Seluruh Artikel Bermanfaat
  • Home
  • Microsoft office
    • Microsoft Word
    • Microsoft Excel
    • Microsoft Power Point
  • About
  • Contact

Tutorial Power BI Professional dan Advanced DAX - Level 8

 Willong     Oktober 11, 2026     Microsoft Excel     No comments   

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 & MONITORING

1. 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 Service

3. 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 BI

4. 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 Data

Prinsip 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
                    │
                    │
                 DimDate

Tabel 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
                 │
                 │
                DATE

Keuntungan:

  • 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 → Penjualan

8. Memahami Cardinality

Jenis relationship yang umum:

One-to-Many

1 Product
   ↓
Banyak transaksi

Ini 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 = Buku

Measure:

[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 = 2026

Kemudian 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:

ProdukSalesRank
Produk A500 jt1
Produk B400 jt2
Produk C300 jt3

17. Top N Analysis

Kita dapat membuat analisis Top 10 produk.

Contohnya:

Top 10 Products

Kemudian 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 Jt

Ketika pengguna memilih:

Jakarta

semua KPI berubah menjadi khusus Jakarta.


22. Membuat Target Achievement

Misalnya target:

Target = Rp1.000.000.000
Actual = Rp1.200.000.000

Achievement:

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 juta

Jika negatif:

-Rp100 juta

24. 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
 ↓
Hari

Atau:

Region
 ↓
Kota
 ↓
Toko
 ↓
Transaksi

Fitur 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 Penjualan

klik:

Produk A

kemudian berpindah ke:

Detail Produk A

yang 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
FINANCE

Dashboard 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 Bandung

Hal 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 Service

Di 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 terbaru

Pengguna 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
       ↓
Dashboard

34. Workspace

Workspace digunakan untuk mengatur konten BI.

Contohnya:

Sales BI
Finance BI
HR BI
Operations BI

Masing-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
Manager

Pengguna 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 DECISION

Kesimpulan

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.

  • Share This:  
  •  Facebook
  •  Twitter
  •  Google+
  •  Stumble
  •  Digg
Kirimkan Ini lewat EmailBlogThis!Bagikan ke XBerbagi ke Facebook
Posting Lebih Baru Posting Lama Beranda

0 Comments:

Posting Komentar

Label

  • Microsoft Excel (35)
  • Microsoft Power Point (27)
  • MICROSOFT WORD (47)

Popular Posts

  • Tutorial Microsoft Excel untuk Pemula
    Tutorial Microsoft Excel untuk Pemula: Panduan Lengkap dari Nol Microsoft Excel adalah salah satu aplikasi yang banyak digunakan untuk mengo...
  • Tutorial Microsoft Excel Tingkat Lanjutan: Panduan Lengkap dan Praktis
      Tutorial Microsoft Excel Tingkat Lanjutan: Panduan Lengkap dan Praktis Setelah menguasai Excel tingkat pemula dan menengah, tahap berikutn...
  • Tutorial Microsoft Excel Tingkat Selanjutnya: Excel Expert dan Professional
     Tutorial Microsoft Excel Tingkat Selanjutnya: Excel Expert dan Professional Setelah menguasai Excel tingkat lanjutan, kini saatnya masuk ke...
  • TUTORIAL MICROSOFT WORD - LEVEL 1
      TUTORIAL MICROSOFT WORD MENGENAL MICROSOFT WORD UNTUK PEMULA Tujuan Pembelajaran Setelah menyelesaikan Level 1, pembaca diharapkan mampu: ...
  • Tutorial Cara Membuat Surat Undangan Profesional di Microsoft Word - Level 17
      T utorial Cara Membuat Surat Undangan Profesional di Microsoft Word Tujuan Pembelajaran Setelah mengikuti tutorial ini, pembaca diharapkan...
  • Tutorial Cara Membuat Laporan Kegiatan yang Rapi dan Profesional - Level 19
     Tutorial Cara Membuat Laporan Kegiatan yang Rapi dan Profesional Tujuan Pembelajaran Setelah menyelesaikan tutorial ini, pembaca diharapkan...
  • Tutorial Enterprise AI & Data Architect - Level 15
    Enterprise AI & Data Architect Membangun Platform Data, BI, Machine Learning, dan AI Terintegrasi Level 15 adalah tahap ketika kita berh...
  • DEEP LEARNING & NEURAL NETWORKS - LEVEL 19
       DEEP LEARNING & NEURAL NETWORKS Dari Neural Network Dasar sampai Transformer Deep Learning adalah cabang Machine Learning yang menggu...
  • TUTORIAL MICROSOFT WORD - LEVEL 12
     TUTORIAL MICROSOFT WORD  MEMBUAT FOOTNOTE DAN ENDNOTE DI MICROSOFT WORD Tujuan Pembelajaran Setelah menyelesaikan Level 12, pembaca diharap...
  • Tutorial Machine Learning & Advanced Analytics - Level 13
      Tutorial Machine Learning & Advanced Analytics Dari Data Engineering Menuju Prediksi dan Sistem Cerdas Pada Level 12 kita sudah memban...

Pages

  • Beranda
  • Tentang Saya

Blog Archive

  • November 2026 (51)
  • Oktober 2026 (58)

Laporkan Penyalahgunaan

Seluruh Artikel Bermanfaat

Willong
Indonesia
Lihat profil lengkapku

Popular Posts

Cara Membuat Presentasi Interaktif Menggunakan Action Button - Level 23

Cara Membuat Presentasi Interaktif Menggunakan Action Button - Level 23

November 16, 2026
Cara Menambahkan Hyperlink dan Bookmark di Microsoft Word -  Level 42

Cara Menambahkan Hyperlink dan Bookmark di Microsoft Word - Level 42

November 16, 2026
Cara Membuat Dokumen dengan Banyak Section di Microsoft Word - Level 44

Cara Membuat Dokumen dengan Banyak Section di Microsoft Word - Level 44

November 18, 2026

Copyright © Seluruh Artikel Bermanfaat | Powered by Blogger