Skip to Content

Top 25 SQL Interview Questions and Answers for 2025

Tentu saja! Senang sekali bisa berbagi lebih dalam. Anggap saja saya adalah mentor Anda hari ini. Mari kita bedah 25 pertanyaan tadi bukan sebagai daftar hafalan, tapi sebagai peta untuk memahami filosofi di balik database relasional.

Lupakan sejenak tentang sekadar menjawab pertanyaan wawancara. Tujuan kita adalah untuk benar-benar mengerti mengapa setiap konsep ini ada dan bagaimana mereka saling berhubungan. Siap? Mari kita mulai.

Pendahuluan: Melihat SQL dari Kacamata yang Berbeda

Halo! Senang bertemu Anda di sini. Dalam video tadi, kita membahas 25 pertanyaan kunci. Sekarang, kita akan melangkah lebih jauh. Banyak orang melihat SQL sebagai sekumpulan perintah: $SELECT$, $INSERT$, $JOIN$. Ini tidak salah, tapi ini seperti melihat mobil hanya sebagai setir, pedal, dan roda. Anda tahu cara menggunakannya, tapi apakah Anda mengerti mesin di baliknya?

Sudut Pandang yang Jarang Dilihat:

SQL bukan hanya bahasa pemrograman, ini adalah alat untuk memodelkan realitas dan menceritakan sebuah kisah. Setiap tabel adalah sebuah entitas (misalnya: Mahasiswa, Produk, Transaksi). Setiap kolom adalah atributnya. Setiap $JOIN$ adalah cara kita menghubungkan cerita antar entitas tersebut. Saat Anda menulis kueri, Anda sebenarnya sedang bertanya, "Ceritakan padaku kisah tentang pelanggan mana yang membeli produk X di bulan lalu."

Dengan mindset ini, belajar SQL menjadi jauh lebih intuitif dan powerful. Mari kita bedah setiap konsep dengan kacamata ini.


Bab 1: Fondasi & Arsitektur - Membangun Kerangka Cerita

Sebelum kita bisa bercerita, kita butuh panggung dan aturan mainnya. Inilah fungsi dari DDL dan konsep-konsep dasar.

1. Apa itu SQL?

SQL (Structured Query Language) adalah jembatan komunikasi antara Anda dan database relasional. Anggap saja database adalah seorang pustakawan yang sangat terorganisir dan literal. Ia tidak mengerti bahasa manusia sehari-hari, tapi ia sangat fasih dalam SQL. Anda memberinya perintah SQL, ia akan mengambilkan "buku" (data) yang Anda minta dengan presisi luar biasa.

2. Jenis-jenis Perintah SQL (DDL, DML, DQL, DCL, TCL)

Ini bukan hanya kategori untuk dihafal, ini adalah siklus hidup data.

  • DDL (Data Definition Language): Arsitek. Perintah seperti $CREATE$, $ALTER$, $DROP$. Anda sedang merancang cetak biru (blueprint) dari database Anda. Anda mendefinisikan "ruangan" (tabel) dan "strukturnya" (kolom).
  • DML (Data Manipulation Language): Pekerja Konstruksi & Interior. Perintah seperti $INSERT$, $UPDATE$, $DELETE$. Anda mengisi ruangan tersebut dengan "furnitur" (data), memindahkannya, atau membuangnya.
  • DQL (Data Query Language): Sang Pencerita/Analis. Perintah utamanya adalah $SELECT$. Setelah semuanya siap, Anda mulai bertanya dan menggali cerita dari data yang ada.
  • DCL (Data Control Language): Penjaga Keamanan. Perintah seperti $GRANT$, $REVOKE$. Anda menentukan siapa yang boleh masuk ke ruangan mana dan apa yang boleh mereka lakukan.
  • TCL (Transaction Control Language): Manajer Proyek. Perintah seperti $COMMIT$, $ROLLBACK$. Anda memastikan bahwa serangkaian pekerjaan (transaksi) selesai dengan sempurna atau dibatalkan seluruhnya jika ada masalah.

👉 Apa yang bisa kamu lakukan sekarang:

Buka database client apa pun (misalnya DBeaver, MySQL Workbench). Buat sebuah database baru bernama $LatihanSQL$. Coba jalankan satu perintah dari setiap kategori: $CREATE TABLE$, $INSERT$ data, SELECTdata tersebut, laluDROPTABLE` di akhir. Rasakan alurnya.


Bab 2: Integritas Data - Menjaga Cerita Tetap Konsisten & Logis

Cerita yang hebat harus konsisten. Karakter tidak bisa tiba-tiba hilang atau memiliki dua identitas yang berbeda. Inilah peran dari keys, constraints, dan normalization.

3 & 4. Primary Key & Foreign Key

  • Primary Key (PK): Ini adalah "Nomor KTP" atau "NIM" untuk setiap baris data. Ia memastikan setiap catatan itu unik dan tidak ada duanya. Aturan utamanya: tidak boleh sama (unique) dan tidak boleh kosong (NOT NULL).
  • Foreign Key (FK): Ini adalah "Nomor KTP Tamu". Sebuah kolom di tabel A yang merujuk ke Primary Key di tabel B. Inilah lem yang merekatkan dua cerita menjadi satu. Contoh: Tabel $Pesanan$ punya kolom $customer_id$ yang merujuk ke PK di tabel $Pelanggan$.

Sudut Pandang yang Jarang Dilihat:

PK dan FK adalah DNA dari database relasional Anda. Mereka mendefinisikan hubungan antar entitas dan menegakkan logika bisnis di level paling dasar. Tanpa mereka, data Anda hanyalah kumpulan tabel yang terisolasi dan rentan terhadap anomali (misalnya, ada pesanan tapi data pelanggannya tidak ada).

Contoh Praktis:

SQL

-- Tabel Pelanggan dengan KTP-nya (PK)
CREATE TABLE Pelanggan (
    customer_id INT PRIMARY KEY,
    nama VARCHAR(100)
);

-- Tabel Pesanan dengan KTP Tamu (FK)
CREATE TABLE Pesanan (
    order_id INT PRIMARY KEY,
    customer_id INT,
    nama_produk VARCHAR(100),
    FOREIGN KEY (customer_id) REFERENCES Pelanggan(customer_id)
);

18. Constraints

Constraints adalah Aturan Main yang Anda tetapkan untuk data Anda.

  • $NOT NULL$: Kolom ini tidak boleh kosong. (Contoh: Setiap karyawan harus punya nama).
  • $UNIQUE$: Tidak boleh ada nilai yang sama di kolom ini. (Contoh: Email setiap pengguna harus berbeda).
  • $CHECK$: Nilai harus memenuhi kondisi tertentu. (Contoh: Kolom 'usia' harus ).
  • $DEFAULT$: Jika tidak diisi, berikan nilai ini. (Contoh: Kolom 'status_akun' defaultnya adalah 'aktif').

👉 Apa yang bisa kamu lakukan sekarang:

Buat dua tabel sederhana seperti di atas ($Pelanggan$ dan $Pesanan$). Coba masukkan sebuah pesanan dengan $customer_id$ yang tidak ada di tabel $Pelanggan$. Apa yang terjadi? Database akan menolaknya. Inilah kekuatan referential integrity yang dijaga oleh Foreign Key. Lalu, coba tambahkan constraint $CHECK$ pada tabel $Pelanggan$ untuk kolom usia.

7 & 8. Normalization & Denormalization

Ini adalah topik yang sering disalahpahami. Bayangkan Anda punya satu lembar Excel raksasa berisi semua data perusahaan. Ini sangat tidak efisien dan penuh duplikasi.

  • Normalization: Proses memecah tabel raksasa itu menjadi beberapa tabel kecil yang saling berhubungan untuk menghilangkan redundansi data dan meningkatkan integritas. Tujuannya adalah memastikan setiap potongan informasi hanya disimpan di satu tempat.
    • $1NF$: Tidak ada kolom yang berisi banyak nilai (misal kolom 'hobi' isinya 'membaca, berenang'). Setiap sel harus atomik.
    • $2NF$: Menghapus ketergantungan parsial.
    • $3NF$: Menghapus ketergantungan transitif.
  • Denormalization: Proses yang sengaja menggabungkan kembali beberapa tabel atau menambahkan data redundan untuk mempercepat proses pembacaan (query). Ini adalah sebuah trade-off: Anda mengorbankan sedikit integritas dan menambah ruang penyimpanan demi kecepatan.

Sudut Pandang yang Jarang Dilihat:

Pikirkan ini sebagai pertarungan antara Integritas vs. Performa.

  • Database untuk aplikasi transaksional (OLTP), seperti e-commerce, perbankan, sangat mengutamakan Normalisasi. Data harus super konsisten.
  • Database untuk gudang data (Data Warehouse/OLAP), seperti untuk analisis bisnis, sering menggunakan Denormalisasi. Mereka butuh kueri yang sangat cepat untuk laporan, dan sedikit redundansi bisa diterima.

👉 Apa yang bisa kamu lakukan sekarang:

Cari contoh tabel yang belum dinormalisasi di internet (disebut juga unnormalized form). Coba pecah tabel tersebut secara manual di kertas atau spreadsheet menjadi bentuk $1NF$, $2NF$, dan $3NF$. Ini akan memberikan Anda pemahaman yang mendalam.


Bab 3: Bercerita dengan Data - Mengajukan Pertanyaan yang Tepat

Inilah inti dari pekerjaan sehari-hari: mengambil data mentah dan mengubahnya menjadi wawasan.

5 & 19. JOIN (INNER, OUTER, dll)

$JOIN$ adalah cara Anda menggabungkan cerita dari tabel-tabel yang berbeda.

  • $INNER JOIN$: Hanya menampilkan data yang memiliki pasangan di kedua tabel. (Contoh: Tampilkan pelanggan yang pernah melakukan pesanan).
  • $LEFT JOIN$: Menampilkan semua data dari tabel kiri, dan hanya data yang cocok dari tabel kanan. Jika tidak ada pasangan, kolom dari tabel kanan akan berisi $NULL$. (Contoh: Tampilkan semua pelanggan, dan jika mereka pernah memesan, tampilkan pesanannya).
  • $RIGHT JOIN$: Kebalikan dari $LEFT JOIN$.
  • $FULL OUTER JOIN$: Menampilkan semua data dari kedua tabel, baik yang punya pasangan maupun tidak.

Sudut Pandang yang Jarang Dilihat:

Jenis $JOIN$ yang Anda pilih secara fundamental mengubah pertanyaan yang Anda ajukan.

  • $INNER JOIN$ bertanya: "Siapa saja yang terlibat dalam kedua cerita ini?"
  • $LEFT JOIN$ bertanya: "Dari semua karakter di cerita pertama, siapa saja yang juga muncul di cerita kedua?" Ini sangat berguna untuk menemukan data yang tidak memiliki pasangan. Misalnya, "Cari pelanggan yang belum pernah memesan sama sekali."

22. Self-Join

Ini adalah saat sebuah tabel bergabung dengan dirinya sendiri. Terdengar aneh, tapi sangat berguna untuk data yang memiliki hubungan hirarkis di dalamnya. Contoh paling umum adalah tabel $Karyawan$ yang memiliki kolom $manager_id$, di mana $manager_id$ merujuk kembali ke $employee_id$ di tabel yang sama.

👉 Apa yang bisa kamu lakukan sekarang:

Gunakan tabel $Pelanggan$ dan $Pesanan$ yang sudah Anda buat.

  1. Jalankan $INNER JOIN$ antara keduanya.
  2. Jalankan $LEFT JOIN$ untuk menemukan pelanggan yang belum pernah memesan. (Hint: gunakan kondisi $WHERE Pesanan.order_id IS NULL$).
  3. Buat tabel $Karyawan(id, nama, manager_id)$ dan coba lakukan $SELF JOIN$ untuk menampilkan nama karyawan beserta nama manajernya.

6. WHERE vs. HAVING

Ini adalah filter, tapi bekerja di tahap yang berbeda.

  • $WHERE$: Filter sebelum Agregasi. Ia bekerja pada data baris per baris. Anggap ini sebagai penjaga pintu yang menyeleksi siapa saja yang boleh masuk ke sebuah ruangan.
  • $HAVING$: Filter setelah Agregasi. Ia bekerja pada hasil dari $GROUP BY$. Anggap ini sebagai penjaga di dalam ruangan yang menyeleksi grup-grup mana yang boleh tinggal.

Contoh Logika:

"Dari semua penjualan ($tabel Penjualan$), ambil yang terjadi di tahun 2025 ($WHERE$), kelompokkan berdasarkan kategori produk ($GROUP BY$), lalu tampilkan hanya kategori yang total penjualannya di atas 100 juta ($HAVING$)."

13. Aggregate Functions

Ini adalah alat matematika Anda: $COUNT()$, $SUM()$, $AVG()$, $MIN()$, $MAX()$. Mereka mengambil banyak nilai dan mengembalikannya menjadi satu nilai ringkasan. Selalu digunakan bersama $GROUP BY$.

12. Subquery

Sebuah kueri di dalam kueri. Ini seperti mengajukan pertanyaan pendahuluan untuk mendapatkan jawaban yang akan Anda gunakan di pertanyaan utama.

Contoh: "Tampilkan karyawan yang gajinya di atas rata-rata."

  1. Pertanyaan pendahuluan (subquery): Berapa gaji rata-rata? ($SELECT AVG(gaji) FROM Karyawan$).
  2. Pertanyaan utama: Siapa karyawan yang gajinya > [hasil dari subquery]?

👉 Apa yang bisa kamu lakukan sekarang:

Buat tabel sederhana $Penjualan(id, produk, jumlah, tanggal).

  1. Gunakan $WHERE$ untuk memfilter penjualan produk 'Buku'.
  2. Gunakan $GROUP BY$ untuk menghitung total penjualan per produk.
  3. Tambahkan $HAVING$ untuk hanya menampilkan produk dengan total penjualan > 50.
  4. Coba tulis subquery untuk mencari penjualan yang jumlahnya di atas rata-rata penjualan.


Bab 4: Optimasi & Efisiensi - Membuat Cerita Tersampaikan dengan Cepat

Database besar bisa memiliki miliaran baris. Tanpa optimasi, kueri Anda bisa berjalan berjam-jam.

9 & 25. Index (Clustered vs. Non-Clustered)

  • Index: Seperti daftar isi di belakang sebuah buku. Daripada membaca seluruh buku (full table scan) untuk mencari sebuah topik, Anda bisa langsung ke daftar isi, mencari halamannya, dan langsung melompat ke sana. Ini mempercepat pembacaan ($SELECT$) tapi sedikit memperlambat penulisan ($INSERT$, $UPDATE$) karena daftar isinya juga perlu diperbarui.
  • Clustered Index: Ini menentukan urutan fisik data di dalam disk. Bayangkan sebuah kamus, kata-katanya sudah diurutkan secara fisik berdasarkan abjad. Karena data hanya bisa diurutkan secara fisik dalam satu cara, maka hanya boleh ada satu clustered index per tabel. Biasanya, Primary Key secara otomatis menjadi clustered index.
  • Non-Clustered Index: Ini seperti daftar isi di buku tadi. Strukturnya terpisah dari data aslinya dan hanya berisi pointer (penunjuk) ke lokasi data sebenarnya. Anda bisa punya banyak non-clustered index dalam satu tabel (misalnya, index untuk kolom nama, index untuk kolom tanggal lahir, dll).

Sudut Pandang yang Jarang Dilihat:

Membuat index adalah seni. Terlalu sedikit index membuat kueri lambat. Terlalu banyak index akan membuat operasi tulis (insert/update) menjadi sangat lambat. Kuncinya adalah menganalisis kueri mana yang paling sering dijalankan dan paling butuh kecepatan, lalu buat index pada kolom-kolom yang sering digunakan di klausa $WHERE$ atau $JOIN$.

👉 Apa yang bisa kamu lakukan sekarang:

Jika Anda menggunakan MySQL atau PostgreSQL, cari cara untuk melihat query execution plan (misalnya dengan perintah $EXPLAIN$). Jalankan kueri $SELECT$ pada tabel tanpa index. Lihat rencananya (kemungkinan besar akan ada "Full Table Scan"). Kemudian, buat sebuah index pada kolom yang Anda filter di klausa $WHERE$. Jalankan $EXPLAIN$ lagi. Anda akan melihat perbedaannya, database sekarang menggunakan "Index Scan", yang jauh lebih cepat.


Bab 5: Alat Bantu Lanjutan & Manajemen - Perkakas di Gudang Anda

Ini adalah alat-alat yang membuat hidup Anda lebih mudah, aman, dan terotomatisasi.

11. View

Sebuah kueri yang disimpan dan diberi nama, yang bisa Anda perlakukan seperti tabel virtual. View tidak menyimpan data, ia hanya menyimpan definisi kueri. Sangat berguna untuk:

  • Keamanan: Menyembunyikan kolom sensitif dari pengguna.
  • Simplifikasi: Menyembunyikan logika $JOIN$ yang kompleks di balik sebuah nama yang sederhana.

15. Stored Procedure

Sekumpulan perintah SQL yang disimpan di database dan bisa dipanggil berulang kali. Ini seperti membuat fungsi atau skrip Anda sendiri di dalam database. Keuntungannya:

  • Performa: Mengurangi lalu lintas jaringan karena Anda hanya mengirim nama prosedur, bukan seluruh blok kode.
  • Keamanan: Memberikan akses ke prosedur, bukan ke tabel secara langsung.
  • Reusable: Logika bisnis yang kompleks bisa dienkapsulasi dan digunakan kembali.

16. Trigger

Sebuah stored procedure spesial yang berjalan secara otomatis sebagai respons terhadap sebuah event DML ($INSERT$, $UPDATE$, $DELETE$) pada tabel tertentu. Berguna untuk:

  • Auditing: Mencatat setiap perubahan yang terjadi pada sebuah tabel ke dalam tabel log.
  • Menegakkan Aturan Bisnis Kompleks: Misalnya, setiap kali stok produk diupdate menjadi di bawah 10, otomatis buat entri di tabel "Barang Perlu Dipesan".

20. Transaction (ACID)

Sebuah transaksi adalah unit pekerjaan yang harus berhasil seluruhnya atau gagal seluruhnya. Ini dijamin oleh properti ACID:

  • Atomicity: Semua atau tidak sama sekali. Transfer uang adalah contoh klasik: operasi "kurangi saldo A" dan "tambah saldo B" harus keduanya berhasil, atau keduanya gagal.
  • Consistency: Transaksi membawa database dari satu state valid ke state valid lainnya.
  • Isolation: Transaksi yang berjalan bersamaan tidak akan saling mengganggu.
  • Durability: Sekali sebuah transaksi di-$COMMIT$, perubahannya bersifat permanen.

10, 23. Perbedaan DELETE, TRUNCATE, DROP

  • $DELETE$: Menghapus baris satu per satu (bisa pakai $WHERE$). Lambat, bisa di-$ROLLBACK$.
  • $TRUNCATE$: Menghapus semua data dengan cepat. Tidak bisa di-$ROLLBACK$ (biasanya). Struktur tabel tetap ada.
  • $DROP$: Menghapus semua data DAN struktur tabelnya. Tabelnya hilang selamanya.

👉 Apa yang bisa kamu lakukan sekarang:

  1. Buat sebuah kueri $JOIN$ yang kompleks, lalu simpan sebagai $VIEW$. Coba lakukan $SELECT * FROM nama_view_anda$.
  2. Buat sebuah tabel $LogPerubahan$ dan sebuah $TRIGGER$ pada tabel $Karyawan$ yang akan meng-$INSERT$ catatan ke $LogPerubahan$ setiap kali ada $UPDATE$ gaji.
  3. Coba jalankan serangkaian perintah DML di dalam blok $BEGIN TRANSACTION$ ... $COMMIT;$. Lalu coba lagi dengan ... ` dan lihat apa yang terjadi pada data Anda.


Checklist Aksi & Langkah Berikutnya

Anda sudah mendapatkan materi yang jauh lebih dalam dari sekadar jawaban wawancara. Sekarang, saatnya praktik. Pengetahuan tanpa praktik akan menguap.

  1. [WAJIB] Siapkan Lingkungan Anda:
    • Install database di komputer lokal Anda. PostgreSQL atau MySQL adalah pilihan yang sangat baik dan gratis.
    • Install database client yang nyaman seperti DBeaver (gratis, mendukung banyak DB) atau MySQL Workbench / pgAdmin.
  2. [PRAKTIK DASAR] Bangun Database Sederhana:
    • Rancang dan buat database untuk kasus sederhana (misal: Perpustakaan dengan tabel Buku, Anggota, Peminjaman).
    • Tentukan Primary Key dan Foreign Key dengan benar. Terapkan constraints yang masuk akal ($NOT NULL$, $CHECK$).
    • Isi dengan data fiktif (minimal 10-20 baris per tabel).
  3. [PRAKTIK MENENGAH] Latihan Kueri:
    • Ambil dataset publik yang menarik (misalnya dari Kaggle). Muat ke dalam database Anda.
    • Tulis setidaknya 20 kueri yang berbeda. Mulai dari $SELECT sederhana, lalu tambahkan $WHERE$, $GROUP BY$, $HAVING$, berbagai jenis $JOIN$, dan subquery.
    • Tantang diri Anda untuk menjawab pertanyaan bisnis dari data tersebut, misalnya: "Produk apa yang paling laku di kuartal ketiga?", "Siapa 5 anggota perpustakaan yang paling sering meminjam buku?".
  4. [PRAKTIK LANJUTAN] Eksplorasi Fitur:
    • Buat sebuah $VIEW$ untuk menyederhanakan kueri yang sering Anda tulis.
    • Buat sebuah Stored Procedure untuk melakukan tugas umum (misal: prosedur untuk mendaftarkan anggota baru).
    • Buat sebuah $TRIGGER$ untuk mencatat semua pembaruan pada tabel penting.
    • Gunakan $EXPLAIN$ untuk menganalisis performa kueri Anda sebelum dan sesudah membuat $INDEX$.
  5. [REFLEKSI] Ajukan Pertanyaan "Mengapa?":
    • Setelah menulis kueri, tanyakan pada diri sendiri: "Mengapa saya menggunakan $LEFT JOIN$ dan bukan $INNER JOIN$?", "Apakah ada cara lain yang lebih efisien untuk menulis kueri ini?".

Menguasai SQL adalah sebuah perjalanan. Dengan memahami filosofi di baliknya dan terus berlatih, Anda tidak hanya akan siap untuk wawancara, tetapi juga menjadi seorang developer atau analis data yang handal dan efektif.

Semoga berhasil! Anda punya semua yang Anda butuhkan untuk memulai.


Workflow ‘Malas’ Data Analyst TERBUKTI EFEKTIF