# Belajar Analisis Data – Hari 9: PivotTable dan Ringkasan Data

- Link: https://legawa.com/teknologi/belajar-analisis-data-hari-9-pivottable-dan-ringkasan-data/
- Published: 2026-11-19T09:00:00+07:00
- Author: Cahya

Ringkasan: PivotTable adalah cara cepat untuk merangkum tabel besar menjadi ringkasan
yang bisa dibaca dalam sekejap, tanpa mengubah data sumbernya. Bagi data analyst
pemula, kemampuan ini biasanya menjadi langkah pertama sebelum menulis query atau
membangun dashboard.

## Tujuan belajar

 * Membuat PivotTable dari tabel sederhana dengan memilih baris, kolom, dan nilai.
 * Memilih fungsi agregasi yang sesuai, misalnya SUM, COUNT, atau AVERAGE.
 * Menuliskan pivot yang sama di SQL, pandas, dan R, lalu memeriksa apakah hasilnya
   cocok.

## Konsep inti

Saat pertama kali membuat PivotTable, saya mengira Excel hanya menyalin tabel lalu
menyusunnya ulang. Ternyata PivotTable bekerja pada salinan data yang disimpan Excel
sebagai cache, sehingga tabel asli tidak berubah (Microsoft Support, n.d.-a). Konsekuensinya:
mengubah tata letak pivot aman bagi data sumber, tetapi angka di pivot baru ikut
berubah setelah data sumbernya diperbarui dan pivot di-refresh.

Syarat awalnya sederhana. Microsoft menyebut data sebaiknya tersusun dalam kolom
dengan satu baris judul (Microsoft Support, n.d.-a), dan pada format daftar, label
kolom di baris pertama dipakai sebagai nama field (Microsoft Support, n.d.-b). Jadi
sebelum membuat pivot, periksa dulu apakah tiap kolom berisi jenis data yang konsisten,
seperti yang sudah kita bahas pada Hari 1 tentang pembersihan data.

Sebuah PivotTable punya beberapa area utama: baris, kolom, nilai, dan filter. Microsoft
menggambarkan contohnya dengan kategori di bagian baris dan bulan di bagian kolom(
Microsoft Support, n.d.-b). Area nilai berisi angka yang diringkas, misalnya jumlah
penjualan. Di Excel, fungsi peringkasannya dapat diubah lewat pengaturan Summarize
Values By (Microsoft Support, n.d.-a).

Pilihan fungsi menentukan arti sebuah angka. SUM menjumlahkan, COUNT menghitung 
baris, dan AVERAGE mencari rata-rata. Saya belajar untuk selalu menuliskan fungsi
itu di definisi laporan, bukan membiarkan default. Di pandas, nilai default aggfunc
pada pivot_table adalah mean, sehingga jika yang dibutuhkan total, fungsi harus 
ditulis eksplisit (pandas development team, n.d.).

![Diagram alur tiga kotak berurutan: Baris berisi Wilayah, Kolom berisi Bulan, dan
Nilai berisi Jumlah Penjualan, menghasilkan ringkasan](https://i0.wp.com/legawa.
com/wp-content/uploads/2026/11/belajar-analisis-data-hari-9-ilustrasi.png?resize
=1000%2C560&ssl=1)

Alur PivotTable: baris, kolom, dan nilai menghasilkan ringkasan. Ilustrasi konseptual.

Diagram berikut merangkum alur dari tabel mentah sampai ringkasan.

## Contoh kode

Contoh berikut memakai data sintetis enam baris penjualan dari dua wilayah dan dua
bulan. Data ini saya buat sendiri, bukan data nyata: (Barat, Jan, 80), (Barat, Jan,
40), (Barat, Feb, 150), (Timur, Jan, 90), (Timur, Feb, 70), (Timur, Feb, 40). Kolom
wilayah dan bulan berperan seperti baris dan kolom pivot, sedangkan unit adalah 
nilai yang diringkas.

PostgreSQL tidak punya perintah PivotTable, jadi pivot dibuat dengan agregasi bersyarat.
Klausa FILTER tersedia sejak PostgreSQL 9.4 dan lebih ringkas dibanding CASE WHEN(
TigerData, n.d.).

    ```wp-block-code
    -- SQL (PostgreSQL): pivot manual dengan FILTER
    SELECT
      wilayah,
      SUM(unit) FILTER (WHERE bulan = 'Jan') AS jan,   -- hanya baris Januari
      SUM(unit) FILTER (WHERE bulan = 'Feb') AS feb,   -- hanya baris Februari
      SUM(unit)                              AS total  -- total semua bulan
    FROM penjualan
    GROUP BY wilayah
    ORDER BY wilayah;
    -- hasil: Barat 120, 150, 270; Timur 90, 110, 200
    ```

    ```wp-block-code
    # Python (pandas): pivot_table dengan agregasi dan total eksplisit
    import pandas as pd

    penjualan = pd.DataFrame({
        "wilayah": ["Barat", "Barat", "Barat", "Timur", "Timur", "Timur"],
        "bulan":   ["Jan", "Jan", "Feb", "Jan", "Feb", "Feb"],
        "unit":    [80, 40, 150, 90, 70, 40],
    })

    pivot = penjualan.pivot_table(
        index="wilayah",
        columns="bulan",
        values="unit",
        aggfunc="sum",     # eksplisit; default pandas adalah mean
        margins=True,      # menambah baris dan kolom total bernama 'All'
    )
    print(pivot)  # kolom bulan urut alfabetis: Feb, Jan, All
    ```

    ```wp-block-code
    # R (tidyverse): pivot_wider dengan fungsi agregasi
    library(tidyverse)

    penjualan <- tibble(
      wilayah = c("Barat", "Barat", "Barat", "Timur", "Timur", "Timur"),
      bulan   = c("Jan", "Jan", "Feb", "Jan", "Feb", "Feb"),
      unit    = c(80, 40, 150, 90, 70, 40)
    )

    penjualan |>
      pivot_wider(
        names_from  = bulan,
        values_from = unit,
        values_fn   = sum,      # jumlahkan bila ada beberapa baris dalam satu sel
        values_fill = 0         # isi 0 bila kombinasi tidak ada
      ) |>
      mutate(total = Jan + Feb) # kolom total per wilayah
    ```

### Contoh kecil

Dari tabel di atas, pertanyaan “wilayah mana yang penjualannya naik dari Januari
ke Februari?” bisa dijawab dengan satu pivot. Barat naik dari 120 menjadi 150, atau
sekitar 25 persen. Timur naik dari 90 menjadi 110, atau sekitar 22 persen. Keduanya
naik, tetapi Barat tumbuh lebih cepat dalam persentase.

## Kesalahan yang sering terjadi

Waspadai tiga hal ini:

 * Membiarkan default rata-rata di pandas, padahal yang dibutuhkan adalah total.
 * Menulis “Jan” dan “januari” di kolom bulan yang sama, sehingga satu bulan terpecah
   menjadi dua kolom.
 * Lupa me-refresh pivot setelah data sumber berubah, lalu mengira angkanya sudah
   terbaru.

## Latihan

 1. Berapa total unit untuk wilayah Barat pada tabel contoh?
 2. Tulis perintah pandas untuk menampilkan rata-rata unit per wilayah.
 3. Bayangkan baris Timur Feb bernilai 40 ternyata salah input dan seharusnya 400. 
    Berapa total Februari yang baru?

Kunci jawaban singkat: (1) 80 + 40 + 150 = 270. (2) penjualan.pivot_table(index=”
wilayah”, values=”unit”, aggfunc=”mean”) menghasilkan Barat 90 dan Timur sekitar
66,7. (3) Total Februari menjadi 150 + 70 + 400 = 620, dari sebelumnya 260.

## Ringkasan

PivotTable merangkum data tanpa mengubah sumbernya, tetapi hasilnya hanya sebaik
definisi fungsi dan kebersihan datanya. Besok, pada Hari 10, saya membahas XLOOKUP
dan INDEX-MATCH untuk mencocokkan data antartabel, yang dijadwalkan terbit 20 November
2026 pukul 09.00 WIB.

### Sumber bacaan

Microsoft Support. (n.d.-a). Create a PivotTable to analyze worksheet data. [https://support.microsoft.com/en-us/Excel/get-started/create-a-pivottable-to-analyze-worksheet-data](https://support.microsoft.com/en-us/Excel/get-started/create-a-pivottable-to-analyze-worksheet-data)

Microsoft Support. (n.d.-b). Overview of PivotTables and PivotCharts. [https://support.microsoft.com/en-us/Excel/overview-of-pivottables-and-pivotcharts](https://support.microsoft.com/en-us/Excel/overview-of-pivottables-and-pivotcharts)

pandas development team. (n.d.). pandas.pivot_table. [https://pandas.pydata.org/pandas-docs/version/0.24/reference/api/pandas.pivot_table.html](https://pandas.pydata.org/pandas-docs/version/0.24/reference/api/pandas.pivot_table.html)

TigerData. (n.d.). Understanding FILTER in PostgreSQL (with examples). [https://tigerdata.com/learn/understanding-filter-in-postgresql-with-examples](https://tigerdata.com/learn/understanding-filter-in-postgresql-with-examples)

Catatan data: seluruh angka pada tulisan ini berasal dari data sintetis yang saya
buat sendiri. Tidak ada data pasien atau data pribadi nyata di dalamnya.

Navigasi seri Belajar Analisis Data

 * Berikutnya: Hari 10, [XLOOKUP dan INDEX-MATCH](https://legawa.com/teknologi/belajar-analisis-data-hari-10-xlookup-dan-index-match/)(
   terbit 20 November 2026 pukul 09.00 WIB)
 * Semua tulisan seri Belajar Analisis Data
 * Sebelumnya: Hari 8, Rumus Dasar dan Referensi Sel di Spreadsheet
