Tutorial Power BI Professional dan Advanced DAX
Setelah menguasai Microsoft Excel, Power Query, Power Pivot, DAX dasar, dan konsep Business Intelligence, langkah berikutnya adalah masuk ke Power BI Professional.
Power BI digunakan untuk mengubah berbagai sumber data menjadi dashboard interaktif, analisis bisnis, dan laporan yang dapat digunakan oleh banyak pengguna.
Alur kerja yang akan kita pelajari:
DATA SOURCE
↓
POWER QUERY
↓
DATA MODEL
↓
RELATIONSHIP
↓
DAX
↓
VISUALIZATION
↓
DASHBOARD
↓
POWER BI SERVICE
↓
SHARING & MONITORING1. Apa Itu Power BI?
Power BI adalah platform Business Intelligence yang digunakan untuk:
Mengambil data.
Membersihkan data.
Menghubungkan tabel.
Membuat data model.
Membuat perhitungan DAX.
Membuat dashboard.
Membagikan laporan.
Memantau KPI.
Power BI dapat digunakan untuk menggabungkan data dari berbagai sumber dalam satu laporan.
2. Power BI Desktop dan Power BI Service
Secara umum, ada dua lingkungan utama.
Power BI Desktop
Digunakan untuk:
Membuat model data.
Membuat DAX.
Membuat visualisasi.
Membuat report.
Power BI Service
Digunakan untuk:
Publikasi laporan.
Membagikan dashboard.
Mengatur akses.
Scheduled refresh.
Monitoring.
Kolaborasi.
Alurnya:
Power BI Desktop
↓
Publish
↓
Power BI Service3. Menghubungkan Banyak Sumber Data
Power BI dapat bekerja dengan berbagai sumber data, misalnya:
Excel.
CSV.
Database SQL.
Folder.
Web.
SharePoint.
Data warehouse.
Berbagai sumber cloud.
Contohnya:
Excel Penjualan
+
Database Customer
+
Master Produk
+
Data Target
↓
Power BI4. Power Query di Power BI
Power Query digunakan sebelum data masuk ke Data Model.
Contoh proses:
Raw Data
↓
Remove Columns
↓
Rename Columns
↓
Change Data Type
↓
Remove Duplicates
↓
Merge
↓
Append
↓
Final DataPrinsip penting:
Bersihkan data sebelum melakukan analisis.
5. Data Model Profesional
Model data sebaiknya tidak dibuat sebagai satu tabel raksasa.
Gunakan konsep:
DimProduct
│
│
DimCustomer ─── FactSales ─── DimSalesperson
│
│
DimDateTabel transaksi disebut Fact Table.
Tabel informasi pendukung disebut Dimension Table.
6. Star Schema
Star Schema adalah salah satu struktur model data yang umum digunakan.
Contoh:
PRODUCT
│
│
CUSTOMER ──── SALES ──── SALESPERSON
│
│
DATEKeuntungan:
Model lebih sederhana.
DAX lebih mudah.
Performa lebih baik.
Analisis lebih fleksibel.
7. Relationship
Relationship menghubungkan tabel.
Misalnya:
DimProduct[ProductID]
↓
FactSales[ProductID]Relationship memungkinkan informasi dari tabel produk digunakan untuk menganalisis transaksi.
Contoh:
Produk → Penjualan
Kategori → Penjualan
Customer → Penjualan
Kota → Penjualan8. Memahami Cardinality
Jenis relationship yang umum:
One-to-Many
1 Product
↓
Banyak transaksiIni merupakan struktur yang sangat umum pada Data Model.
Many-to-Many
Digunakan dalam kondisi tertentu dan perlu dirancang dengan hati-hati karena dapat menimbulkan hasil analisis yang tidak diharapkan.
9. Membuat Measure DAX
Measure adalah perhitungan yang dievaluasi berdasarkan filter dan konteks laporan.
Contoh:
Total Sales :=
SUM(FactSales[SalesAmount])Kemudian:
Total Profit :=
SUM(FactSales[Profit])10. CALCULATE
CALCULATE merupakan salah satu fungsi DAX paling penting.
Contoh:
Sales Jakarta :=
CALCULATE(
[Total Sales],
DimCustomer[City] = "Jakarta"
)Measure tersebut menghitung penjualan khusus Jakarta.
Memahami CALCULATE adalah salah satu kunci menjadi pengguna DAX tingkat lanjut.
11. Filter Context
DAX bekerja berdasarkan filter context.
Misalnya dashboard difilter:
Tahun = 2026
Kota = Jakarta
Produk = BukuMeasure:
[Total Sales]akan dihitung berdasarkan filter tersebut.
Karena itu satu measure dapat menghasilkan angka berbeda pada visual yang berbeda.
12. Row Context
Row context biasanya muncul ketika DAX melakukan perhitungan berdasarkan baris, terutama pada calculated column dan fungsi iterator.
Contoh:
Profit =
Sales[Revenue] - Sales[Cost]Setiap baris dihitung berdasarkan data pada baris tersebut.
Memahami perbedaan:
Row Context vs Filter Context
sangat penting untuk DAX tingkat lanjut.
13. Iterator Functions
Beberapa fungsi DAX menggunakan iterator:
SUMX
AVERAGEX
MINX
MAXX
COUNTX
Contoh:
Total Profit :=
SUMX(
FactSales,
FactSales[Qty] *
(FactSales[Price] - FactSales[Cost])
)SUMX melakukan perhitungan per baris kemudian menjumlahkan hasilnya.
14. Menggunakan ALL
ALL dapat digunakan untuk menghilangkan filter tertentu.
Contoh:
Total All Sales :=
CALCULATE(
[Total Sales],
ALL(DimProduct)
)Measure tersebut dapat digunakan untuk membandingkan penjualan produk dengan total keseluruhan.
15. Menggunakan ALLSELECTED
ALLSELECTED berguna ketika kita ingin mempertahankan sebagian konteks filter dari pengguna.
Contoh pengguna memilih:
Tahun = 2026Kemudian kita ingin menghitung persentase kontribusi produk terhadap total penjualan yang sedang dipilih.
Konsepnya:
Product % :=
DIVIDE(
[Total Sales],
CALCULATE(
[Total Sales],
ALLSELECTED(DimProduct)
)
)16. Ranking dengan RANKX
Untuk menentukan peringkat:
Product Rank :=
RANKX(
ALL(DimProduct[Product]),
[Total Sales],
,
DESC
)Hasilnya:
| Produk | Sales | Rank |
|---|---|---|
| Produk A | 500 jt | 1 |
| Produk B | 400 jt | 2 |
| Produk C | 300 jt | 3 |
17. Top N Analysis
Kita dapat membuat analisis Top 10 produk.
Contohnya:
Top 10 ProductsKemudian visual hanya menampilkan sepuluh produk dengan penjualan terbesar.
Analisis ini sangat berguna untuk:
Produk terlaris.
Customer terbesar.
Sales terbaik.
Kota dengan performa terbaik.
18. Time Intelligence
Time Intelligence digunakan untuk analisis berdasarkan waktu.
Contoh:
MTD.
QTD.
YTD.
Previous Month.
Previous Year.
Year-over-Year.
Rolling Average.
Contoh YTD:
Sales YTD :=
TOTALYTD(
[Total Sales],
DimDate[Date]
)19. Previous Year
Untuk mengambil penjualan tahun sebelumnya:
Sales PY :=
CALCULATE(
[Total Sales],
SAMEPERIODLASTYEAR(DimDate[Date])
)Kemudian pertumbuhan:
YoY Growth :=
DIVIDE(
[Total Sales] - [Sales PY],
[Sales PY]
)20. Rolling 12 Months
Rolling 12 Months digunakan untuk melihat performa selama 12 bulan terakhir.
Konsepnya sangat berguna untuk melihat tren tanpa terlalu terpengaruh oleh fluktuasi bulanan.
Dashboard dapat menampilkan:
Jan 2025 → Dec 2025
Feb 2025 → Jan 2026
Mar 2025 → Feb 2026
...Dengan cara ini kita dapat melihat perkembangan bisnis secara lebih stabil.
21. Dynamic KPI
Dashboard profesional dapat memiliki KPI yang berubah berdasarkan filter.
Contoh:
TOTAL SALES
Rp2,5 M
GROWTH
+18%
TARGET
112%
PROFIT
Rp620 JtKetika pengguna memilih:
Jakartasemua KPI berubah menjadi khusus Jakarta.
22. Membuat Target Achievement
Misalnya target:
Target = Rp1.000.000.000
Actual = Rp1.200.000.000Achievement:
120%DAX:
Achievement :=
DIVIDE(
[Total Sales],
[Target Sales]
)Kemudian format sebagai percentage.
23. Membuat Variance
Variance digunakan untuk membandingkan actual dengan target.
Variance :=
[Total Sales] - [Target Sales]Jika hasil positif:
+Rp200 jutaJika negatif:
-Rp100 juta24. Dashboard Executive
Dashboard untuk manajemen sebaiknya fokus pada KPI.
Contoh:
┌───────────────────────────────────────────┐
│ EXECUTIVE SALES DASHBOARD │
├───────────┬───────────┬───────────────────┤
│ SALES │ PROFIT │ GROWTH │
│ Rp2,5 M │ Rp620 Jt │ +18% │
├───────────┴───────────┴───────────────────┤
│ │
│ SALES TREND │
│ │
├────────────────────┬──────────────────────┤
│ SALES BY REGION │ TOP PRODUCTS │
│ │ │
├────────────────────┴──────────────────────┤
│ CUSTOMER / SALESPERSON PERFORMANCE │
└───────────────────────────────────────────┘25. Drill Down
Drill Down memungkinkan pengguna melihat data dari level umum ke level detail.
Contoh:
Tahun
↓
Kuartal
↓
Bulan
↓
HariAtau:
Region
↓
Kota
↓
Toko
↓
TransaksiFitur ini sangat berguna untuk mencari penyebab perubahan KPI.
26. Drill Through
Drill Through memungkinkan pengguna berpindah ke halaman detail berdasarkan item yang dipilih.
Misalnya dari:
Dashboard Penjualanklik:
Produk Akemudian berpindah ke:
Detail Produk Ayang berisi:
Penjualan.
Customer.
Kota.
Sales.
Tren.
Transaksi.
27. Tooltip Page
Tooltip dapat memberikan informasi tambahan ketika pengguna mengarahkan pointer ke visual.
Misalnya grafik penjualan memiliki tooltip:
Produk: Buku
Sales: Rp250 Jt
Qty: 12.500
Profit: Rp75 Jt
Margin: 30%Hal ini membuat dashboard tetap bersih tetapi tetap informatif.
28. Bookmarks
Bookmarks dapat digunakan untuk membuat pengalaman dashboard yang lebih interaktif.
Contohnya:
[ SALES ]
[ PROFIT ]
[ CUSTOMER ]
[ INVENTORY ]Ketika pengguna memilih tombol tertentu, tampilan dashboard berubah.
29. Buttons dan Navigation
Buat navigasi:
HOME
SALES
PRODUCT
CUSTOMER
INVENTORY
FINANCEDashboard menjadi seperti aplikasi BI.
30. Row-Level Security
Row-Level Security atau RLS digunakan untuk membatasi data berdasarkan pengguna.
Contoh:
Manager Jakarta
↓
Hanya melihat Jakarta
Manager Bandung
↓
Hanya melihat BandungHal ini penting jika satu laporan digunakan oleh banyak wilayah atau cabang.
31. Power BI Service
Setelah report selesai dibuat di Power BI Desktop:
Power BI Desktop
↓
Publish
↓
Workspace
↓
Power BI ServiceDi Power BI Service kita dapat mengelola:
Reports.
Dashboards.
Semantic models.
Permissions.
Refresh.
Apps.
32. Scheduled Refresh
Jika sumber data berubah setiap hari, laporan dapat diperbarui menggunakan scheduled refresh sesuai konfigurasi sumber data dan kapasitas yang tersedia.
Contoh workflow:
Database diperbarui
↓
Scheduled Refresh
↓
Dataset diperbarui
↓
Dashboard terbaruPengguna tidak harus selalu membuka file Desktop untuk memperbarui laporan.
33. Gateway
Jika sumber data berada di lingkungan lokal atau jaringan internal, Power BI dapat memerlukan gateway agar layanan dapat mengakses sumber data tersebut sesuai konfigurasi.
Contoh:
Server Perusahaan
↓
On-premises Data Gateway
↓
Power BI Service
↓
Dashboard34. Workspace
Workspace digunakan untuk mengatur konten BI.
Contohnya:
Sales BI
Finance BI
HR BI
Operations BIMasing-masing workspace dapat memiliki laporan dan model data yang sesuai.
35. Power BI App
Jika laporan digunakan oleh banyak pengguna, konten dapat dikemas menjadi aplikasi untuk konsumsi pengguna.
Contoh:
Management App
↓
CEO
Director
ManagerPengguna mendapatkan akses ke laporan yang memang diperlukan.
36. Monitoring Dashboard
Dashboard dapat digunakan untuk monitoring:
Penjualan.
Target.
Profit.
Stok.
Customer.
Operasional.
Contoh KPI:
Sales +15%
Profit +12%
Stock -8%
Customers +20%Manajemen dapat mengetahui perubahan tanpa harus membaca ribuan baris data.
37. Proyek Akhir Power BI Professional
Buat sebuah:
ENTERPRISE SALES BI DASHBOARD
Gunakan minimal:
100.000 transaksi.
1.000 produk.
10.000 customer.
100 salesperson.
20 wilayah.
Data minimal 2–3 tahun.
Halaman 1 — Executive Overview
Tampilkan:
Total Sales.
Profit.
Margin.
Growth.
Target Achievement.
Sales Trend.
Halaman 2 — Sales Analysis
Tampilkan:
Sales per bulan.
Sales per region.
Sales per salesperson.
YoY Growth.
Halaman 3 — Product Analysis
Tampilkan:
Top 10 Product.
Bottom 10 Product.
Product Contribution.
Category Performance.
Halaman 4 — Customer Analysis
Tampilkan:
Top Customer.
New Customer.
Repeat Customer.
Customer Revenue.
Halaman 5 — Detail
Gunakan:
Drill Through.
Tooltip.
Detail Table.
38. Checklist Power BI Professional
Pastikan sistem memiliki:
Star Schema.
Fact Table.
Dimension Table.
Date Table.
Relationship yang benar.
Measure DAX.
KPI.
Time Intelligence.
Drill Down.
Drill Through.
Tooltip.
Bookmark.
Navigation.
Row-Level Security jika diperlukan.
Scheduled Refresh jika diperlukan.
Workspace.
Dokumentasi.
39. Apa yang Harus Dipelajari Setelah Level 8?
Setelah Power BI Professional, kita masih bisa naik ke tahap berikutnya.
LEVEL 9 — Excel + AI + Intelligent Automation
Materinya akan mencakup:
AI untuk Excel.
AI untuk analisis data.
AI untuk membuat formula.
AI untuk membersihkan data.
AI untuk membuat laporan.
AI-assisted VBA.
AI + Power Query.
AI + Power BI.
Automasi workflow.
API dan integrasi AI.
Membuat sistem analitik semi-otomatis.
Kemudian:
LEVEL 10 — Data & BI Solution Architect
Pada tahap tertinggi, fokusnya bukan lagi pada satu aplikasi.
Kita belajar merancang keseluruhan sistem:
DATABASE
↓
ETL / POWER QUERY
↓
DATA WAREHOUSE
↓
DATA MODEL
↓
DAX / ANALYTICS
↓
POWER BI
↓
AI
↓
AUTOMATION
↓
BUSINESS DECISIONKesimpulan
Level 8 mengubah kemampuan kita dari Excel Expert menjadi Business Intelligence Developer.
Kita tidak lagi hanya bertanya:
"Bagaimana membuat grafik?"
Tetapi mulai bertanya:
"Data apa yang dibutuhkan?"
"Bagaimana model datanya?"
"Apa KPI yang penting?"
"Mengapa performa berubah?"
"Apa penyebabnya?"
"Apa keputusan yang harus diambil?"
Itulah pola pikir yang diperlukan untuk menjadi profesional di bidang Data Analytics dan Business Intelligence.
Tahap selanjutnya adalah Level 9: Excel + AI + Intelligent Automation, yang akan membahas bagaimana AI dapat digunakan untuk mempercepat pembuatan formula, analisis data, pembuatan laporan, Power BI, dan otomatisasi pekerjaan.
0 Comments:
Posting Komentar