Power Query: Mesin Cuci Otomatis Data Anda (Tanpa Rumus, Tanpa Macro)
Pernahkah Anda mengalami “Mimpi Buruk Senin Pagi”? Setiap minggu, Anda mengunduh laporan dari sistem (CSV/Excel), lalu melakukan rutinitas yang sama: menghapus 5 baris teratas, memperbaiki salah ketik (“Laki-laki” menjadi “L”), mengisi sel kosong, dan melakukan VLOOKUP ke tabel master. Minggu depan? Anda mengulanginya dari nol.
Selamat datang di era Power Query (di menu Excel dikenal sebagai Get & Transform). Bayangkan Power Query sebagai mesin cuci otomatis yang merekam setiap langkah pembersihan Anda menjadi sebuah “resep”. Bulan depan, saat data baru datang, Anda cukup menekan satu tombol: Refresh. Mesin akan mengulang seluruh resep pembersihan itu dalam hitungan detik.
📥 1. Get Data: Menarik Data Tanpa Copy-Paste
Langkah pertama dalam Data Pipeline adalah mengambil data dari sumbernya tanpa merusaknya. Power Query bisa menyedot data dari Excel, CSV, folder berisi ratusan file, hingga halaman web.
- Buka workbook baru, pergi ke Tab Data.
- Klik Get Data (Ambil Data) ➔ From File ➔ From Workbook (atau CSV).
- Pilih file sumber Anda (misal: Data Penerimaan Mahasiswa Baru.xlsx).
- Pilih sheet yang ingin diolah, lalu klik Transform Data (jangan klik Load dulu!). Ini akan membuka Power Query Editor, ruang operasi Anda.
🧼 2. Transform: Merekam Langkah Pembersihan (Resik)
Di dalam Power Query Editor, Anda tidak mengubah data asli. Anda hanya memberi instruksi kepada mesin. Setiap instruksi akan tercatat di panel Applied Steps (Langkah yang Diterapkan) di sebelah kanan. Salah langkah? Cukup hapus langkah tersebut, tidak perlu Undo berkali-kali.
🛠️ Kasus Nyata: Standarisasi Data Mahasiswa
Data mentah sering kali tidak konsisten. “Laki-laki” dan “L” bercampur. Kota “KDR”, “SBY”, dan “Kediri” bermakna sama.
- Replace Values: Blok kolom Jenis Kelamin ➔ Klik kanan ➔ Replace Values. Ganti “Laki-laki” menjadi “L”.
- Use First Row as Headers: Jika nama kolom Anda nyangkut di Baris 2, klik Use First Row as Headers di Tab Home.
- Mengisi Data Kosong (Null): Pada kolom Beasiswa, klik kanan ➔ Replace Values. Ganti
null(sel kosong) menjadi “Non Beasiswa” atau angka0.
Di Excel klasik, Anda butuh kolom bantuan, rumus SUBSTITUTE, atau Go To Special ➔ Blanks. Di Power Query, semua itu dilakukan lewat klik tombol UI (User Interface), dan tidak menambah beban kalkulasi di worksheet Anda karena pembersihan terjadi di “dapur” (memory engine) sebelum data disajikan.
🧩 3. Merge Queries: VLOOKUP Versi Dewa
Dalam konsep Data Modelling (Skema Bintang / Star Schema), kita mengenal Fact Table (tabel transaksi utama) dan Dim Table (tabel master/pendukung). Menggabungkan keduanya di Excel klasik identik dengan VLOOKUP atau XLOOKUP yang rawan error dan lambat.
Di Power Query, kita menggunakan Merge Queries:
- Di Tab Home, pilih Merge Queries.
- Pilih tabel utama (misal: Data Awal) dan tabel master (misal: Tipe Beasiswa).
- Klik kolom penghubung (Key) di kedua tabel, misalnya kolom “Kode Beasiswa” atau “Program Studi”.
- Klik OK. Akan muncul kolom baru berlabel Table.
- Klik ikon panah ganda (Expand) di header kolom tersebut, lalu centang informasi yang ingin Anda ambil (misal: “Potongan Beasiswa”).
✅ Hasilnya?
Kolom “Potongan Beasiswa” dari tabel master kini menyatu sempurna dengan tabel transaksi Anda. Tidak ada lagi #N/A, tidak ada lagi keluhan “Excel hang karena ribuan rumus VLOOKUP”.
🚀 4. Close & Load: Saatnya Panen
Setelah data bersih dan ter-modeling dengan sempurna, klik Close & Load di pojok kiri atas. Power Query akan memuntahkan data yang sudah bersih ke dalam worksheet Anda sebagai Excel Table (Tabel hijau-zebra) yang siap untuk diolah lebih lanjut.
Bulan depan, sistem IT memberikan file CSV baru dengan 10.000 baris data mentah yang sama berantakannya. Apa yang Anda lakukan? Tidak ada. Cukup timpa file lama dengan file baru (nama file dan sheet harus sama), buka Excel Anda, pergi ke Tab Data, dan klik Refresh All. Power Query akan menyedot data baru, menjalankan semua resep pembersihan, melakukan Merge, dan menyajikan data bersih dalam 2 detik. Anda baru saja menghemat 3 jam kerja manual.
🧠 Jembatan menuju Insight & Dashboard
Data yang dihasilkan dari Power Query adalah bahan bakar premium untuk Pivot Table dan Dashboard. Karena datanya sudah konsisten (tidak ada lagi duplikasi nama kota atau spasi yang tersembunyi), Pivot Table Anda tidak akan lagi menghasilkan kategori ganda. Lebih jauh lagi, di era modern, Anda bahkan bisa meminta Copilot atau fitur Analyze Data untuk langsung membuatkan insight dari tabel bersih ini!
📥 File Latihan
Buatlah dua sheet: (1) Data Transaksi (berisi ID, Nama, Kode_Cabang, Nominal — sisipkan beberapa sel kosong dan salah ketik), dan (2) Master Cabang (berisi Kode_Cabang dan Nama_Kota). Gunakan Tab Data ➔ Get Data from Table/Range untuk masuk ke Power Query. Lakukan Replace Values pada sel kosong, lalu gunakan Merge Queries untuk menarik Nama_Kota ke dalam Transaksi. Tutup dan Load. Selamat, Anda baru saja membangun Data Pipeline pertama Anda!