Mengenal Join dalam SQL: Fungsi dan Jenis-Jenisnya
Irhan Hisyam Dwi Nugroho
•
17 June 2023
•
27162
Catatan Redaksi:
Artikel ini pertama kali diterbitkan pada Juni 2023 dan diperbarui pada 2 Mei 2025 untuk memastikan informasi tetap akurat dan relevan.
Join dalam SQL digunakan untuk menggabungkan data dari beberapa tabel yang saling berhubungan. Warga Bimbingan, ini penting banget buat kamu yang pengen hasil query-nya makin efisien dan rapi.
Sebagai MinDi, mentor digital kamu, MinDi nggak bakal kasih teori doang—tapi juga cara mikirnya. Soalnya paham JOIN itu bukan soal hafalan, tapi soal logika.
Di artikel ini, kita bakal bahas jenis-jenis JOIN lengkap dengan contoh yang gampang dicerna. Yuk, belajar bareng MinDi biar makin jago olah data.
Baca juga : Panduan Memilih Bootcamp Data Analyst untuk Karier Impianmu
Apa Itu SQL Join?
SQL Join adalah perintah dalam bahasa SQL yang digunakan untuk menggabungkan data dari dua atau lebih tabel berdasarkan kolom yang memiliki hubungan.
Join memungkinkan kita menampilkan informasi terpadu dari beberapa tabel tanpa harus menyimpan data yang sama secara berulang.
Dengan menggunakan join, kita bisa membuat query yang lebih efisien dan terstruktur, terutama saat menangani basis data relasional.
Penggunaan join sangat penting dalam analisis data, pembuatan laporan, dan pengembangan aplikasi berbasis database.
Baca juga : Panduan Cara Belajar Python untuk Data Scientist, Lengkap!
Jenis-Jenis Join dalam SQL
Warga Bimbingan, MinDi mau ajak kamu kenalan sama jenis-jenis JOIN dalam SQL. Yuk, simak biar tahu cara dan waktu pakainya.
Untuk mempermudah pemahaman, kita akan gunakan dua tabel berikut:
Tabel pelanggan:
id_pelanggan | NAMA |
1 | Andi |
2 | Budi |
3 | Sari |
Warga Bimbingan bisa menggunakan kode SQL berikut:
-- Membuat tabel pelanggan CREATE TABLE pelanggan ( id_pelanggan INT PRIMARY KEY, nama VARCHAR(50) ); -- Mengisi data ke tabel pelanggan INSERT INTO pelanggan (id_pelanggan, nama) VALUES (1, 'Andi'), (2, 'Budi'), (3, 'Sari'); |
Tabel Pesanan:
id_pesanan | id_pelanggan | produk |
101 | 1 | Laptop |
102 | 2 | Smartphone |
103 | 1 | Headset |
Warga Bimbingan bisa menggunakan kode SQL berikut:
-- Membuat tabel pesanan CREATE TABLE pesanan ( id_pesanan INT PRIMARY KEY, id_pelanggan INT, produk VARCHAR(50) ); -- Mengisi data ke tabel pesanan INSERT INTO pesanan (id_pesanan, id_pelanggan, produk) VALUES (101, 1, 'Laptop'), (102, 2, 'Smartphone'), (103, 1, 'Headset'); |
Baca juga : Panduan Analisis Data dengan Python Pandas, Mudah Dipelajari
1. INNER JOIN
INNER JOIN hanya menampilkan baris data yang memiliki kecocokan di kedua tabel berdasarkan kolom yang dihubungkan. Jika satu sisi tidak memiliki pasangan data yang cocok, maka baris tersebut akan diabaikan dari hasil query.
JOIN ini paling umum digunakan, terutama saat kamu hanya ingin melihat data yang sudah terhubung secara langsung di antara dua tabel. Cocok untuk laporan yang hanya menampilkan transaksi yang valid atau data yang lengkap.
Contoh Query:
SELECT pelanggan.nama, pesanan.produk FROM pelanggan INNER JOIN pesanan ON pelanggan.id_pelanggan = pesanan.id_pelanggan; |
Hasil Studi Kasus:
2. LEFT JOIN (LEFT OUTER JOIN)
LEFT JOIN menampilkan semua data dari tabel sebelah kiri (dalam hal ini pelanggan), meskipun tidak memiliki pasangan di tabel kanan (pesanan). Jika tidak ada pasangan data, maka kolom dari tabel kanan akan bernilai NULL.
JOIN ini cocok saat kamu ingin melihat semua data utama (pelanggan), termasuk yang belum melakukan pembelian. Sangat berguna untuk laporan seperti “pelanggan aktif dan tidak aktif”.
Contoh Query:
SELECT pelanggan.nama, pesanan.produk FROM pelanggan LEFT JOIN pesanan ON pelanggan.id_pelanggan = pesanan.id_pelanggan; |
Hasil Studi Kasus:
Baca juga : Python untuk Data Analyst: Arti, Manfaat, Library, dan Tips
3. RIGHT JOIN (RIGHT OUTER JOIN)
RIGHT JOIN menampilkan semua data dari tabel kanan (pesanan), termasuk yang tidak memiliki kecocokan di tabel kiri (pelanggan). Bila data pelanggan tidak ditemukan, maka kolom nama akan berisi NULL.
JOIN ini berguna untuk menemukan data yang “masih berdiri sendiri” di tabel kanan, seperti transaksi tanpa data pelanggan yang lengkap. Bisa digunakan untuk validasi data input atau audit sistem.
Contoh Query:
SELECT pelanggan.nama, pesanan.produk FROM pelanggan RIGHT JOIN pesanan ON pelanggan.id_pelanggan = pesanan.id_pelanggan; |
Hasil Studi Kasus:
4. FULL JOIN (FULL OUTER JOIN)
FULL JOIN menggabungkan hasil dari LEFT JOIN dan RIGHT JOIN. Artinya, semua baris dari kedua tabel akan ditampilkan, baik yang punya pasangan maupun yang tidak.
MySQL tidak mendukung FULL JOIN secara langsung, tapi kamu bisa menyimulasikannya dengan UNION dari LEFT dan RIGHT JOIN. Cocok untuk menampilkan semua data, sekaligus tahu bagian mana yang belum terhubung antar tabel.
Contoh Query (simulasi di MySQL):
SELECT pelanggan.nama, pesanan.produk FROM pelanggan LEFT JOIN pesanan ON pelanggan.id_pelanggan = pesanan.id_pelanggan UNION SELECT pelanggan.nama, pesanan.produk FROM pelanggan RIGHT JOIN pesanan ON pelanggan.id_pelanggan = pesanan.id_pelanggan; |
Hasil Studi Kasus:
Baca juga : Panduan Memilih Bootcamp Data Science Terbaik di 2025
5. CROSS JOIN
CROSS JOIN menggabungkan semua baris dari tabel pertama dengan semua baris dari tabel kedua. Hasilnya adalah kombinasi total atau cartesian product dari dua tabel.
Biasanya digunakan untuk membuat kombinasi semua kemungkinan pasangan, bukan untuk relasi berbasis data yang cocok. Hati-hati dengan jumlah hasil jika tabel sangat besar.
Contoh Query:
SELECT pelanggan.nama, pesanan.produk FROM pelanggan CROSS JOIN pesanan; |
Hasil Studi Kasus:
Kuasai SQL dan Bangun Karier sebagai Data Scientist!
Setelah mempelajari join dalam SQL beserta fungsi dan jenis-jenisnya, sekarang saatnya kamu melangkah lebih jauh untuk membangun pondasi karier di dunia data yang sedang naik daun.
Yuk, ikuti Bootcamp Data Science di dibimbing.id! Di sini, kamu akan belajar SQL, Python, statistik, machine learning, dan teknik analisis data dari nol hingga siap kerja.
Kamu akan dibimbing langsung oleh mentor berpengalaman dengan kurikulum aplikatif dan studi kasus nyata yang membuatmu paham konsep dan siap menerapkannya di dunia profesional.
Dengan lebih dari 840+ hiring partner dan tingkat keberhasilan alumni mencapai 96%, peluangmu untuk meniti karier sebagai Data Scientist semakin terbuka lebar.
Jadi, tunggu apa lagi? Daftar sekarang di sini dan mulai perjalananmu menjadi seorang Data Scientist profesional yang dicari banyak perusahaan! #BimbingSampeJadi!
Referensi
Tags
Irhan Hisyam Dwi Nugroho
Irhan Hisyam Dwi Nugroho is an SEO Specialist and Content Writer with 4 years of experience in optimizing websites and writing relevant content for various brands and industries. Currently, I also work as a Content Writer at Dibimbing.id and actively share content about technology, SEO, and digital marketing through various platforms.
