melalui Pemrosesan Simbol Yang AdaptifEksplorasi Mahjongways Mengungkap Perubahan Pola Visual Dalam Lingkungan Digital Terintegrasimahjong ways dalam bingkai desain visual dan budaya digitaljejak klasik menemukan bentuk baru melalui mahjong waysmahjong ways dan perjalanan simbol menuju layar interaktif moderncerita visual mengikuti perkembangan mahjong ways di era teknologimahjong ways dilihat dari sisi kreativitas dan identitas platformperubahan tampilan membawa mahjong ways ke perspektif yang berbedamahjong ways dalam percakapan seputar tradisi dan budaya digitaldari konsep lama ke format baru menelusuri mahjong wayssimbol dan tema mengiringi perjalanan mahjong ways di ruang digitalmahjong ways menjadi bagian dari perubahan desain hiburan moderngame online dan perubahan kebiasaan di tengah budaya internetkomunitas digital menjadi bagian dari perjalanan game onlinegame online dalam potret interaksi sosial di era platform modernjejak mobile membawa game online ke pengalaman yang semakin beragamketika game online bertemu dengan kreativitas dan komunitas digitalgame online dan pergeseran cara menikmati hiburan interaktifdari komunitas ke platform menyusuri perkembangan game onlinedesain visual membentuk identitas baru dalam dunia game onlinegame online di tengah perubahan teknologi dan budaya populerperjalanan game online mengikuti arah baru ekosistem digitaltekanan emosional muncul di tengah kebiasaan judi online yang berulangstres dan judi online menjadi bahasan dalam perubahan kondisi keuanganketika pengeluaran judi online mulai membawa tekanan dalam kehidupanbeban pikiran dapat bertambah seiring kebiasaan judi online berlangsungmasalah keuangan dan stres muncul dalam pembahasan seputar judi onlinejudi online dan tekanan emosional menjadi sorotan di ruang digitaldampak stres mulai dibahas seiring perubahan kebiasaan judi onlinetekanan hidup dan kebiasaan judi online dalam sorotan mediastres finansial menjadi bagian dari pembahasan dampak judi onlinememahami kaitan tekanan emosional dengan kebiasaan judi onlinegame digital mulai masuk dalam sorotan budaya hiburan modernperkembangan game digital menjadi bahasan di tengah perubahan teknologimedia mengulas perjalanan game digital dari konsol menuju platform modernfenomena game digital muncul dalam perbincangan industri hiburangame digital dan perubahan kebiasaan menjadi catatan di era internetsorotan terkini membahas arah baru perkembangan game digitalteknologi interaktif membawa game digital ke percakapan media yang lebih luasgame digital menjadi bagian dari pergeseran budaya hiburan masa kinicatatan media menyoroti perubahan wajah game digital dari waktu ke waktuplatform baru membuka babak berbeda dalam perjalanan game digitaljudi online kembali menjadi sorotan dalam pemberitaan digital terkinimedia menyoroti perkembangan platform judi online di ruang internetfenomena judi online masuk dalam pembahasan seputar budaya digitalberita terkini mengulas perubahan ekosistem judi online masa kinijudi online dan perkembangan teknologi menjadi bahan perbincangan mediasorotan baru membahas pergeseran perilaku di seputar judi onlineruang digital kembali mengangkat pembahasan tentang judi onlineperkembangan internet membawa judi online ke sorotan media terkinicatatan media mengulas fenomena judi online dari sisi digitalperubahan platform menjadi bahasan baru dalam pemberitaan judi onlineandi pratama dan cerita keberuntungan 8 juta di mahjong waysrizky membahas pengalaman 17 juta dalam permainan mahjong wayskisah dimas berawal dari game online hingga hasil 25 jutafajar menjadi perbincangan usai mendapat hasil 12 jutacerita bayu muncul di tengah tren mahjong ways masa kinirio mengulas pengalaman bermain dengan hasil sekitar 19 jutayoga dan perjalanan singkat menuju hasil permainan 7 jutaarif membagikan catatan pribadi soal hasil 14 jutabima dan pengalaman 28 juta yang ramai dibicarakandoni mengungkap cerita di balik hasil 22 juta mahjong wayscerita reza dengan hasil 9 juta dari mahjong ways16 juta jadi bagian pengalaman rangga di game onlinemaulana membahas perolehan 23 juta dari mahjong winsgame digital membawa cerita baru bagi ilham dengan hasil 11 jutahasil 28 juta diceritakan bagus saat memainkan mahjong ways 2yusuf mengulas pengalaman bermain dengan perolehan 14 jutamahjong online dan cerita farhan tentang hasil 8 jutadava mengungkap pengalaman 19 juta saat memainkan game mahjonggame online menjadi bagian cerita akmal dengan hasil 26 jutafauzan dan perolehan 21 juta dalam permainan mahjong winscerita rendi dengan hasil 7 juta dari mahjong ways18 juta jadi pengalaman baru bagi rafli di game onlinemahjong wins menghadirkan cerita hasil 27 juta bagi hendrapengalaman dion dan perolehan 13 juta dalam game digitalhasil 22 juta diceritakan arya setelah memainkan mahjong ways 2fikri mengulas permainan online dengan hasil sekitar 16 jutamahjong online dan kisah ilham soal perolehan 10 jutasatria mengungkap pengalaman 24 juta dalam game mahjonggame online menjadi catatan baru bagi wahyu dengan hasil 15 jutaperolehan 30 juta dikaitkan dengan cerita rehan di mahjong wins