Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Mempersiapkan data di Amazon Quick Sight
Kumpulan data menyimpan persiapan data apa pun yang telah Anda lakukan pada data tersebut, sehingga Anda dapat menggunakan kembali data yang disiapkan itu dalam beberapa analisis. Persiapan data menyediakan opsi seperti menambahkan bidang terhitung, menerapkan filter, dan mengubah nama bidang atau tipe data. Jika Anda mendasarkan sumber data pada database SQL, Anda juga dapat menggunakan persiapan data untuk bergabung dengan tabel. Atau Anda dapat memasukkan query SQL jika Anda ingin bekerja dengan data dari lebih dari satu tabel.
Jika Anda ingin mengubah data dari sumber data sebelum menggunakannya di Amazon Quick Sight, Anda dapat menyiapkannya sesuai dengan kebutuhan Anda. Anda kemudian menyimpan persiapan ini sebagai bagian dari dataset.
Anda dapat menyiapkan kumpulan data saat Anda membuatnya, atau dengan mengeditnya nanti. Untuk informasi selengkapnya tentang membuat kumpulan data baru dan menyiapkannya, lihat[Membuat set data](creating-data-sets.md). Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat[Mengedit kumpulan data](edit-a-data-set.md).
Gunakan topik berikut untuk mempelajari lebih lanjut tentang persiapan data.
**Topics**
+ [Pengalaman Persiapan Data (Baru)](data-prep-experience-new.md)
+ [Menjelaskan data](describing-data.md)
+ [Memilih pengaturan unggahan file](choosing-file-upload-settings.md)
+ [Pengalaman Persiapan Data (Legacy)](data-prep-experience-legacy.md)
+ [Menggunakan SQL untuk menyesuaikan data](adding-a-SQL-query.md)
+ [Menambahkan data geospasial](geospatial-data-prep.md)
+ [Menggunakan tanggal yang tidak didukung atau kustom](using-unsupported-dates.md)
+ [Menambahkan kunci unik ke kumpulan data Amazon Quick Sight](set-unique-key.md)
+ [Mengintegrasikan model Amazon SageMaker AI dengan Amazon Quick Sight](sagemaker-integration.md)
+ [Mempersiapkan contoh dataset](preparing-data-sets.md)
# Pengalaman Persiapan Data (Baru)
Persiapan data mengubah data mentah menjadi format yang dioptimalkan untuk analisis dan visualisasi. Dalam intelijen bisnis, proses penting ini melibatkan pembersihan, penataan, dan pengayaan data untuk memungkinkan wawasan bisnis yang bermakna.
Antarmuka persiapan data Amazon Quick Sight merevolusi proses ini dengan pengalaman visual yang intuitif yang memungkinkan pengguna membuat kumpulan data siap analisis tanpa keahlian SQL. Melalui pendekatannya yang modern dan efisien, pengguna dapat secara efisien membuat dan mengelola kumpulan data intelijen bisnis. Antarmuka visual menyajikan tampilan transformasi data yang jelas dan berurutan, memungkinkan penulis untuk melacak perubahan dari keadaan awal ke output akhir dengan presisi.
Platform ini menekankan kolaborasi dan penggunaan kembali, memungkinkan tim untuk berbagi dan menggunakan kembali alur kerja di seluruh organisasi. Desain kolaboratif ini mempromosikan konsistensi dalam praktik transformasi data sambil menghilangkan pekerjaan yang berlebihan, pada akhirnya mendorong proses standar di seluruh tim dan meningkatkan efisiensi secara keseluruhan.
**Topics**
+ [Komponen dalam pengalaman persiapan data](data-prep-components.md)
+ [Langkah-langkah persiapan data](data-prep-steps.md)
+ [Kemampuan alur kerja tingkat lanjut](advanced-workflow-capabilities.md)
+ [Fitur khusus rempah-rempah](spice-only-features.md)
+ [Beralih di antara pengalaman persiapan data](switching-between-data-prep-experiences.md)
+ [Fitur yang tidak didukung dalam pengalaman persiapan data baru](unsupported-features.md)
+ [Batas persiapan data](data-preparation-limits.md)
+ [Perubahan perilaku menelan](ingestion-behavior-changes.md)
+ [Pertanyaan umum](new-data-prep-faqs.md)
# Komponen dalam pengalaman persiapan data
Pengalaman persiapan data Amazon Quick Sight memiliki komponen inti berikut.
## Alur kerja
Alur kerja dalam pengalaman persiapan data Quick Sight mewakili serangkaian langkah transformasi data berurutan yang memandu kumpulan data Anda dari status mentah ke formulir siap analisis. Alur kerja ini dirancang untuk digunakan kembali, memungkinkan analis untuk memanfaatkan dan membangun pekerjaan yang ada sambil mempertahankan standar transformasi data yang konsisten di seluruh organisasi.
Sementara alur kerja dapat mengakomodasi beberapa jalur melalui berbagai Input atau melalui Divergensi (dirinci di bagian berikutnya), mereka pada akhirnya harus menyatu menjadi satu tabel output. Struktur terpadu ini memastikan konsistensi data dan kemampuan analisis yang efisien.
## Transformasi
Transformasi adalah operasi manipulasi data spesifik yang mengubah struktur, format, atau konten data Anda. Pengalaman persiapan data Quick Sight menawarkan berbagai jenis transformasi termasuk Join, Filter, Aggregate, Pivot, Unpivot, Append, dan Calculated Columns. Setiap jenis transformasi memiliki tujuan yang berbeda dalam membentuk kembali data Anda untuk memenuhi persyaratan analitis. Transformasi ini diimplementasikan sebagai langkah individual dalam alur kerja Anda.
## Langkah
Langkah adalah kumpulan transformasi homogen dari jenis yang sama yang diterapkan dalam alur kerja Anda. Setiap langkah berisi satu atau lebih operasi terkait dari kategori transformasi yang sama. Misalnya, langkah Ganti Nama dapat mencakup beberapa operasi penggantian nama kolom, dan langkah Filter dapat berisi beberapa kondisi pemfilteran—semuanya dikelola sebagai satu unit dalam alur kerja Anda.
Sebagian besar langkah dapat mencakup beberapa operasi, dengan dua pengecualian penting: Langkah Gabung dan Tambahkan dibatasi pada dua tabel input per langkah. Untuk bergabung atau menambahkan lebih dari dua tabel, Anda dapat membuat langkah Gabung atau Tambahkan tambahan secara berurutan.
Langkah-langkah ditampilkan secara berurutan, dengan setiap langkah dibangun berdasarkan hasil langkah sebelumnya, memungkinkan Anda untuk melacak transformasi progresif data Anda. Untuk mengganti nama atau menghapus langkah, pilih dan pilih menu tiga titik.
## Konektor
Konektor menghubungkan dua langkah dengan panah yang menunjukkan arah alur kerja. Anda dapat menghapus konektor dengan memilihnya dan menekan tombol hapus. Untuk menambahkan langkah di antara dua langkah yang ada, cukup hapus konektor, tambahkan langkah baru, dan sambungkan kembali langkah-langkah dengan menyeret mouse Anda di antara mereka.
## Konfigurasikan panel
**Panel Konfigurasi** adalah area interaktif tempat Anda menentukan parameter dan pengaturan untuk langkah yang dipilih. Bila Anda memilih langkah dalam alur kerja Anda, panel ini menampilkan opsi yang relevan untuk jenis transformasi tertentu. Misalnya, saat mengonfigurasi langkah Gabung, Anda dapat memilih jenis gabungan, kolom yang cocok, dan pengaturan khusus gabungan lainnya. point-and-clickAntarmuka **panel Konfigurasi** menghilangkan kebutuhan akan pengetahuan SQL.
## Panel pratinjau
**Panel Pratinjau** menampilkan sampel real-time data Anda seperti yang muncul setelah menerapkan langkah transformasi saat ini. Umpan balik visual langsung ini membantu Anda memverifikasi bahwa setiap transformasi menghasilkan hasil yang diharapkan sebelum melanjutkan ke langkah berikutnya. **Panel Pratinjau** diperbarui secara dinamis saat Anda memodifikasi konfigurasi langkah, memungkinkan penyempurnaan berulang transformasi data dengan percaya diri.
Komponen-komponen ini bekerja sama untuk menciptakan pengalaman persiapan data visual yang intuitif yang membuat transformasi data kompleks dapat diakses oleh pengguna bisnis tanpa memerlukan keahlian teknis.
# Langkah-langkah persiapan data
Pengalaman persiapan data Amazon Quick Sight menawarkan sebelas tipe langkah canggih yang memungkinkan Anda mengubah data secara sistematis. Setiap langkah melayani tujuan tertentu dalam alur kerja persiapan data.
Langkah-langkah dapat dikonfigurasi melalui antarmuka intuitif di panel **Konfigurasi**, dengan umpan balik langsung terlihat di panel **Pratinjau**. Langkah-langkah dapat digabungkan secara berurutan untuk membuat transformasi data yang canggih tanpa memerlukan keahlian SQL.
Setiap langkah dapat menerima masukan dari tabel fisik atau output dari langkah sebelumnya. Sebagian besar langkah menerima satu input, dengan langkah-langkah Append dan Join sebagai pengecualian — ini membutuhkan tepat dua input.
## Input
Langkah Input memulai alur kerja persiapan data Anda di Quick Sight dengan memungkinkan Anda memilih dan mengimpor data dari berbagai sumber untuk transformasi pada langkah selanjutnya.
**Opsi masukan**
+ **Tambahkan Dataset**
Manfaatkan kumpulan data Quick Sight yang ada sebagai sumber input, berdasarkan data yang telah disiapkan dan dioptimalkan oleh tim Anda.
+ **Tambahkan Sumber Data**
Connect langsung ke database seperti Amazon Redshift, Athena, RDS, atau sumber lain yang didukung dengan memilih objek database tertentu dan menyediakan parameter koneksi.
+ **Tambahkan Unggah File**
Impor data langsung dari file lokal dalam format seperti CSV, TSV, Excel, atau JSON.
**Konfigurasi**
Langkah Input tidak memerlukan konfigurasi. Panel **Pratinjau** menampilkan data yang diimpor bersama dengan informasi sumber, termasuk detail koneksi, nama tabel, dan metadata kolom.
**Catatan penggunaan**
+ Beberapa langkah Input dapat ada dalam satu alur kerja.
+ Anda dapat menambahkan langkah-langkah Input di setiap titik dalam alur kerja Anda.
## Tambahkan Kolom Terhitung
Langkah Tambahkan Kolom Terhitung memungkinkan Anda membuat kolom baru menggunakan ekspresi tingkat baris yang melakukan perhitungan pada kolom yang ada. Anda dapat membuat kolom baru menggunakan fungsi dan operator skalar (tingkat baris), dan menerapkan perhitungan tingkat baris yang mereferensikan kolom yang ada.
**Konfigurasi**
Untuk mengonfigurasi langkah Tambahkan Kolom Terhitung, di panel **Konfigurasi**:
1. Beri nama kolom terhitung baru Anda.
1. [Buat ekspresi menggunakan editor kalkulasi, yang mendukung fungsi dan operator tingkat baris (seperti [ifelse](ifelse-function.md) dan round).](round-function.md)
1. Simpan perhitungan Anda.
1. Pratinjau hasil ekspresi.
1. Tambahkan lebih banyak kolom terhitung sesuai kebutuhan.
**Catatan penggunaan**
+ Hanya perhitungan skalar (tingkat baris) yang didukung dalam langkah ini.
+ Di SPICE, kolom yang dihitung diwujudkan dan berfungsi sebagai kolom standar pada langkah selanjutnya.
## Ubah Tipe Data
Quick Sight menyederhanakan manajemen tipe data dengan mendukung empat tipe data abstrak:`date`,`decimal`,`integer`, dan`string`. Jenis abstrak ini menghilangkan kompleksitas dengan secara otomatis memetakan berbagai tipe data sumber ke ekuivalen Quick Sight mereka. Misalnya,,`tinyint`, `smallint``integer`, dan semuanya `bigint` dipetakan ke`integer`, while, `date``datetime`, dan `timestamp` dipetakan ke. `date`
Abstraksi ini berarti Anda hanya perlu memahami empat tipe data Quick Sight, karena Quick Sight menangani semua konversi dan perhitungan tipe data yang mendasarinya secara otomatis saat berinteraksi dengan sumber data yang berbeda.
**Konfigurasi**
Untuk mengonfigurasi langkah Ubah Jenis Data, di panel **Konfigurasi**:
1. Pilih kolom untuk dikonversi.
1. Pilih tipe data target (`string`,`integer`,`decimal`, atau`date`).
1. Untuk konversi tanggal, tentukan pengaturan format dan pratinjau hasil berdasarkan format input. Lihat [format tanggal yang didukung](supported-data-types-and-values.md) di Quick Sight.
1. Tambahkan kolom tambahan untuk mengonversi sesuai kebutuhan.
**Catatan penggunaan**
+ Konversikan beberapa tipe data kolom dalam satu langkah untuk efisiensi.
+ Saat menggunakan SPICE, semua perubahan tipe data diwujudkan dalam data yang diimpor.
## Ganti Nama Kolom
Langkah Ganti Nama Kolom memungkinkan Anda memodifikasi nama kolom agar lebih deskriptif, ramah pengguna, dan konsisten dengan konvensi penamaan organisasi Anda.
**Konfigurasi**
Untuk mengonfigurasi langkah Ganti Nama Kolom, di panel **Konfigurasi**:
1. Pilih kolom untuk diberi nama.
1. Masukkan nama baru untuk kolom yang dipilih.
1. Tambahkan lebih banyak kolom untuk mengganti nama sesuai kebutuhan.
**Catatan penggunaan**
+ Semua nama kolom harus unik dalam kumpulan data Anda.
## Pilih Kolom
Langkah Pilih Kolom memungkinkan Anda merampingkan kumpulan data Anda dengan memasukkan, mengecualikan, dan menyusun ulang kolom. Ini membantu mengoptimalkan struktur data Anda dengan menghapus kolom yang tidak perlu dan mengatur kolom yang tersisa dalam urutan logis untuk analisis.
**Konfigurasi**
Untuk mengkonfigurasi langkah Pilih Kolom, di panel **Konfigurasi**:
1. Pilih kolom tertentu untuk disertakan dalam output Anda.
1. Pilih kolom dalam urutan pilihan Anda untuk menetapkan urutan.
1. Gunakan **Select All** untuk menyertakan kolom yang tersisa dalam urutan aslinya.
1. Kecualikan kolom yang tidak diinginkan dengan membiarkannya tidak dipilih.
**Fitur Utama**
+ Kolom keluaran muncul dalam urutan pemilihan.
+ **Pilih Semua** mempertahankan urutan kolom asli.
**Catatan penggunaan**
+ Kolom yang tidak dipilih dihapus dari langkah selanjutnya.
+ Optimalkan ukuran set data dengan menghapus kolom yang tidak perlu.
## Menambahkan
Langkah Append secara vertikal menggabungkan dua tabel, mirip dengan operasi SQL UNION ALL. Quick Sight secara otomatis mencocokkan kolom berdasarkan nama daripada urutan, memungkinkan konsolidasi data yang efisien bahkan ketika tabel memiliki urutan kolom yang berbeda atau jumlah kolom yang bervariasi.
**Konfigurasi**
Untuk mengkonfigurasi langkah Append, di panel **Konfigurasi**:
1. Pilih dua tabel input untuk ditambahkan.
1. Tinjau urutan kolom output.
1. Periksa kolom mana yang ada di kedua tabel versus tabel tunggal.
**Fitur utama**
+ Cocokkan kolom berdasarkan nama, bukan urutan.
+ Mempertahankan semua baris dari kedua tabel, termasuk duplikat.
+ Mendukung tabel dengan jumlah kolom yang berbeda.
+ Mengikuti urutan kolom Tabel 1 untuk kolom yang cocok, lalu menambahkan kolom unik dari Tabel 2.
+ Menampilkan indikator sumber yang jelas untuk semua kolom
**Catatan penggunaan**
+ Gunakan langkah Ganti Nama terlebih dahulu saat menambahkan kolom dengan nama yang berbeda.
+ Setiap langkah Append menggabungkan tepat dua tabel; gunakan langkah-langkah Append tambahan untuk lebih banyak tabel.
## Join
Langkah Gabung secara horizontal menggabungkan data dari dua tabel berdasarkan nilai yang cocok dalam kolom tertentu. Quick Sight mendukung tipe Left Outer, Right Outer, Full Outer, dan Inner Join, memberikan opsi fleksibel untuk kebutuhan analitis Anda. Langkah ini mencakup resolusi konflik kolom cerdas yang secara otomatis menangani nama kolom duplikat. Meskipun self-join tidak tersedia sebagai tipe gabungan tertentu, Anda dapat mencapai hasil serupa menggunakan divergensi alur kerja.
**Konfigurasi**
Untuk mengonfigurasi langkah Gabung, di panel **Konfigurasi**:
1. Pilih dua tabel input untuk bergabung.
1. Pilih jenis gabungan Anda (Left Outer, Right Outer, Full Outer, atau Inner).
1. Tentukan kunci gabungan dari setiap tabel.
1. Tinjau konflik nama kolom yang diselesaikan secara otomatis.
**Fitur utama**
+ Mendukung beberapa jenis gabungan untuk kebutuhan analitis yang berbeda.
+ Secara otomatis menyelesaikan nama kolom duplikat.
+ Menerima kolom yang dihitung sebagai kunci gabungan.
**Catatan penggunaan**
+ Kunci gabungan harus memiliki tipe data yang kompatibel; gunakan langkah Ubah Jenis Data jika diperlukan.
+ Setiap langkah Gabung menggabungkan tepat dua tabel; gunakan langkah-langkah Gabung tambahan untuk lebih banyak tabel.
+ Buat langkah Ganti Nama setelah Bergabung untuk menyesuaikan header kolom yang diselesaikan secara otomatis.
## Agregat
Langkah Agregat memungkinkan Anda untuk meringkas data dengan mengelompokkan kolom dan menerapkan operasi agregasi. Transformasi yang kuat ini memadatkan data terperinci menjadi ringkasan yang bermakna berdasarkan dimensi yang Anda tentukan. Quick Sight menyederhanakan operasi SQL yang kompleks melalui antarmuka yang intuitif, menawarkan fungsi agregasi yang komprehensif termasuk operasi string lanjutan seperti dan. `ListAgg` `ListAgg distinct`
**Konfigurasi**
Untuk mengkonfigurasi langkah Agregat, di panel **Konfigurasi**:
1. Pilih kolom untuk dikelompokkan menurut.
1. Pilih fungsi agregasi untuk mengukur kolom.
1. Sesuaikan nama kolom keluaran.
1. Untuk `ListAgg` dan`ListAgg distinct`:
1. Pilih kolom untuk agregat.
1. Pilih pemisah (koma, tanda hubung, titik koma, atau garis vertikal).
1. Pratinjau data yang dirangkum.
**Fungsi yang didukung per tipe data**
| Tipe data | Fungsi yang Didukung |
| --- | --- |
| Numerik | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (hanya untuk tanggal) |
| String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Fitur utama**
+ Menerapkan fungsi agregasi yang berbeda ke kolom dalam langkah yang sama.
+ **Kelompokkan** tanpa fungsi agregasi bertindak sebagai SQL SELECT DISTINCT.
+ `ListAgg`menggabungkan semua nilai; hanya `ListAgg distinct` mencakup nilai unik.
+ `ListAgg`fungsi mempertahankan urutan pengurutan menaik secara default.
**Catatan penggunaan**
+ Agregasi secara signifikan mengurangi jumlah baris dalam kumpulan data Anda.
+ `ListAgg`dan `ListAgg distinct` mendukung `date` nilai-nilai tetapi tidak`datetime`.
+ Gunakan pemisah untuk menyesuaikan output rangkaian string.
## Filter
Langkah Filter memungkinkan Anda untuk mempersempit dataset Anda dengan memasukkan hanya baris yang memenuhi kriteria tertentu. Anda dapat menerapkan beberapa kondisi filter dalam satu langkah, semuanya digabungkan melalui `AND` logika untuk membantu memfokuskan analisis Anda pada data yang relevan.
**Konfigurasi**
Untuk mengkonfigurasi langkah Filter, di panel **Konfigurasi**:
1. Pilih kolom untuk difilter.
1. Pilih operator perbandingan.
1. Tentukan nilai filter berdasarkan tipe data kolom.
1. Tambahkan kondisi filter tambahan di kolom yang berbeda jika diperlukan.
**catatan**
String filter dengan “is in” atau “is not in”: Masukkan beberapa nilai (satu per baris).
Filter numerik dan tanggal: Masukkan nilai tunggal (kecuali “antara” yang membutuhkan dua nilai).
**Operator yang didukung per tipe data**
| Tipe data | Operator yang Didukung |
| --- | --- |
| Integer dan Desimal | Sama, tidak sama Lebih besar dari, kurang dari Lebih besar dari atau sama dengan, kurang dari atau sama dengan Adalah antara |
| Date | Setelah, Sebelum Adalah antara Apakah setelah atau sama dengan, Apakah sebelum atau sama dengan |
| String | Sama, tidak sama Dimulai dengan, Berakhir dengan Berisi, Tidak mengandung Ada di dalam, Tidak di |
**Catatan penggunaan**
+ Terapkan beberapa kondisi filter dalam satu langkah.
+ Campur kondisi di berbagai tipe data.
+ Pratinjau hasil yang difilter secara real-time.
## Pivot
Langkah Pivot mengubah nilai baris menjadi kolom unik, mengubah data dari format panjang ke format lebar untuk perbandingan dan analisis yang lebih mudah. Transformasi ini memerlukan spesifikasi untuk penyaringan nilai, agregasi, dan pengelompokan untuk mengelola kolom keluaran secara efektif.
**Konfigurasi**
Untuk mengonfigurasi langkah Pivot, gunakan yang berikut ini di panel **Konfigurasi**:
1. **Kolom pivot**: Pilih kolom yang nilainya akan menjadi header kolom (misalnya, Kategori).
1. **Nilai baris kolom pivot: Filter nilai** spesifik untuk disertakan (misalnya, Teknologi, Perlengkapan Kantor).
1. **Header kolom keluaran: Sesuaikan header** kolom baru (default ke nilai kolom pivot).
1. **Kolom nilai**: Pilih kolom untuk digabungkan (misalnya, Penjualan).
1. **Fungsi agregasi**: Pilih metode agregasi (misalnya, Jumlah).
1. **Kelompokkan menurut**: Tentukan kolom pengorganisasian (misalnya, Segmen).
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/pivot.png)
**Operator yang didukung per tipe data**
| Tipe data | Operator yang Didukung |
| --- | --- |
| Integer dan Desimal | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (hanya nilai tanggal) |
| String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Catatan penggunaan**
+ Setiap kolom berputar berisi nilai agregat dari kolom nilai.
+ Sesuaikan header kolom untuk kejelasan.
+ Pratinjau hasil transformasi secara real-time.
## Unpivot
Langkah Unpivot mengubah kolom menjadi baris, mengubah data lebar menjadi format yang lebih panjang dan lebih sempit. Transformasi ini membantu mengatur penyebaran data di beberapa kolom ke dalam format yang lebih terstruktur untuk analisis dan visualisasi yang lebih mudah.
**Konfigurasi**
**Untuk mengkonfigurasi langkah Unpivot, di panel Konfigurasi:**
1. Pilih kolom untuk unpivot menjadi baris.
1. Tentukan nilai baris kolom keluaran. Defaultnya adalah nama kolom asli. Beberapa contoh termasuk Teknologi, Perlengkapan Kantor, dan Perabotan.
1. Beri nama dua kolom output baru.
+ **Header kolom unpivoted**: Nama untuk nama kolom sebelumnya (misalnya, Kategori)
+ **Nilai kolom unpivoted: Nama untuk nilai** unpivoted (mis., Penjualan)
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/unpivot.png)
**Fitur utama**
+ Mempertahankan semua kolom non-unpivoted dalam output.
+ Membuat dua kolom baru secara otomatis: satu untuk nama kolom sebelumnya dan satu untuk nilai yang sesuai.
+ Mengubah data yang luas menjadi format panjang.
**Catatan penggunaan**
+ Semua kolom yang tidak diputar harus memiliki tipe data yang kompatibel.
+ Jumlah baris biasanya meningkat setelah unpivoting.
+ Pratinjau perubahan secara real-time sebelum menerapkannya.
# Kemampuan alur kerja tingkat lanjut
Pengalaman persiapan data Amazon Quick Sight menawarkan fitur-fitur canggih yang meningkatkan kemampuan Anda untuk membuat transformasi data yang kompleks dan dapat digunakan kembali. Bagian ini mencakup dua kemampuan kuat yang memperluas potensi alur kerja Anda.
Divergensi memungkinkan Anda membuat beberapa jalur transformasi dari satu langkah, memungkinkan aliran pemrosesan paralel yang dapat digabungkan kembali nanti. Kemampuan ini sangat berharga untuk skenario kompleks seperti self-joins dan parallel transformation.
Kumpulan Data Komposit memungkinkan Anda membangun struktur data hierarkis dengan menggunakan kumpulan data yang ada sebagai blok bangunan. Fitur ini mempromosikan kolaborasi antar tim dan memastikan logika bisnis yang konsisten melalui transformasi berlapis yang dapat digunakan kembali.
Kemampuan ini bekerja sama untuk menyediakan desain alur kerja yang fleksibel, kolaborasi tim yang ditingkatkan, dan transformasi data yang dapat digunakan kembali. Mereka memastikan garis keturunan data yang jelas dan memungkinkan solusi persiapan data yang dapat diskalakan, memberdayakan organisasi Anda untuk menangani skenario data yang semakin kompleks dengan efisiensi dan kejelasan.
## Divergensi
Divergensi memungkinkan Anda membuat beberapa jalur transformasi paralel dari satu langkah dalam alur kerja Anda. Jalur ini dapat diubah secara independen dan kemudian digabungkan kembali, memungkinkan skenario persiapan data yang kompleks seperti self-join.
**Membuat jalur yang berbeda**
Untuk memulai Divergensi, dalam alur kerja Anda:
1. Pilih langkah di mana Anda ingin membuat divergensi.
1. Pilih ikon **\$1** yang muncul.
1. Konfigurasikan cabang baru yang muncul.
1. Terapkan transformasi yang Anda inginkan ke setiap jalur.
1. Gunakan langkah-langkah Gabung atau Tambahkan untuk menggabungkan kembali jalur menjadi satu output.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/divergence.png)
**Fitur utama**
+ Menciptakan hingga lima jalur yang berbeda dari satu langkah.
+ Menerapkan transformasi yang berbeda untuk setiap jalur.
+ Menggabungkan kembali jalur menggunakan langkah Gabung atau Tambahkan.
+ Pratinjau berubah di setiap jalur secara independen.
**Praktik terbaik**
+ Gunakan divergensi untuk menerapkan self-joins.
+ Buat salinan data untuk transformasi paralel.
+ Rencanakan strategi rekombinasi Anda (Bergabung atau Tambahkan).
+ Pertahankan penamaan jalur yang jelas untuk visibilitas alur kerja yang lebih baik.
## Kumpulan Data Komposit
Kumpulan Data Komposit memungkinkan Anda membangun kumpulan data yang ada, membuat struktur transformasi data hierarkis yang dapat dibagikan dan digunakan kembali di seluruh organisasi Anda. Quick Sight mendukung hingga 10 tingkat kumpulan data komposit dalam mode SPICE dan Direct Query.
**Membuat kumpulan data komposit**
Untuk membuat kumpulan data komposit, dalam alur kerja Anda:
1. Pilih langkah Input saat membuat dataset baru.
1. Pilih **Dataset** sebagai sumber Anda di bawah **Tambahkan Data**.
1. Pilih kumpulan data yang ada untuk dibangun.
1. Terapkan transformasi tambahan sesuai kebutuhan.
1. Simpan sebagai dataset baru.
**Fitur utama**
+ Membangun struktur transformasi data hierarkis.
+ Mendukung hingga 10 tingkat penyarangan kumpulan data.
+ Kompatibel dengan SPICE dan Direct Query.
+ Mempertahankan garis keturunan data yang jelas.
+ Memungkinkan transformasi khusus tim.
Fitur ini meningkatkan kolaborasi di berbagai tim. Misalnya,
| Peran | Tindakan | Output |
| --- | --- | --- |
| Analis Global | Membuat dataset dengan logika bisnis global | Dataset A |
| Analis Amerika | Menggunakan Dataset A, menambahkan logika regional | Dataset B |
| Analis AS-Barat | Menggunakan Dataset B, menambahkan logika lokal | Dataset C |
Pendekatan hierarkis ini mempromosikan logika bisnis yang konsisten di seluruh organisasi Anda dengan menetapkan kepemilikan yang jelas atas lapisan transformasi. Ini menciptakan garis keturunan data yang dapat dilacak sambil mendukung hingga 10 tingkat penyarangan kumpulan data, memungkinkan manajemen transformasi data yang terkontrol dan sistematis.
**Praktik terbaik**
+ Tetapkan kepemilikan yang jelas untuk setiap lapisan transformasi.
+ Mendokumentasikan hubungan dan dependensi kumpulan data.
+ Rencanakan kedalaman hierarki berdasarkan kebutuhan bisnis.
+ Pertahankan konvensi penamaan yang konsisten.
+ Tinjau dan perbarui kumpulan data hulu dengan cermat.
# Fitur khusus rempah-rempah
SPICE Amazon Quick Sight (Super-cepat, Paralel, Mesin Perhitungan Dalam Memori) memungkinkan fitur persiapan data intensif komputasi tertentu. Transformasi ini diwujudkan dalam SPICE untuk kinerja yang optimal, daripada dieksekusi pada waktu kueri.
**Fitur khusus rempah-rempah**
| Langkah-langkah | Kemampuan lainnya |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) |
**Fitur yang tersedia di SPICE dan DirectQuery**
| Langkah-langkah | Kemampuan lainnya |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) |
**Praktik terbaik**
+ Gunakan SPICE untuk alur kerja yang membutuhkan fitur khusus Spice.
+ Pilih SPICE untuk mengoptimalkan kinerja untuk transformasi kompleks dan kumpulan data besar.
+ Pertimbangkan DirectQuery untuk kebutuhan data real-time ketika fitur khusus Spice tidak diperlukan.
# Beralih di antara pengalaman persiapan data
Pengalaman persiapan data lama mengacu pada antarmuka persiapan data sebelumnya di Amazon Quick Sight yang ada sebelum Oktober 2025. Pengalaman persiapan data baru adalah antarmuka visual yang disempurnakan yang menunjukkan urutan step-by-step transformasi. Kumpulan data lama adalah yang dibuat sebelum pengalaman persiapan data baru, sedangkan kumpulan data baru dibuat setelah Oktober 2025.
Saat membuat kumpulan data baru, Quick Sight secara otomatis mengarahkan Anda ke pengalaman persiapan data baru. Antarmuka visual ini menawarkan kemampuan yang ditingkatkan dan peningkatan kegunaan untuk tugas transformasi data.
## Opsi opt-out
Sebelum menyimpan dan menerbitkan kumpulan data, Anda memiliki opsi untuk beralih kembali ke pengalaman persiapan data lama, jika diinginkan. Fleksibilitas ini memungkinkan tim untuk bertransisi dengan kecepatan mereka sendiri sambil menjadi akrab dengan antarmuka baru.
**penting**
Jika kumpulan data disimpan dan dipublikasikan dalam pengalaman baru, tidak akan ada opsi untuk kembali ke pengalaman lama. Ini adalah desain, karena pengalaman baru memiliki fitur baru yang signifikan yang tidak didukung dalam pengalaman warisan. Oleh karena itu secara langsung mengonversi kumpulan data dari satu pengalaman ke pengalaman lain tidak didukung. Anda perlu membuat kumpulan data baru untuk beralih ke pengalaman lama.
## Alur kerja transisi
Setelah kumpulan data disimpan dalam pengalaman baru atau lama, transformasi tidak dapat langsung dikonversi dari satu pengalaman ke pengalaman lainnya. Namun, jika ada versi kumpulan data yang diterbitkan, Anda dapat menggunakan kontrol versi untuk membuka versi sebelumnya yang mungkin ada dalam pengalaman lama.
Kumpulan data lama akan terus dapat diakses untuk dilihat dan diedit secara eksklusif melalui antarmuka lama. Ini menjaga kompatibilitas dengan alur kerja yang telah ditetapkan sebelumnya.
Sebelum sepenuhnya beralih, luangkan waktu untuk membiasakan diri dengan pengalaman persiapan data baru. Saat bekerja dengan kumpulan data lama, pertimbangkan untuk membuat versi baru menggunakan pengalaman baru untuk modifikasi masa depan. Gunakan kontrol versi untuk mempertahankan akses ke versi lama kumpulan data jika diperlukan. Dokumentasikan setiap perubahan dalam alur kerja saat beralih dari pengalaman lama ke pengalaman baru untuk memastikan keselarasan tim.
# Fitur yang tidak didukung dalam pengalaman persiapan data baru
Meskipun pengalaman persiapan data baru menawarkan kemampuan yang ditingkatkan, beberapa fitur dari pengalaman lama belum didukung. Bagian ini menguraikan fitur-fitur ini dan memberikan panduan untuk menangani alur kerja yang terpengaruh.
Saat menggunakan sumber data yang tidak didukung, Amazon Quick Sight secara otomatis default ke pengalaman lama. Untuk fitur lain yang tidak didukung, pilih **Beralih ke pengalaman lama** di sudut kanan atas halaman persiapan data. Aturan Dataset yang dibuat dalam pengalaman lama tetap kompatibel dengan kumpulan data lama dan pengalaman baru.
## Sumber data yang tidak didukung
Sumber data berikut saat ini hanya tersedia dalam pengalaman lama.
| Sumber Data | Detail |
| --- | --- |
| Salesforce | Secara otomatis default ke pengalaman lama |
| Google Spreadsheet | Secara otomatis default ke pengalaman lama |
| Analitik S3 | **Sumber data S3 didukung** |
## Fitur lain yang tidak didukung
Fitur-fitur berikut saat ini hanya tersedia dalam pengalaman lama.
| Kategori Fitur | Fitur yang tidak didukung |
| --- | --- |
| Manajemen Dataset | [Penyegaran tambahan](refreshing-imported-data.md#refresh-spice-data-incremental)[, [parameter Dataset](dataset-parameters.md), [Folder kolom, Deskripsi kolom](organizing-fields-folder.md)](describing-data.md) |
| Jenis Data | [Geospasial](geospatial-data-prep.md)[, [format ELF/CLF](supported-data-sources.md#file-data-sources), Zip/file dalam S3 GZip ](supported-data-sources.md#file-data-sources) |
| Opsi konfigurasi | [“Mulai dari baris” dalam pengaturan unggahan file](choosing-file-upload-settings.md), format tanggal JODA |
| Pemilihan dataset induk dari pengalaman lama | Kumpulan data induk dan anak harus ada di lingkungan pengalaman yang sama. Anda tidak dapat menggunakan kumpulan data pengalaman lama sebagai induk untuk kumpulan data pengalaman baru. |
## Pengembangan masa depan
Amazon Quick Sight berencana untuk mengimplementasikan fitur-fitur ini dalam pengalaman persiapan data baru di masa depan. Pendekatan ini memastikan bahwa peluncuran awal untuk pengalaman persiapan data baru memprioritaskan:
**Kemampuan yang ditingkatkan**
+ Alur kerja transformasi visual
+ Transparansi proses yang ditingkatkan
+ Teknik persiapan lanjutan melalui Divergence
+ Fitur baru yang kuat seperti Append, Aggregate, dan Pivot
**Adopsi yang fleksibel**
Pengguna dapat memilih di antara pengalaman sebelum mempublikasikan kumpulan data, memastikan alur kerja yang tidak terputus saat tim bertransisi dengan kecepatan mereka sendiri. Pendekatan ini memungkinkan akses langsung ke kemampuan baru sambil mempertahankan dukungan untuk persyaratan khusus melalui pengalaman warisan.
# Batas persiapan data
Pengalaman persiapan data Amazon Quick Sight dirancang untuk menangani kumpulan data skala perusahaan sambil mempertahankan kinerja optimal. Batasan berikut memastikan fungsionalitas yang andal.
## Batas ukuran set data (SPICE)
+ **Ukuran output**: Hingga 2TB atau 2 miliar baris
+ **Ukuran input total**: Sumber input gabungan tidak dapat melebihi 2TB
+ **Ukuran tabel sekunder**: Ukuran gabungan dibatasi hingga 20GB
**catatan**
Tabel primer adalah tabel dengan ukuran maxiumum dalam alur kerja; yang lainnya sekunder.
## Batas struktur alur kerja
+ **Langkah maksimum**: Hingga 256 langkah transformasi per alur kerja
+ **Tabel sumber**: Maksimum 32 langkah impor per alur kerja
+ **Kolom keluaran**: Hingga 2048 kolom pada setiap langkah dalam alur kerja dan tabel keluaran akhir dengan 2000 kolom
+ **Jalur divergen**: Maksimum 5 jalur dari satu langkah (hanya SPICE, tidak berlaku untuk DirectQuery)
+ **Dataset sebagai sumber**: Hingga 10 level untuk SPICE dan DirectQuery
Batasan ini dirancang untuk menyeimbangkan fleksibilitas dengan kinerja, memungkinkan transformasi data yang kompleks sambil memastikan kemampuan analisis yang optimal.
# Perubahan perilaku menelan
Pengalaman persiapan data baru memperkenalkan perubahan penting dalam bagaimana masalah kualitas data ditangani selama konsumsi SPICE. Perubahan ini secara signifikan memengaruhi kelengkapan dan transparansi data dalam kumpulan data Anda.
Dalam pengalaman lama, saat menghadapi inkonsistensi tipe data (seperti format tanggal yang salah atau [masalah serupa](errors-spice-ingestion.md)), seluruh baris yang berisi sel bermasalah dilewati selama konsumsi. Pendekatan ini menghasilkan lebih sedikit baris dalam kumpulan data akhir, yang berpotensi mengaburkan masalah kualitas data.
Pengalaman baru ini mengambil pendekatan yang lebih terperinci terhadap inkonsistensi data. Saat menghadapi sel bermasalah, hanya nilai yang tidak konsisten yang dikonversi ke nilai nol sambil mempertahankan seluruh baris. Pelestarian ini memastikan bahwa data terkait di kolom lain tetap dapat diakses untuk dianalisis.
**Dampak pada kualitas dataset**
Kumpulan data yang dibuat dalam pengalaman baru biasanya akan berisi lebih banyak baris daripada rekan lama mereka ketika data sumber mengandung inkonsistensi. Pendekatan yang disempurnakan ini menawarkan beberapa manfaat:
+ Peningkatan kelengkapan data dengan mempertahankan semua baris
+ Transparansi yang lebih besar dalam mengidentifikasi masalah kualitas data
+ Visibilitas yang lebih baik dari nilai-nilai bermasalah untuk remediasi
+ Pelestarian data terkait di kolom yang tidak terpengaruh
Perubahan ini memungkinkan analis untuk mengidentifikasi dan mengatasi masalah kualitas data secara lebih efektif, daripada menghilangkan baris bermasalah secara diam-diam dari kumpulan data.
# Pertanyaan umum
## 1. Kapan pengguna perlu beralih dari pengalaman baru ke lama?
[Pengguna harus kembali ke pengalaman lama saat bekerja dengan kumpulan data yang berisi fitur yang saat ini tidak didukung.](unsupported-features.md) Quick Sight secara aktif bekerja untuk menggabungkan fitur-fitur ini ke dalam pengalaman baru dalam rilis mendatang.
## 2. Mengapa kumpulan data berwarna abu-abu saat mencoba menambahkannya dalam pengalaman baru? Dapatkah kumpulan data digabungkan antara pengalaman lama dan pengalaman baru?
Saat ini, kumpulan data induk dan anak harus ada dalam lingkungan pengalaman yang sama. Anda tidak dapat menggabungkan kumpulan data di seluruh pengalaman lama dan baru karena pengalaman baru mencakup fitur tambahan yang tidak tersedia dalam warisan, seperti fungsi Append, kemampuan Pivot, dan Divergence.
**Menggunakan kumpulan data induk dari pengalaman lama**
Untuk menggunakan kumpulan data induk dari pengalaman lama, Anda dapat beralih kembali ke lingkungan tersebut. Cukup navigasikan ke halaman persiapan data dan pilih **Beralih kembali ke pengalaman lama** di pojok kanan atas. Sesampai di sana, Anda dapat membuat kumpulan data anak Anda sesuai kebutuhan.
**Pengembangan masa depan**
Kami berencana untuk menerapkan fungsionalitas yang memungkinkan pengguna untuk meningkatkan kumpulan data lama ke pengalaman baru. Jalur yang ditingkatkan ini akan memungkinkan penggunaan kumpulan data induk lama dalam pengalaman baru.
## 3. Mengapa Quick Sight meluncurkan pengalaman persiapan data baru sebelum mencapai paritas fitur lengkap dengan pengalaman lama?
Pengalaman persiapan data baru dikembangkan melalui kolaborasi pelanggan yang luas untuk mengatasi tantangan analitik dunia nyata. Peluncuran awal memprioritaskan:
**Kemampuan yang ditingkatkan**
+ Alur kerja transformasi visual
+ Transparansi proses yang ditingkatkan
+ Teknik persiapan lanjutan melalui Divergence
+ Fitur baru yang kuat seperti Append, Aggregate, dan Pivot
**Adopsi yang fleksibel**
Pengguna dapat memilih di antara pengalaman sebelum menerbitkan kumpulan data, memastikan alur kerja yang tidak terputus saat tim bertransisi dengan kecepatan mereka sendiri. Pendekatan ini memungkinkan akses langsung ke kemampuan baru sambil mempertahankan dukungan untuk persyaratan khusus melalui pengalaman warisan.
## 4. Apakah fitur yang saat ini hanya tersedia dalam pengalaman lama ditambahkan ke pengalaman baru?
Ya. Quick Sight secara aktif bekerja untuk menggabungkan fitur lama ke dalam pengalaman baru.
## 5. Bagaimana perubahan API memengaruhi skrip pembuatan kumpulan data yang ada?
Quick Sight mempertahankan kompatibilitas mundur sambil memperkenalkan kemampuan baru:
+ Skrip yang Ada: Skrip API lama akan terus berfungsi, membuat kumpulan data dalam pengalaman lama
+ Penamaan API: Nama API saat ini tetap tidak berubah
+ Fungsionalitas Baru: Format API tambahan mendukung kemampuan pengalaman baru yang ditingkatkan
+ Dokumentasi: Spesifikasi API lengkap untuk pengalaman baru tersedia di referensi API kami
## 6. Dapatkah kumpulan data dikonversi antar pengalaman setelah publikasi?
+ Future Migration Path: Quick Sight akan menambahkan fitur di masa depan untuk dengan mudah memigrasikan kumpulan data lama ke pengalaman baru.
+ Proses Satu Arah: Mengonversi kumpulan data dari pengalaman baru ke format lama tidak didukung karena dependensi fitur lanjutan
# Menjelaskan data
Menggunakan Amazon Quick Sight, Anda dapat menambahkan informasi, atau *metadata*, tentang kolom (bidang) dalam kumpulan data Anda. Dengan menambahkan metadata, Anda membuat kumpulan data cukup jelas dan lebih mudah digunakan kembali. Melakukan hal ini dapat membantu kurator data dan pelanggan mereka mengetahui dari mana data itu berasal dan apa artinya. Ini adalah cara berkomunikasi dengan orang-orang yang menggunakan dataset Anda atau menggabungkannya dengan kumpulan data lain untuk membangun dasbor. Metadata sangat penting untuk informasi yang dibagikan antar organisasi.
Setelah Anda menambahkan metadata ke kumpulan data, deskripsi bidang menjadi tersedia bagi siapa saja yang menggunakan kumpulan data. Deskripsi kolom muncul ketika seseorang yang secara aktif menelusuri daftar **Bidang** berhenti pada nama bidang. Deskripsi kolom dapat dilihat oleh orang-orang yang mengedit kumpulan data atau analisis, tetapi tidak bagi seseorang yang melihat dasbor. Deskripsi tidak diformat. Anda dapat memasukkan umpan baris dan tanda pemformatan dan ini dipertahankan oleh editor. Namun, tooltip deskripsi yang ditampilkan hanya dapat menampilkan kata, angka, dan simbol—tetapi tidak memformat.
**Untuk mengedit deskripsi ke kolom atau bidang**
1. Dari beranda Cepat, pilih **Data** di sebelah kiri.
1. Di tab **Data**, pilih kumpulan data yang ingin Anda kerjakan.
1. Pada halaman detail kumpulan data yang terbuka, pilih **Edit kumpulan data di kanan** atas.
1. Pada halaman kumpulan data yang terbuka, pilih kolom di pratinjau tabel di bagian bawah atau di daftar bidang di sebelah kiri.
1. Untuk menambah atau mengubah deskripsi, lakukan salah satu hal berikut:
+ Di bagian bawah layar, buka pengaturan untuk bidang dari ikon pensil di sebelah nama bidang.
+ Dalam daftar bidang, buka pengaturan untuk bidang dari menu di sebelah nama bidang. Kemudian pilih **Edit nama & deskripsi** dari menu konteks.
1. Tambahkan atau ubah deskripsi untuk bidang tersebut.
Untuk menghapus deskripsi yang ada, hapus semua teks di kotak Deskripsi.
1. (Opsional) Untuk **Nama**, jika Anda ingin mengubah nama bidang, Anda dapat memasukkan yang baru di sini.
1. Pilih **Terapkan** untuk menyimpan perubahan Anda. Pilih batal untuk keluar.
# Memilih pengaturan unggahan file
Jika Anda menggunakan sumber data file, konfirmasikan pengaturan unggahan, dan perbaiki jika perlu.
**penting**
Jika perlu mengubah pengaturan unggahan, lakukan perubahan ini sebelum Anda membuat perubahan lain pada kumpulan data. Mengubah pengaturan unggahan menyebabkan Amazon Quick Sight mengimpor ulang file. Proses ini menimpa setiap perubahan yang telah Anda buat sejauh ini.
## Mengubah pengaturan unggahan file teks
Pengaturan unggahan file teks mencakup indikator header file, format file, pembatas teks, kualifikasi teks, dan baris mulai. Jika Anda bekerja dengan sumber data Amazon S3, pengaturan unggahan yang Anda pilih diterapkan ke semua file yang Anda pilih untuk digunakan dalam kumpulan data ini.
Gunakan prosedur berikut untuk mengubah pengaturan unggahan file teks.
1. Pada halaman persiapan data, buka panel **Upload Settings** dengan memilih ikon expand.
1. Dalam **Format file**, pilih jenis format file.
1. Jika Anda memilih format **terpisah kustom (CUSTOM)**, tentukan karakter pemisah di **Delimiter**.
1. Jika file tidak berisi baris header, batalkan pilihan kotak centang **Files include header**.
1. Jika Anda ingin memulai dari baris selain baris pertama, tentukan nomor baris di **Mulai dari baris**. Jika kotak centang **File termasuk header** dipilih, baris awal yang baru diperlakukan sebagai baris header. Jika kotak centang **File menyertakan header** tidak dipilih, baris awal yang baru diperlakukan sebagai baris data pertama.
1. Di **Kualifikasi teks**, pilih kualifikasi teks, baik tanda kutip tunggal (') atau tanda kutip ganda (“).
## Mengubah pengaturan unggahan file Microsoft Excel
Pengaturan unggahan file Microsoft Excel mencakup indikator header rentang dan pemilih seluruh lembar kerja.
Gunakan prosedur berikut untuk mengubah pengaturan unggah file Microsoft Excel.
1. Pada halaman persiapan data, buka panel **Upload Settings** dengan memilih ikon expand.
1. Biarkan **Unggah seluruh lembar** dipilih.
1. Jika file tidak berisi baris header, batalkan pilihan kotak **centang Range berisi header**.
# Pengalaman Persiapan Data (Legacy)
**Topics**
+ [Menambahkan perhitungan](working-with-calculated-fields.md)
+ [Bergabung dengan data](joining-data.md)
+ [Mempersiapkan bidang data untuk analisis di Amazon Quick Sight](preparing-data-fields.md)
+ [Memfilter data di Amazon Quick Sight](adding-a-filter.md)
+ [Mempratinjau tabel dalam kumpulan data](previewing-tables-in-a-dataset.md)
# Menambahkan perhitungan
Buat bidang terhitung untuk mengubah data Anda dengan menggunakan satu atau beberapa hal berikut:
+ [Operator](arithmetic-and-comparison-operators.md)
+ [Fungsi](functions.md)
+ Bidang yang berisi data
+ Bidang terhitung lainnya
Anda dapat menambahkan bidang terhitung ke kumpulan data selama persiapan data atau dari halaman analisis. Saat Anda menambahkan bidang terhitung ke kumpulan data selama persiapan data, bidang tersebut tersedia untuk semua analisis yang menggunakan kumpulan data tersebut. Saat Anda menambahkan bidang terhitung ke kumpulan data dalam analisis, itu hanya tersedia dalam analisis tersebut. Untuk informasi selengkapnya tentang menambahkan bidang terhitung, lihat topik berikut.
**Topics**
+ [Menambahkan bidang terhitung](adding-a-calculated-field-analysis.md)
+ [Urutan evaluasi di Amazon Quick Sight](order-of-evaluation-quicksight.md)
+ [Menggunakan perhitungan sadar level di Quick Sight](level-aware-calculations.md)
+ [Fungsi bidang yang dihitung dan referensi operator untuk Amazon Quick](calculated-field-reference.md)
# Menambahkan bidang terhitung
Buat bidang terhitung untuk mengubah data Anda dengan menggunakan satu atau beberapa hal berikut:
+ [Operator](arithmetic-and-comparison-operators.md)
+ [Fungsi](functions.md)
+ Fungsi agregat (Anda hanya dapat menambahkan ini ke analisis)
+ Bidang yang berisi data
+ Bidang terhitung lainnya
Anda dapat menambahkan bidang terhitung ke kumpulan data selama persiapan data atau dari halaman analisis. Saat Anda menambahkan bidang terhitung ke kumpulan data selama persiapan data, bidang tersebut tersedia untuk semua analisis yang menggunakan kumpulan data tersebut. Saat Anda menambahkan bidang terhitung ke kumpulan data dalam analisis, itu hanya tersedia dalam analisis tersebut.
Analisis mendukung operasi baris tunggal dan operasi agregat. Operasi baris tunggal adalah operasi yang menyediakan (berpotensi) hasil yang berbeda untuk setiap baris. Operasi agregat menyediakan hasil yang selalu sama untuk seluruh rangkaian baris. Misalnya, jika Anda menggunakan fungsi string sederhana tanpa kondisi, itu mengubah setiap baris. Jika Anda menggunakan fungsi agregat, itu berlaku untuk semua baris dalam grup. Jika Anda meminta jumlah total penjualan untuk AS, jumlah yang sama berlaku untuk seluruh rangkaian. Jika Anda meminta data tentang keadaan tertentu, jumlah total penjualan berubah untuk mencerminkan pengelompokan baru Anda. Ini masih memberikan satu hasil untuk seluruh set.
Dengan membuat bidang terhitung agregat dalam analisis, Anda kemudian dapat menelusuri data. Nilai bidang agregat tersebut dihitung ulang dengan tepat untuk setiap level. Jenis agregasi ini tidak dimungkinkan selama persiapan dataset.
Misalnya, katakanlah Anda ingin mengetahui persentase keuntungan untuk setiap negara, wilayah, dan negara bagian. Anda dapat menambahkan bidang terhitung ke analisis Anda,`(sum(salesAmount - cost)) / sum(salesAmount)`. Bidang ini kemudian dihitung untuk setiap negara, wilayah, dan negara bagian, pada saat analis Anda menelusuri geografi.
**Topics**
+ [Menambahkan bidang terhitung ke analisis](#using-the-calculated-field-editor-analysis)
+ [Menambahkan bidang terhitung ke kumpulan data](#using-the-calculated-field-editor)
+ [Menangani nilai desimal di bidang terhitung](#handling-decimal-fields)
## Menambahkan bidang terhitung ke analisis
Saat Anda menambahkan kumpulan data ke analisis, setiap bidang terhitung yang ada dalam kumpulan data ditambahkan ke analisis. Anda dapat menambahkan bidang terhitung tambahan di tingkat analisis untuk membuat bidang terhitung yang hanya tersedia dalam analisis tersebut.
**Untuk menambahkan bidang terhitung ke analisis**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Buka analisis yang ingin Anda ubah.
1. Di panel **Data**, pilih **Tambah** di kiri atas, lalu pilih **\$1 BIDANG TERHITUNG**.
1. Di editor perhitungan yang terbuka, lakukan hal berikut:
1. Masukkan nama untuk bidang terhitung.
1. Masukkan rumus menggunakan bidang dari kumpulan data, fungsi, dan operator Anda.
1. Setelah selesai, silakan pilih **Simpan**.
Untuk informasi selengkapnya tentang cara membuat rumus menggunakan fungsi yang tersedia di Quick Sight, lihat[Fungsi bidang yang dihitung dan referensi operator untuk Amazon QuickFungsi dan operator](calculated-field-reference.md).
## Menambahkan bidang terhitung ke kumpulan data
Penulis Amazon Quick Sight dapat melakukan genreasi bidang terhitung selama fase persiapan data pembuatan kumpulan data. Saat Anda membuat bidang terhitung untuk kumpulan data, bidang tersebut menjadi kolom baru dalam kumpulan data. Semua analisis yang menggunakan kumpulan data mewarisi bidang terhitung kumpulan data.
Jika bidang terhitung beroperasi pada tingkat baris dan kumpulan data disimpanSPICE, Quick Sight menghitung dan mewujudkan hasilnya. SPICE Jika bidang yang dihitung bergantung pada fungsi agregasi, Quick Sight mempertahankan rumus dan melakukan perhitungan saat analisis dihasilkan. Jenis bidang terhitung ini disebut bidang terhitung yang tidak terwujud.
**Untuk menambah atau mengedit bidang terhitung untuk kumpulan data**
1. Buka kumpulan data yang ingin Anda gunakan. Untuk informasi selengkapnya, lihat [Mengedit kumpulan data](edit-a-data-set.md).
1. Pada halaman persiapan data, lakukan salah satu hal berikut:
+ Untuk membuat bidang baru, pilih **Tambahkan bidang terhitung** di sebelah kiri.
+ Untuk mengedit bidang terhitung yang ada, pilih dari **Bidang terhitung** di sebelah kiri, lalu pilih **Edit** dari menu konteks (klik kanan).
1. Di editor perhitungan, masukkan nama deskriptif untuk **Tambahkan judul** untuk memberi nama bidang terhitung baru. Nama ini muncul di daftar bidang di kumpulan data, sehingga akan terlihat mirip dengan bidang lainnya. Untuk contoh ini, kami memberi nama bidang`Total Sales This Year`.
1. (Opsional) Tambahkan komentar, misalnya untuk menjelaskan apa yang dilakukan ekspresi, dengan melampirkan teks dalam garis miring dan tanda bintang.
```
/* Calculates sales per year for this year*/
```
1. Identifikasi metrik, fungsi, dan item lain yang akan digunakan. Untuk contoh ini, kita perlu mengidentifikasi yang berikut:
+ Metrik yang digunakan
+ Fungsi: `ifelse` dan `datediff`
Kami ingin membuat pernyataan seperti “Jika penjualan terjadi selama tahun ini, tunjukkan total penjualan, dan sebaliknya tunjukkan 0.”
Untuk menambahkan `ifelse` fungsi, buka daftar **Fungsi**. Pilih **Semua** untuk menutup daftar semua fungsi. Sekarang Anda akan melihat grup fungsi: **Agregat**, **Bersyarat**, **Tanggal**, dan sebagainya.
Pilih **Bersyarat**, lalu klik dua kali `ifelse` untuk menambahkannya ke ruang kerja.
```
ifelse()
```
1. Tempatkan kursor Anda di dalam tanda kurung di ruang kerja, dan tambahkan tiga baris kosong.
```
ifelse(
)
```
1. Dengan kursor Anda pada baris kosong pertama, temukan `dateDiff` fungsinya. Ini terdaftar untuk **Fungsi** di bawah **Tanggal**. Anda juga dapat menemukannya dengan memasukkan **fungsi **date** Pencarian**. `dateDiff`Fungsi mengembalikan semua fungsi yang memiliki *`date`* sebagai bagian dari nama mereka. Itu tidak mengembalikan semua fungsi yang tercantum di bawah **Tanggal**; misalnya, `now` fungsi hilang dari hasil pencarian.
Klik dua kali `dateDiff` untuk menambahkannya ke baris kosong pertama `ifelse` pernyataan.
```
ifelse(
dateDiff()
)
```
Tambahkan parameter yang `dateDiff` menggunakan. Tempatkan kursor Anda di dalam `dateDiff` tanda kurung untuk mulai menambahkan`date1`,, dan: `date2` `period`
1. Untuk`date1`: Parameter pertama adalah bidang yang memiliki tanggal di dalamnya. Temukan di bawah **Fields**, dan tambahkan ke ruang kerja dengan mengklik dua kali atau memasukkan namanya.
1. Untuk`date2`, tambahkan koma, lalu pilih `truncDate()` **Functions**. Di dalam tanda kurungnya, tambahkan periode dan tanggal, seperti ini: **truncDate( "YYYY", now() )**
1. Untuk`period`: Tambahkan koma setelahnya `date2` dan masukkan**YYYY**. Ini adalah periode untuk tahun ini. Untuk melihat daftar semua periode yang didukung, temukan `dateDiff` di daftar **Fungsi**, dan buka dokumentasi dengan memilih **Pelajari lebih lanjut**. Jika Anda sudah melihat dokumentasi, seperti sekarang, lihat[dateDiff](dateDiff-function.md).
Tambahkan beberapa spasi untuk keterbacaan, jika Anda suka. Ekspresi Anda akan terlihat seperti berikut ini.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" )
)
```
1. Tentukan nilai pengembalian. Untuk contoh kita, parameter pertama yang `ifelse` perlu mengembalikan nilai `TRUE` atau`FALSE`. Karena kami menginginkan tahun berjalan, dan kami membandingkannya dengan tahun ini, kami menentukan bahwa `dateDiff` pernyataan itu harus kembali`0`. `if`Bagian dari `ifelse` evaluasi berlaku untuk baris di mana tidak ada perbedaan antara tahun penjualan dan tahun berjalan.
```
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
```
Untuk membuat bidang `TotalSales` untuk tahun lalu, Anda dapat mengubah `0` ke`1`.
Cara lain untuk melakukan hal yang sama adalah dengan menggunakan `addDateTime` alih-alih`truncDate`. Kemudian untuk setiap tahun sebelumnya, Anda mengubah parameter pertama `addDateTime` untuk mewakili setiap tahun. Untuk ini, Anda gunakan `-1` untuk tahun lalu, `-2` untuk tahun sebelumnya, dan seterusnya. Jika Anda menggunakan`addDateTime`, Anda meninggalkan `dateDiff` fungsi `= 0` untuk setiap tahun.
```
dateDiff( {Discharge Date}, addDateTime(-1, "YYYY", now() ) ,"YYYY" ) = 0 /* Last year */
```
1. Pindahkan kursor Anda ke baris kosong pertama, tepat di bawah`dateDiff`. Tambahkan koma.
Untuk `then` bagian `ifelse` pernyataan, kita perlu memilih ukuran (metrik) yang berisi jumlah penjualan,`TotalSales`.
Untuk memilih bidang, buka daftar **Bidang** dan klik dua kali bidang untuk menambahkannya ke layar. Atau Anda bisa memasukkan nama. Tambahkan kurung kurawal `{ }` di sekitar nama yang berisi spasi. Kemungkinan metrik Anda memiliki nama yang berbeda. Anda dapat mengetahui bidang mana yang merupakan metrik dengan tanda angka di depannya (**\$1**).
Ekspresi Anda akan terlihat seperti berikut sekarang.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
)
```
1. Tambahkan `else` klausa. `ifelse`Fungsi ini tidak memerlukan satu, tetapi kami ingin menambahkannya. Untuk tujuan pelaporan, Anda biasanya tidak ingin memiliki nilai null, karena terkadang baris dengan nol dihilangkan.
Kami mengatur bagian lain dari ifelse ke. `0` Hasilnya adalah bidang ini `0` untuk baris yang berisi penjualan dari tahun-tahun sebelumnya.
Untuk melakukan ini, pada baris kosong tambahkan koma dan kemudian a`0`. Jika Anda menambahkan komentar di awal, `ifelse` ekspresi selesai Anda akan terlihat seperti berikut.
```
/* Calculates sales per year for this year*/
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
,0
)
```
1. Simpan pekerjaan Anda dengan memilih **Simpan** di kanan atas.
Jika ada kesalahan dalam ekspresi Anda, editor menampilkan pesan kesalahan di bagian bawah. Periksa ekspresi Anda untuk garis berlekuk-lekuk merah, lalu arahkan kursor Anda ke baris itu untuk melihat apa pesan kesalahannya. Kesalahan umum termasuk tanda baca yang hilang, parameter yang hilang, salah eja, dan tipe data yang tidak valid.
Untuk menghindari perubahan apa pun, pilih **Batal**.
**Untuk menambahkan nilai parameter ke bidang terhitung**
1. Anda dapat mereferensikan parameter di bidang terhitung. Dengan menambahkan parameter ke ekspresi Anda, Anda menambahkan nilai saat ini dari parameter tersebut.
1. Untuk menambahkan parameter, buka daftar **Parameter**, dan pilih parameter yang nilainya ingin Anda sertakan.
1. (Opsional) Untuk menambahkan parameter ke ekspresi secara manual, ketikkan nama parameter. Kemudian terlampir dalam kawat gigi keriting`{}`, dan awalan dengan, misalnya. `$` `${parameterName}`
Anda dapat mengubah tipe data bidang apa pun dalam kumpulan data Anda, termasuk jenis bidang terhitung. Anda hanya dapat memilih tipe data yang cocok dengan data yang ada di bidang.
**Untuk mengubah tipe data dari bidang terhitung**
+ Untuk **bidang Terhitung** (di sebelah kiri), pilih bidang yang ingin Anda ubah, lalu pilih **Ubah tipe data** dari menu konteks (klik kanan).
Tidak seperti bidang lain dalam kumpulan data, bidang terhitung tidak dapat dinonaktifkan. Sebagai gantinya, hapus mereka.
**Untuk menghapus bidang terhitung**
+ Untuk **bidang Terhitung** (di sebelah kiri), pilih bidang yang ingin Anda ubah, lalu pilih **Hapus** dari menu konteks (klik kanan).
## Menangani nilai desimal di bidang terhitung
Saat kumpulan data Anda menggunakan mode Kueri Langsung, perhitungan tipe data desimal ditentukan oleh perilaku mesin sumber tempat dataset berasal. Dalam beberapa kasus tertentu, Quick Sight menerapkan penanganan khusus untuk menentukan tipe data perhitungan output.
Saat kumpulan data Anda menggunakan mode SPICE kueri dan bidang terhitung terwujud, tipe data hasil bergantung pada operator fungsi tertentu dan tipe data input. Tabel di bawah ini menunjukkan bahavior yang diharapkan untuk beberapa bidang dihitung numerik.
**Operator unary**
Tabel berikut menunjukkan tipe data mana yang dihasilkan berdasarkan operator yang Anda gunakan dan tipe data dari nilai yang Anda masukkan. Misalnya, jika Anda memasukkan bilangan bulat ke `abs` perhitungan, tipe data nilai keluaran adalah bilangan bulat.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/adding-a-calculated-field-analysis.html)
**Operator biner**
Tabel berikut menunjukkan tipe data mana yang dihasilkan berdasarkan tipe data dari dua nilai yang Anda masukan. Misalnya, untuk operator aritmatika, jika Anda memberikan dua tipe data integer, hasil dari keluaran perhitungan sebagai bilangan bulat.
Untuk operator dasar (\$1, -, \$1):
| | **Bilangan bulat** | **Desimal-tetap** | **Desimal mengapung** |
| --- | --- | --- | --- |
| **Bilangan bulat** | Bilangan Bulat | Desimal-tetap | Desimal mengapung |
| **Desimal-tetap** | Desimal-tetap | Desimal-tetap | Desimal mengapung |
| **Desimal mengapung** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
Untuk operator divisi (/):
| | **Bilangan bulat** | **Desimal-tetap** | **Desimal mengapung** |
| --- | --- | --- | --- |
| **Bilangan bulat** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
| **Desimal-tetap** | Desimal mengapung | Desimal-tetap | Desimal mengapung |
| **Desimal mengapung** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
Untuk operator eksponensial dan mod (^,%):
| | **Bilangan bulat** | **Desimal-tetap** | **Desimal mengapung** |
| --- | --- | --- | --- |
| **Bilangan bulat** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
| **Desimal-tetap** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
| **Desimal mengapung** | Desimal mengapung | Desimal mengapung | Desimal mengapung |
# Urutan evaluasi di Amazon Quick Sight
Saat Anda membuka atau memperbarui analisis, sebelum menampilkannya Amazon Quick Sight mengevaluasi semua yang dikonfigurasi dalam analisis dalam urutan tertentu. Amazon Quick Sight menerjemahkan konfigurasi ke dalam kueri yang dapat dijalankan oleh mesin database. Kueri mengembalikan data dengan cara yang sama apakah Anda terhubung ke database, sumber perangkat lunak sebagai layanan (SaaS), atau mesin analitik Amazon Quick Sight ([SPICE](spice.md)).
Jika Anda memahami urutan konfigurasi dievaluasi, Anda mengetahui urutan yang menentukan kapan filter atau perhitungan tertentu diterapkan ke data Anda.
Ilustrasi berikut menunjukkan urutan evaluasi. Kolom di sebelah kiri menunjukkan urutan evaluasi ketika tidak ada fungsi jendela perhitungan sadar level (LAC-W) atau agregat (LAC-A) yang terlibat. Kolom kedua menunjukkan urutan evaluasi untuk analisis yang berisi bidang terhitung untuk menghitung ekspresi LAC-W pada tingkat prefilter (). `PRE_FILTER` Kolom ketiga menunjukkan urutan evaluasi untuk analisis yang berisi bidang terhitung untuk menghitung ekspresi LAC-W pada tingkat preaggregate (). `PRE_AGG` Kolom terakhir menunjukkan urutan evaluasi untuk analisis yang berisi bidang terhitung untuk menghitung ekspresi LAC-A. Mengikuti ilustrasi, ada penjelasan yang lebih rinci tentang urutan evaluasi. Untuk informasi selengkapnya tentang perhitungan sadar level, lihat[Menggunakan perhitungan sadar level di Quick Sight](level-aware-calculations.md).
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/order-of-evaluation2.png)
Daftar berikut menunjukkan urutan di mana Amazon Quick Sight menerapkan konfigurasi dalam analisis Anda. Apa pun yang diatur dalam kumpulan data Anda terjadi di luar analisis Anda, misalnya perhitungan pada tingkat kumpulan data, filter, dan pengaturan keamanan. Ini semua berlaku untuk data yang mendasarinya. Daftar berikut hanya mencakup apa yang terjadi di dalam analisis.
1. **Tingkat Prefilter LAC-W**: Mengevaluasi data pada kardinalitas tabel asli sebelum filter analisis
1. **Perhitungan sederhana**: Perhitungan pada tingkat skalar tanpa agregasi atau perhitungan jendela. Misalnya, `date_metric/60, parseDate(date, 'yyyy/MM/dd'), ifelse(metric > 0, metric, 0), split(string_column, '|' 0)`.
1. **Fungsi LAC-W PRE\$1FILTER**: Jika ada ekspresi LAC-W PRE\$1FILTER yang terlibat dalam visual, Amazon Quick Sight pertama-tama menghitung fungsi jendela pada tingkat tabel asli, sebelum filter apa pun. Jika ekspresi LAC-W PRE\$1FILTER digunakan dalam filter, itu diterapkan pada titik ini. Misalnya, `maxOver(Population, [State, County], PRE_FILTER) > 1000`.
1. **LAC-W PRE\$1AGG**: Mengevaluasi data pada kardinalitas tabel asli sebelum agregasi
1. **Filter yang ditambahkan selama analisis**: Filter yang dibuat untuk bidang yang tidak digabungkan dalam visual diterapkan pada titik ini, yang mirip dengan klausa WHERE. Misalnya, `year > 2020`.
1. **Fungsi LAC-W PRE\$1AGG**: Jika ada ekspresi LAC-W PRE\$1AGG yang terlibat dalam visual, Amazon Quick Sight menghitung fungsi jendela sebelum agregasi apa pun diterapkan. Jika ekspresi LAC-W PRE\$1AGG digunakan dalam filter, itu diterapkan pada titik ini. Misalnya, `maxOver(Population, [State, County], PRE_AGG) > 1000`.
1. **Filter N atas/bawah**: Filter yang dikonfigurasi pada dimensi untuk menampilkan item top/bottom N.
1. **Level LAC-A**: Evaluasi agregasi pada tingkat yang disesuaikan, sebelum agregasi visual
1. **Agregasi tingkat khusus**: Jika ada ekspresi LAC-A yang terlibat dalam visual, itu dihitung pada titik ini. Berdasarkan tabel setelah filter yang disebutkan di atas, Amazon QuickSight menghitung agregasi, dikelompokkan berdasarkan dimensi yang ditentukan dalam bidang terhitung. Misalnya, `max(Sales, [Region])`.
1. **Tingkat visual**: Mengevaluasi agregasi pada tingkat visual, dan perhitungan tabel pasca-agregasi, dengan konfigurasi yang tersisa diterapkan dalam visual
1. **Agregasi tingkat** visual: Agregasi visual harus selalu diterapkan kecuali untuk tabel tabel (di mana dimensi kosong). Dengan pengaturan ini, agregasi berdasarkan bidang di sumur lapangan dihitung, dikelompokkan berdasarkan dimensi yang dimasukkan ke dalam visual. Jika ada filter yang dibangun di atas agregasi, itu diterapkan pada titik ini, mirip dengan klausa HAVING. Misalnya, `min(distance) > 100`.
1. **Perhitungan tabel: Jika ada perhitungan** tabel pasca-agregasi (harus mengambil ekspresi agregat sebagai operan) yang direferensikan dalam visual, dihitung pada titik ini. Amazon Quick Sight melakukan perhitungan jendela setelah agregasi visual. Demikian pula, filter yang dibangun di atas perhitungan tersebut diterapkan.
1. **Perhitungan kategori lainnya**: Jenis perhitungan ini hanya ada di line/bar/pie/donut bagan. Untuk informasi selengkapnya, lihat [Batas tampilan](working-with-visual-types.md#display-limits).
1. **Total dan subtotal: Total dan Subtotal** dihitung dalam bagan donat (hanya total), tabel (hanya total) dan tabel pivot, jika diminta.
# Menggunakan perhitungan sadar level di Quick Sight
| |
| --- |
| Berlaku untuk: Edisi Perusahaan dan Edisi Standar |
Dengan *perhitungan Level-aware* (LAC) Anda dapat menentukan tingkat granularitas yang ingin Anda hitung fungsi jendela atau fungsi agregat. Ada dua jenis fungsi LAC: fungsi perhitungan sadar tingkat - agregat (LAC-A), dan fungsi kalkulasi sadar tingkat - jendela (LAC-W).
**Topics**
+ [Fungsi LAC-A](#level-aware-calculations-aggregate)
+ [Fungsi LAC-W](#level-aware-calculations-window)
## Perhitungan sadar tingkat - fungsi agregat (LAC-A)
Dengan fungsi LAC-A, Anda dapat menentukan pada tingkat apa untuk mengelompokkan komputasi. Dengan menambahkan satu argumen ke dalam fungsi agregat yang ada, seperti`sum() , max() , count()`, Anda dapat menentukan tingkat kelompok-menurut yang Anda inginkan untuk agregasi. Level yang ditambahkan dapat berupa dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual. Contoh:
```
sum(measure,[group_field_A])
```
Untuk menggunakan fungsi LAC-A, ketikkan langsung di editor kalkulasi dengan menambahkan level agregasi yang dimaksud sebagai argumen kedua di antara tanda kurung. Berikut ini adalah contoh fungsi agregat dan fungsi LAC-A, untuk perbandingan.
+ Fungsi agregat: `sum({sales})`
+ Fungsi LAC-A: `sum({sales}, [{Country},{Product}])`
Hasil LAC-A dihitung dengan tingkat yang ditentukan dalam tanda kurung`[ ]`, dapat digunakan sebagai operan fungsi agregat. Tingkat kelompok-menurut fungsi agregat adalah tingkat visual, **dengan Grup menurut** bidang ditambahkan ke sumur bidang visual.
Selain membuat kunci grup LAC statis di braket`[ ]`, Anda dapat membuatnya secara dinamis disesuaikan dengan bidang grup berdasarkan visual, dengan meletakkan parameter di braket. `$visualDimensions` Ini adalah parameter yang disediakan sistem, berbeda dengan parameter yang ditentukan pengguna. `[$visualDimensions]`Parameter mewakili bidang yang ditambahkan ke **Grup menurut bidang dengan** baik dalam visual saat ini. Contoh berikut menunjukkan cara menambahkan tombol grup secara dinamis ke dimensi visual atau menghapus tombol grup dari dimensi visual
+ LAC-A dengan kunci grup yang ditambahkan dinamis: `sum({sales}, [${visualDimensions},{Country},{Products}])`
Ini menghitung, sebelum agregasi tingkat visual dihitung, jumlah penjualan, pengelompokan berdasarkan, `country``products`, dan bidang lain dalam **Grup berdasarkan bidang dengan** baik.
+ LAC-A dengan kunci grup yang dihapus dinamis: `sum({sales}, [${visualDimensions},!{Country},!{Products}])`
Ini menghitung, sebelum agregasi tingkat visual dihitung, jumlah penjualan, pengelompokan berdasarkan bidang dalam **Grup visual berdasarkan bidang dengan** baik, kecuali dan. `country` `product`
Anda dapat menentukan kunci grup yang ditambahkan atau kunci grup yang dihapus pada ekspresi LAC, tetapi tidak keduanya.
Fungsi LAC-A didukung untuk fungsi agregat berikut:
+ [avg](avg-function.md)
+ [count](count-function.md)
+ [distinct\$1count](distinct_count-function.md)
+ [max](max-function.md)
+ [median](median-function.md)
+ [min](min-function.md)
+ [percentile](percentile-function.md)
+ [percentileCont](percentileCont-function.md)
+ [percentileDisc(persentil)](percentileDisc-function.md)
+ [stdev](stdev-function.md)
+ [stdevp](stdevp-function.md)
+ [sum](sum-function.md)
+ [var](var-function.md)
+ [varp](varp-function.md)
### Contoh LAC-A
Anda dapat melakukan hal berikut dengan fungsi LAC-A:
+ Jalankan perhitungan yang independen dari level dalam visual. Misalnya, jika Anda memiliki perhitungan berikut, angka penjualan dikumpulkan hanya di tingkat negara, tetapi tidak di dimensi lain (Wilayah atau Produk) dalam visual.
```
sum({Sales},[{Country}])
```
+ Jalankan perhitungan untuk dimensi yang tidak ada dalam visual. Misalnya, jika Anda memiliki fungsi berikut, Anda dapat menghitung rata-rata total penjualan negara berdasarkan wilayah.
```
sum({Sales},[{Country}])
```
Meskipun Negara tidak termasuk dalam visual, fungsi LAC-A pertama-tama mengumpulkan penjualan di tingkat Negara dan kemudian perhitungan tingkat visual menghasilkan jumlah rata-rata untuk setiap wilayah. Jika fungsi LAC-A tidak digunakan untuk menentukan level, penjualan rata-rata dihitung pada tingkat granular terendah (tingkat dasar kumpulan data) untuk setiap wilayah (ditampilkan di kolom penjualan).
+ Gunakan LAC-A yang dikombinasikan dengan fungsi agregat lainnya dan fungsi LAC-W. Ada dua cara Anda dapat menyarangkan fungsi LAC-A dengan fungsi lain.
+ Anda dapat menulis sintaks bersarang saat membuat perhitungan. Misalnya, fungsi LAC-A dapat disarangkan dengan fungsi LAC-W untuk menghitung total penjualan menurut negara dari harga rata-rata setiap produk:
```
sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}])
```
+ Saat menambahkan fungsi LAC-A ke dalam visual, perhitungan dapat lebih disarangkan dengan fungsi agregat tingkat visual yang Anda pilih di bidang dengan baik. Untuk informasi lebih lanjut tentang mengubah agregasi bidang dalam visual, lihat[Mengubah atau menambahkan agregasi ke bidang dengan menggunakan bidang dengan baik](changing-field-aggregation.md#change-field-aggregation-field-wells).
### Keterbatasan LAC-A
Keterbatasan berikut berlaku untuk fungsi LAC-A:
+ Fungsi LAC-A didukung untuk semua fungsi agregat aditif dan non-aditif, seperti,, dan. `sum()` `count()` `percentile()` Fungsi LAC-A tidak didukung untuk fungsi agregat bersyarat yang diakhiri dengan “jika”, seperti `sumif()` dan`countif()`, atau untuk fungsi agregat periode yang dimulai dengan "periodToDate“, seperti dan. `periodToDateSum()` `periodToDateMax()`
+ Total tingkat baris dan tingkat kolom saat ini tidak didukung untuk fungsi LAC-A dalam tabel dan tabel pivot. Saat Anda menambahkan total tingkat baris atau tingkat kolom ke bagan, jumlah total akan ditampilkan sebagai kosong. Dimensi non-LAC lainnya tidak terpengaruh.
+ Fungsi LAC-A bersarang saat ini tidak didukung. Kemampuan terbatas fungsi LAC-A yang bersarang dengan fungsi agregat reguler dan fungsi LAC-W didukung.
Misalnya, fungsi-fungsi berikut ini valid:
+ `Aggregation(LAC-A())`. Sebagai contoh: `max(sum({sales}, [{country}]))`
+ `LAC-A(LAC-W())`. Sebagai contoh: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])`
Fungsi-fungsi berikut tidak valid:
+ `LAC-A(Aggregation())`. Sebagai contoh: `sum(max({sales}), [{country}])`
+ `LAC-A(LAC-A())`. Sebagai contoh: `sum(max({sales}, [{country}]),[category])`
+ `LAC-W(LAC-A())`. Sebagai contoh: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)`
## Perhitungan sadar tingkat - fungsi jendela (LAC-W)
Dengan fungsi LAC-W, Anda dapat menentukan jendela atau partisi untuk menghitung perhitungan. Fungsi LAC-W adalah sekelompok fungsi jendela, seperti,, `sumover()` `(maxover)``denseRank`, yang dapat Anda jalankan pada tingkat prefilter atau preaggregate. Sebagai contoh: `sumOver(measure,[partition_field_A],pre_agg)`.
Fungsi LAC-W dulu disebut agregasi sadar tingkat (LAA).
Fungsi LAC-W membantu Anda menjawab jenis pertanyaan berikut:
+ Berapa banyak pelanggan saya yang hanya membuat 1 pesanan pembelian? Atau 10? Atau 50? Kami ingin visual menggunakan hitungan sebagai dimensi daripada metrik dalam visual.
+ Berapa total penjualan per segmen pasar untuk pelanggan yang pengeluaran seumur hidupnya lebih besar dari \$1100.000? Visual seharusnya hanya menunjukkan segmen pasar dan total penjualan untuk masing-masing.
+ Berapa kontribusi masing-masing industri terhadap laba seluruh perusahaan (persen dari total)? Kami ingin dapat memfilter visual untuk menunjukkan beberapa industri, dan bagaimana mereka berkontribusi pada total penjualan untuk industri yang ditampilkan. Namun, kami juga ingin melihat persentase masing-masing industri dari total penjualan untuk seluruh perusahaan (termasuk industri yang disaring).
+ Berapa total penjualan di setiap kategori dibandingkan dengan rata-rata industri? Rata-rata industri harus mencakup semua kategori, bahkan setelah penyaringan.
+ Bagaimana pelanggan saya dikelompokkan ke dalam rentang pengeluaran kumulatif? Kami ingin menggunakan pengelompokan sebagai dimensi daripada metrik.
Untuk pertanyaan yang lebih kompleks, Anda dapat menyuntikkan perhitungan atau filter sebelum Quick Sight sampai ke titik tertentu dalam evaluasi pengaturan Anda. Untuk secara langsung mempengaruhi hasil Anda, Anda menambahkan kata kunci tingkat perhitungan ke perhitungan tabel. Untuk informasi selengkapnya tentang cara Quick Sight mengevaluasi kueri, lihat. [Urutan evaluasi di Amazon Quick Sight](order-of-evaluation-quicksight.md)
Tingkat perhitungan berikut didukung untuk fungsi LAC-W:
+ **`PRE_FILTER`**— Sebelum menerapkan filter dari analisis, Quick Sight mengevaluasi perhitungan prefilter. Kemudian menerapkan filter apa pun yang dikonfigurasi pada perhitungan prefilter ini.
+ **`PRE_AGG`**— Sebelum menghitung agregasi tingkat tampilan, Quick Sight melakukan perhitungan preagregat. Kemudian menerapkan filter apa pun yang dikonfigurasi pada perhitungan preagregat ini. Pekerjaan ini terjadi sebelum menerapkan filter *N* atas dan bawah.
Anda dapat menggunakan `PRE_AGG` kata kunci `PRE_FILTER` atau sebagai parameter dalam fungsi perhitungan tabel berikut. Saat Anda menentukan tingkat perhitungan, Anda menggunakan ukuran tak teragregasi dalam fungsi. Misalnya, Anda dapat menggunakan`countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`. Dengan menggunakan`PRE_AGG`, Anda menentukan bahwa `countOver` mengeksekusi pada tingkat preagregat.
+ [avgOver](avgOver-function.md)
+ [countOver](countOver-function.md)
+ [denseRank](denseRank-function.md)
+ [distinctCountOver](distinctCountOver-function.md)
+ [minOver](minOver-function.md)
+ [maxOver](maxOver-function.md)
+ [percentileRank](percentileRank-function.md)
+ [rank](rank-function.md)
+ [stdevOver](stdevOver-function.md)
+ [stdevpOver](stdevpOver-function.md)
+ [sumOver](sumOver-function.md)
+ [varOver](varOver-function.md)
+ [varpOver](varpOver-function.md)
Secara default, parameter pertama untuk setiap fungsi harus berupa ukuran agregat. Jika Anda menggunakan salah satu `PRE_FILTER` atau`PRE_AGG`, Anda menggunakan ukuran nonagregat untuk parameter pertama.
Untuk fungsi LAC-W, agregasi visual default untuk menghilangkan duplikat. `MIN` Untuk mengubah agregasi, buka menu konteks bidang (klik kanan), lalu pilih agregasi yang berbeda.
Untuk contoh kapan dan bagaimana menggunakan fungsi LAC-W dalam skenario kehidupan nyata, lihat posting berikut di Blog AWS Big Data: [Buat wawasan lanjutan menggunakan Agregasi Sadar Tingkat](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/) di Amazon. QuickSight
# Fungsi bidang yang dihitung dan referensi operator untuk Amazon Quick
Anda dapat menambahkan bidang terhitung ke kumpulan data selama persiapan data atau dari halaman analisis. Saat Anda menambahkan bidang terhitung ke kumpulan data selama persiapan data, bidang tersebut tersedia untuk semua analisis yang menggunakan kumpulan data tersebut. Saat Anda menambahkan bidang terhitung ke kumpulan data dalam analisis, itu hanya tersedia dalam analisis tersebut.
Anda dapat membuat bidang terhitung untuk mengubah data Anda dengan menggunakan fungsi dan operator berikut.
**Topics**
+ [Operator](arithmetic-and-comparison-operators.md)
+ [Fungsi berdasarkan kategori](functions-by-category.md)
+ [Fungsi](functions.md)
+ [Fungsi agregat](calculated-field-aggregations.md)
+ [Fungsi perhitungan tabel](table-calculation-functions.md)
# Operator
Anda dapat menggunakan operator berikut di bidang terhitung. Quick menggunakan urutan standar operasi: tanda kurung, eksponen, perkalian, pembagian, penambahan, pengurangan (PEMDAS). Perbandingan sama (=) dan tidak sama (<>) peka huruf besar/kecil.
+ Penambahan (\$1)
+ Pengurangan (-)
+ Perkalian (\$1)
+ Divisi (/)
+ Modulo (%) - Lihat juga `mod()` dalam daftar berikut.
+ Power (^) - Lihat juga `exp()` dalam daftar berikut.
+ Sama (=)
+ Tidak sama (<>)
+ Lebih besar dari (>)
+ Lebih besar dari atau sama dengan (>=)
+ Kurang dari (<)
+ Kurang dari atau sama dengan (<=)
+ AND
+ OR
+ NOT
Amazon Quick mendukung penerapan fungsi matematika berikut ke ekspresi.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`— Menemukan sisanya setelah membagi angka dengan pembagi.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `— Mengembalikan basis 10 logaritma dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `— Mengembalikan logaritma natural dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `— Mengembalikan nilai absolut dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `— Mengembalikan akar kuadrat dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `— Mengembalikan dasar log alami *e* dinaikkan ke kekuatan ekspresi yang diberikan.
Untuk membuat perhitungan panjang lebih mudah dibaca, Anda dapat menggunakan tanda kurung untuk memperjelas pengelompokan dan prioritas dalam perhitungan. Dalam pernyataan berikut, Anda tidak perlu tanda kurung. Pernyataan perkalian diproses terlebih dahulu, dan kemudian hasilnya ditambahkan ke lima, mengembalikan nilai 26. Namun, tanda kurung membuat pernyataan lebih mudah dibaca dan dengan demikian dipertahankan.
```
5 + (7 * 3)
```
Karena tanda kurung adalah yang pertama dalam urutan operasi, Anda dapat mengubah urutan penerapan operator lain. Misalnya, dalam pernyataan berikut pernyataan penambahan diproses terlebih dahulu, dan kemudian hasilnya dikalikan tiga, mengembalikan nilai 36.
```
(5 + 7) * 3
```
## Contoh: Operator aritmatika
Contoh berikut menggunakan beberapa operator aritmatika untuk menentukan total penjualan setelah diskon.
```
(Quantity * Amount) - Discount
```
## Contoh: (/) Divisi
Contoh berikut menggunakan pembagian untuk membagi 3 dengan 2. Nilai 1,5 dikembalikan. Amazon Quick menggunakan divisi floating point.
```
3/2
```
## Contoh: (=) sama
Menggunakan = melakukan perbandingan nilai peka huruf besar/kecil. Baris di mana perbandingannya BENAR disertakan dalam kumpulan hasil.
Dalam contoh berikut, baris di mana `Region` bidang **South** disertakan dalam hasil. Jika ya `Region`**south**, baris-baris ini dikecualikan.
```
Region = 'South'
```
Dalam contoh berikut, perbandingan dievaluasi menjadi FALSE.
```
Region = 'south'
```
Contoh berikut menunjukkan perbandingan yang mengkonversi `Region` ke semua huruf besar (**SOUTH**), dan membandingkannya dengan. **SOUTH** Ini mengembalikan baris di mana wilayah tersebut**south**,**South**, atau**SOUTH**.
```
toUpper(Region) = 'SOUTH'
```
## Contoh: (<>)
Simbol tidak sama <> berarti *kurang dari atau lebih besar dari*.
Jadi, jika kita katakan**x<>1**, maka kita mengatakan *jika x kurang dari 1 ATAU jika x lebih besar dari 1*. Keduanya < and > dievaluasi bersama. Dengan kata lain, *jika x adalah nilai apa pun kecuali 1*. Atau, *x tidak sama dengan 1*.
**catatan**
Gunakan <>, tidak\$1 =.
Contoh berikut membandingkan dengan `Status Code` nilai numerik. Ini mengembalikan baris di `Status Code` mana tidak sama dengan**1**.
```
statusCode <> 1
```
Contoh berikut membandingkan beberapa `statusCode` nilai. Dalam hal ini, catatan aktif memiliki`activeFlag = 1`. Contoh ini mengembalikan baris di mana salah satu dari berikut ini berlaku:
+ Untuk catatan aktif, tampilkan baris yang statusnya bukan 1 atau 2
+ Untuk catatan yang tidak aktif, tunjukkan baris yang statusnya 99 atau -1
```
( activeFlag = 1 AND (statusCode <> 1 AND statusCode <> 2) )
OR
( activeFlag = 0 AND (statusCode= 99 OR statusCode= -1) )
```
## Contoh: (^)
Simbol kekuatan `^` berarti *kekuatan*. Anda dapat menggunakan operator daya dengan bidang numerik apa pun, dengan eksponen yang valid.
Contoh berikut adalah ekspresi sederhana 2 dengan kekuatan 4 atau (2 \$1 2 \$1 2 \$1 2). Ini mengembalikan nilai 16.
```
2^4
```
Contoh berikut menghitung akar kuadrat dari bidang pendapatan.
```
revenue^0.5
```
## Contoh: DAN, ATAU, dan TIDAK
Contoh berikut menggunakan AND, OR, dan NOT untuk membandingkan beberapa ekspresi. Ia melakukannya dengan menggunakan operator bersyarat untuk menandai pelanggan teratas TIDAK di Washington atau Oregon dengan promosi khusus, yang membuat lebih dari 10 pesanan. Jika tidak ada nilai yang dikembalikan, nilai 'n/a' digunakan.
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
## Contoh: Membuat daftar perbandingan seperti “in” atau “not in”
Contoh ini menggunakan operator untuk membuat perbandingan untuk menemukan nilai yang ada, atau tidak ada, dalam daftar nilai tertentu.
Contoh berikut membandingkan `promoCode` daftar nilai tertentu. Contoh ini mengembalikan baris di mana `promoCode` adalah dalam daftar**(1, 2, 3)**.
```
promoCode = 1
OR promoCode = 2
OR promoCode = 3
```
Contoh berikut membandingkan `promoCode` daftar nilai tertentu. Contoh ini mengembalikan baris di `promoCode` mana TIDAK dalam daftar**(1, 2, 3)**.
```
NOT(promoCode = 1
OR promoCode = 2
OR promoCode = 3
)
```
Cara lain untuk mengekspresikan ini adalah dengan memberikan daftar di mana `promoCode` tidak sama dengan item apa pun dalam daftar.
```
promoCode <> 1
AND promoCode <> 2
AND promoCode <> 3
```
## Contoh: Membuat perbandingan “antara”
Contoh ini menggunakan operator perbandingan untuk membuat perbandingan yang menunjukkan nilai yang ada antara satu nilai dan nilai lainnya.
Contoh berikut memeriksa `OrderDate` dan mengembalikan baris di mana `OrderDate` adalah antara hari pertama dan hari terakhir 2016. Dalam hal ini, kami ingin hari pertama dan terakhir disertakan, jadi kami menggunakan “atau sama dengan” pada operator perbandingan.
```
OrderDate >= "1/1/2016" AND OrderDate <= "12/31/2016"
```
# Fungsi berdasarkan kategori
Di bagian ini, Anda dapat menemukan daftar fungsi yang tersedia di Amazon Quick, diurutkan berdasarkan kategori.
**Topics**
+ [Fungsi agregat](#aggregate-functions)
+ [Fungsi kondisional](#conditional-functions)
+ [Fungsi tanggal](#date-functions)
+ [Fungsi numerik](#numeric-functions)
+ [Fungsi matematika](#mathematical-functions)
+ [Fungsi string](#string-functions)
+ [Perhitungan tabel](#table-calculations)
## Fungsi agregat
Fungsi agregat untuk bidang terhitung di Amazon Quick mencakup yang berikut ini. Ini hanya tersedia selama analisis dan visualisasi. Masing-masing fungsi ini mengembalikan nilai yang dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Untuk setiap agregasi, ada juga agregasi bersyarat. Ini melakukan jenis agregasi yang sama, berdasarkan suatu kondisi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html)rata-rata himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html)menghitung rata-rata berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/count-function.html)menghitung jumlah nilai dalam dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html)menghitung hitungan berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html)menghitung jumlah nilai yang berbeda dalam dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html)menghitung hitungan yang berbeda berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/max-function.html](https://docs.aws.amazon.com/quicksight/latest/user/max-function.html)mengembalikan nilai maksimum dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html)menghitung maksimum berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/median-function.html](https://docs.aws.amazon.com/quicksight/latest/user/median-function.html)mengembalikan nilai median dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html)menghitung median berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/min-function.html](https://docs.aws.amazon.com/quicksight/latest/user/min-function.html)mengembalikan nilai minimum dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html)menghitung minimum berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html)(alias dari`percentileDisc`) menghitung persentil *ke-n* dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html)menghitung persentil *ke-n* berdasarkan distribusi berkelanjutan dari jumlah ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [percentileDisc(persentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) menghitung persentil *ke-n* berdasarkan jumlah aktual dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html)rata-rata himpunan angka dalam ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga satu titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html)menghitung jumlah nilai dalam dimensi atau ukuran untuk perincian waktu tertentu (misalnya, Kuartal) hingga titik waktu termasuk duplikat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html)mengembalikan nilai maksimum ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html)mengembalikan nilai median dari ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html)mengembalikan nilai minimum dari ukuran atau tanggal yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html)menghitung persentil berdasarkan angka aktual dalam ukuran untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html)menghitung persentil berdasarkan distribusi berkelanjutan dari angka-angka dalam ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html)menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html)menghitung standar deviasi populasi dari himpunan angka dalam ukuran yang ditentukan untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html)menambahkan himpunan angka dalam ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html)menghitung varians sampel dari himpunan angka dalam ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html)menghitung varians populasi dari himpunan angka dalam ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html)) menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html)menghitung standar deviasi sampel berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html)menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan populasi yang bias.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html)menghitung deviasi populasi berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/var-function.html](https://docs.aws.amazon.com/quicksight/latest/user/var-function.html)) menghitung varians himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html)menghitung varians sampel berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html)) menghitung varians himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan populasi yang bias.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html)menghitung varians populasi berdasarkan pernyataan bersyarat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html)) menambahkan himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html)) menghitung jumlah berdasarkan pernyataan bersyarat.
## Fungsi kondisional
Fungsi kondisional untuk bidang terhitung di Amazon Quick mencakup yang berikut:
+ [https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html](https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html)mengembalikan nilai argumen pertama yang tidak null.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html)mengevaluasi satu set *if*, *maka* pasangan ekspresi, dan mengembalikan nilai argumen *then* untuk argumen *if* pertama yang mengevaluasi ke true.
+ [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html)mengevaluasi ekspresi untuk melihat apakah itu dalam daftar nilai yang diberikan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html)mengevaluasi ekspresi untuk melihat apakah itu bukan nol.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html)mengevaluasi ekspresi untuk melihat apakah itu nol. Jika ekspresi adalah null, `isNull` mengembalikan true, dan jika tidak maka mengembalikan false.
+ [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html)mengevaluasi ekspresi untuk melihat apakah itu tidak dalam daftar nilai yang diberikan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html)membandingkan dua ekspresi. Jika mereka sama, fungsi mengembalikan null. Jika mereka tidak sama, fungsi mengembalikan ekspresi pertama.
+ [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html)mengembalikan ekspresi yang cocok dengan label pertama sama dengan ekspresi kondisi.
## Fungsi tanggal
Fungsi tanggal untuk bidang terhitung di Amazon Quick mencakup yang berikut:
+ [https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html)menambah atau mengurangi satuan waktu ke tanggal atau waktu yang disediakan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html)menambah atau mengurangi jumlah hari kerja yang diberikan ke tanggal atau waktu yang disediakan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html](https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html)mengembalikan selisih hari antara dua bidang tanggal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html)mengubah tanggal epoch menjadi tanggal standar.
+ [https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html](https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html)mengembalikan bagian tertentu dari nilai tanggal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html)memformat tanggal menggunakan pola yang Anda tentukan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html)mengembalikan TRUE jika nilai tanggal-waktu yang diberikan adalah hari kerja atau hari kerja.
+ [https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html)mengembalikan jumlah hari kerja antara dua nilai tanggal yang disediakan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/now-function.html](https://docs.aws.amazon.com/quicksight/latest/user/now-function.html)mengembalikan tanggal dan waktu saat ini, menggunakan pengaturan untuk database, atau UTC untuk file dan Salesforce.
+ [https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html)mengembalikan nilai tanggal yang mewakili bagian tertentu dari tanggal.
## Fungsi numerik
Fungsi numerik untuk bidang terhitung di Amazon Quick meliputi yang berikut:
+ [https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html)membulatkan nilai desimal ke bilangan bulat tertinggi berikutnya.
+ [https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html)mengkonversi nilai desimal ke integer.
+ [https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html](https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html)mengurangi nilai desimal ke bilangan bulat terendah berikutnya.
+ [https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html)mengkonversi nilai integer ke desimal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/round-function.html](https://docs.aws.amazon.com/quicksight/latest/user/round-function.html)membulatkan nilai desimal ke bilangan bulat terdekat atau, jika skala ditentukan, ke tempat desimal terdekat.
## Fungsi matematika
Fungsi matematika untuk bidang terhitung di Amazon Quick meliputi yang berikut:
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`— Menemukan sisanya setelah membagi angka dengan pembagi.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `— Mengembalikan basis 10 logaritma dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `— Mengembalikan logaritma natural dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `— Mengembalikan nilai absolut dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `— Mengembalikan akar kuadrat dari ekspresi yang diberikan.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `— Mengembalikan dasar log alami *e* dinaikkan ke kekuatan ekspresi yang diberikan.
## Fungsi string
Fungsi string (teks) untuk bidang terhitung di Amazon Quick meliputi yang berikut:
+ [https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html](https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html)menggabungkan dua atau lebih string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html](https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html)memeriksa apakah ekspresi berisi substring.
+ [https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html)memeriksa apakah ekspresi berakhir dengan substring yang ditentukan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/left-function.html](https://docs.aws.amazon.com/quicksight/latest/user/left-function.html)mengembalikan jumlah tertentu karakter paling kiri dari string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html)menempatkan substring dalam string lain, dan mengembalikan jumlah karakter sebelum substring.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html)menghapus ruang kosong sebelumnya dari string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html)mem-parsing string untuk menentukan apakah itu berisi nilai tanggal, dan mengembalikan tanggal jika ditemukan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html)mem-parsing string untuk menentukan apakah itu berisi nilai desimal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html)mem-parsing string untuk menentukan apakah itu berisi nilai integer.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html)mem-parsing nilai dari JSON asli atau dari objek JSON di bidang teks.
+ [https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html](https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html)menggantikan bagian dari string dengan string baru.
+ [https://docs.aws.amazon.com/quicksight/latest/user/right-function.html](https://docs.aws.amazon.com/quicksight/latest/user/right-function.html)mengembalikan jumlah tertentu karakter paling kanan dari string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html)menghapus ruang kosong berikut dari string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/split-function.html](https://docs.aws.amazon.com/quicksight/latest/user/split-function.html)membagi string menjadi array substring, berdasarkan pembatas yang Anda pilih, dan mengembalikan item yang ditentukan oleh posisi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html)memeriksa apakah ekspresi dimulai dengan substring yang ditentukan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html](https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html)mengembalikan jumlah karakter dalam string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html](https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html)mengembalikan jumlah karakter yang ditentukan dalam string, mulai dari lokasi yang ditentukan.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html)memformat string dalam semua huruf kecil.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html)memformat ekspresi input sebagai string.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html)memformat string dalam semua huruf besar.
+ [https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html)menghapus ruang kosong sebelumnya dan mengikuti dari string.
## Perhitungan tabel
Perhitungan tabel membentuk sekelompok fungsi yang memberikan konteks dalam analisis. Mereka memberikan dukungan untuk analisis agregat yang diperkaya. Dengan menggunakan perhitungan ini, Anda dapat mengatasi skenario bisnis umum seperti menghitung persentase total, jumlah berjalan, perbedaan, baseline umum, dan peringkat.
Saat Anda menganalisis data dalam visual tertentu, Anda dapat menerapkan perhitungan tabel ke kumpulan data saat ini untuk menemukan bagaimana dimensi memengaruhi ukuran atau satu sama lain. Data yang divisualisasikan adalah kumpulan hasil Anda berdasarkan kumpulan data Anda saat ini, dengan semua filter, pemilihan bidang, dan penyesuaian diterapkan. Untuk melihat dengan tepat apa set hasil ini, Anda dapat mengekspor visual Anda ke file. Fungsi perhitungan tabel melakukan operasi pada data untuk mengungkapkan hubungan antar bidang.
**Fungsi berbasis pencarian**
+ [https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html)menghitung perbedaan antara ukuran berdasarkan satu set partisi dan jenis, dan ukuran berdasarkan yang lain.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html)menghitung nilai lag (sebelumnya) untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html)menghitung nilai lead (berikut) untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html)menghitung persentase perbedaan antara nilai saat ini dan nilai perbandingan.
**Lebih dari fungsi**
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html)menghitung rata-rata ukuran lebih dari satu atau lebih dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html)menghitung jumlah bidang di atas satu atau lebih dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html)menghitung jumlah yang berbeda dari operan yang dipartisi oleh atribut tertentu pada tingkat tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html)menghitung maksimum ukuran lebih dari satu atau lebih dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html)minimum ukuran lebih dari satu atau lebih dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html)(alias dari`percentileDiscOver`) menghitung persentil *ke-n* dari ukuran yang dipartisi oleh daftar dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html)menghitung persentil *ke-n* berdasarkan distribusi berkelanjutan dari jumlah ukuran yang dipartisi oleh daftar dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html)menghitung persentil *ke-n* berdasarkan jumlah aktual dari ukuran yang dipartisi oleh daftar dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html)menghitung persentase bahwa suatu ukuran berkontribusi terhadap total.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html)menghitung perbedaan ukuran selama dua periode waktu yang berbeda seperti yang ditentukan oleh granularitas periode dan offset.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html)menghitung nilai terakhir (sebelumnya) dari suatu ukuran dari periode waktu sebelumnya sebagaimana ditentukan oleh granularitas periode dan offset.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html)menghitung perbedaan persen dari suatu ukuran selama dua periode waktu yang berbeda sebagaimana ditentukan oleh granularitas periode dan offset.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html)menghitung rata-rata ukuran untuk perincian waktu tertentu (misalnya, seperempat) hingga satu titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html)menghitung hitungan dimensi atau ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html)menghitung maksimum ukuran atau tanggal untuk perincian waktu tertentu (misalnya, seperempat) hingga satu titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html)menghitung minimum ukuran atau tanggal untuk perincian waktu tertentu (misalnya, seperempat) hingga satu titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html)menghitung jumlah ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html)menghitung jumlah ukuran di atas satu atau lebih dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html)menghitung standar deviasi dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html)menghitung standar deviasi dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan populasi yang bias.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html)menghitung varians dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan sampel.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html)menghitung varians dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan populasi yang bias.
**Fungsi peringkat**
+ [https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html)menghitung peringkat ukuran atau dimensi.
+ [https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html)menghitung peringkat ukuran atau dimensi, mengabaikan duplikat.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html)menghitung peringkat ukuran atau dimensi, berdasarkan persentil.
**Menjalankan fungsi**
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html)menghitung rata-rata berjalan untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html)menghitung hitungan berjalan untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html)menghitung maksimum berjalan untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html)menghitung minimum berjalan untuk suatu ukuran.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html)menghitung jumlah berjalan untuk suatu ukuran.
**Fungsi jendela**
+ [https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html)menghitung nilai pertama dari ukuran agregat atau dimensi yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html)menghitung nilai terakhir dari ukuran agregat atau dimensi yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html)menghitung rata-rata ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html)menghitung jumlah ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html)menghitung maksimum ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html)menghitung minimum ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html)menghitung jumlah ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu.
# Fungsi
Di bagian ini, Anda dapat menemukan daftar fungsi yang tersedia di Amazon Quick. Untuk melihat daftar fungsi yang diurutkan berdasarkan kategori, dengan definisi singkat, lihat [Fungsi berdasarkan kategori](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html).
**Topics**
+ [addDateTime](addDateTime-function.md)
+ [addWorkDays](addWorkDays-function.md)
+ [Abs](abs-function.md)
+ [Ceil](ceil-function.md)
+ [Coalesce](coalesce-function.md)
+ [Concat](concat-function.md)
+ [contains](contains-function.md)
+ [decimalToInt](decimalToInt-function.md)
+ [dateDiff](dateDiff-function.md)
+ [endsWith](endsWith-function.md)
+ [epochDate](epochDate-function.md)
+ [Exp](exp-function.md)
+ [Extract](extract-function.md)
+ [Floor](floor-function.md)
+ [formatDate](formatDate-function.md)
+ [Ifelse](ifelse-function.md)
+ [in](in-function.md)
+ [intToDecimal](intToDecimal-function.md)
+ [isNotNull](isNotNull-function.md)
+ [isNull](isNull-function.md)
+ [isWorkDay](isWorkDay-function.md)
+ [Left](left-function.md)
+ [Locate](locate-function.md)
+ [Log](log-function.md)
+ [Ln](ln-function.md)
+ [Ltrim](ltrim-function.md)
+ [Mod](mod-function.md)
+ [netWorkDays](netWorkDays-function.md)
+ [Now](now-function.md)
+ [notIn](notIn-function.md)
+ [nullIf](nullIf-function.md)
+ [parseDate](parseDate-function.md)
+ [parseDecimal](parseDecimal-function.md)
+ [parseInt](parseInt-function.md)
+ [parseJson](parseJson-function.md)
+ [Replace](replace-function.md)
+ [Right](right-function.md)
+ [Round](round-function.md)
+ [Rtrim](rtrim-function.md)
+ [Split](split-function.md)
+ [Sqrt](sqrt-function.md)
+ [startsWith](startsWith-function.md)
+ [Strlen](strlen-function.md)
+ [Substring](substring-function.md)
+ [switch](switch-function.md)
+ [toLower](toLower-function.md)
+ [toString](toString-function.md)
+ [toUpper](toUpper-function.md)
+ [trim](trim-function.md)
+ [truncDate](truncDate-function.md)
# addDateTime
`addDateTime`menambah atau mengurangi satuan waktu dari nilai datetime. Misalnya, `addDateTime(2,'YYYY',parseDate('02-JUL-2018', 'dd-MMM-yyyy') )` mengembalikan `02-JUL-2020`. Anda dapat menggunakan fungsi ini untuk melakukan matematika tanggal pada data tanggal dan waktu Anda.
## Sintaksis
```
addDateTime(amount, period, datetime)
```
## Pendapat
*jumlah*
Nilai integer positif atau negatif yang mewakili jumlah waktu yang ingin Anda tambahkan atau kurangi dari bidang datetime yang disediakan.
*periode*
Nilai positif atau negatif yang mewakili jumlah waktu yang ingin Anda tambahkan atau kurangi dari bidang datetime yang disediakan. Periode yang valid adalah sebagai berikut:
+ YYYY: Ini mengembalikan bagian tahun dari tanggal tersebut.
+ T: Ini mengembalikan kuartal yang menjadi tanggal (1-4).
+ MM: Ini mengembalikan bagian bulan dari tanggal tersebut.
+ DD: Ini mengembalikan bagian hari dari tanggal tersebut.
+ WK: Ini mengembalikan bagian minggu dari tanggal tersebut. Minggu dimulai pada hari Minggu di Amazon Quick.
+ HH: Ini mengembalikan porsi jam dari tanggal tersebut.
+ MI: Ini mengembalikan bagian menit dari tanggal tersebut.
+ SS: Ini mengembalikan bagian kedua dari tanggal.
+ MS: Ini mengembalikan bagian milidetik dari tanggal.
*datetime*
Tanggal atau waktu yang Anda inginkan untuk melakukan matematika tanggal.
## Jenis pengembalian
Datetime
## Contoh
Katakanlah Anda memiliki bidang yang disebut `purchase_date` yang memiliki nilai-nilai berikut.
```
2018 May 13 13:24
2017 Jan 31 23:06
2016 Dec 28 06:45
```
Menggunakan perhitungan berikut, `addDateTime` memodifikasi nilai-nilai seperti yang ditunjukkan berikut.
```
addDateTime(-2, 'YYYY', purchaseDate)
2016 May 13 13:24
2015 Jan 31 23:06
2014 Dec 28 06:45
addDateTime(4, 'DD', purchaseDate)
2018 May 17 13:24
2017 Feb 4 23:06
2017 Jan 1 06:45
addDateTime(20, 'MI', purchaseDate)
2018 May 13 13:44
2017 Jan 31 23:26
2016 Dec 28 07:05
```
# addWorkDays
`addWorkDays`Menambahkan atau mengurangi jumlah hari kerja yang ditentukan ke nilai tanggal tertentu. Fungsi mengembalikan tanggal untuk hari kerja, yang jatuh hari kerja yang ditentukan setelah atau sebelum nilai tanggal input yang diberikan.
## Sintaksis
```
addWorkDays(initDate, numWorkDays)
```
## Pendapat
*InitDate*
Tanggal non-Null valid yang bertindak sebagai tanggal mulai untuk perhitungan.
+ **Bidang dataset** - `date` Bidang apa pun dari kumpulan data yang Anda tambahkan fungsi ini.
+ **Fungsi tanggal** - Setiap keluaran tanggal dari `date` fungsi lain, misalnya`parseDate`,`epochDate`,`addDateTime`., dan sebagainya.
**Example**
```
addWorkDays(epochDate(1659484800), numWorkDays)
```
+ **Bidang terhitung** - Setiap bidang dihitung cepat yang mengembalikan `date` nilai.
**Example**
```
calcFieldStartDate = addDateTime(10, “DD”, startDate)
addWorkDays(calcFieldStartDate, numWorkDays)
```
+ **Parameter** - Setiap `datetime` parameter Cepat.
**Example**
```
addWorkDays($paramStartDate, numWorkDays)
```
+ Setiap kombinasi dari nilai-nilai argumen yang dinyatakan di atas.
*numWorkDays*
Sebuah integer non-Null yang bertindak sebagai tanggal akhir untuk perhitungan.
+ **Literal** — Sebuah literal integer langsung diketik dalam editor ekspresi.
**Example**
```
```
+ **Bidang dataset** - Setiap bidang tanggal dari kumpulan data
**Example**
```
```
+ **Fungsi atau perhitungan skalar** — Fungsi cepat skalar apa pun yang mengembalikan output integer dari yang lain, misalnya `decimalToInt``abs`, dan seterusnya.
**Example**
```
addWorkDays(initDate, decimalToInt(sqrt (abs(numWorkDays)) ) )
```
+ **Bidang terhitung** - Setiap bidang dihitung cepat yang mengembalikan `date` nilai.
**Example**
```
someOtherIntegerCalcField = (num_days * 2) + 12
addWorkDays(initDate, someOtherIntegerCalcField)
```
+ **Parameter** - Setiap `datetime` parameter Cepat.
**Example**
```
addWorkDays(initDate, $param_numWorkDays)
```
+ Setiap kombinasi dari nilai-nilai argumen yang dinyatakan di atas.
## Jenis pengembalian
Bilangan Bulat
## Nilai Ouptut
Nilai output yang diharapkan meliputi:
+ Bilangan bulat positif (ketika start\$1date < end\$1date)
+ Integer negatif (ketika start\$1date > end\$1date)
+ NULL ketika salah satu atau kedua argumen mendapatkan nilai null dari. `dataset field`
## Kesalahan masukan
Nilai argumen yang tidak diizinkan menyebabkan kesalahan, seperti yang ditunjukkan pada contoh berikut.
+ Menggunakan NULL literal sebagai argumen dalam ekspresi tidak diizinkan.
**Example**
```
addWorkDays(NULL, numWorkDays)
```
**Example**
```
Error
At least one of the arguments in this function does not have correct type.
Correct the expression and choose Create again.
```
+ Menggunakan string literal sebagai argumen, atau tipe data lain selain tanggal, dalam ekspresi tidak diizinkan. Dalam contoh berikut, string **"2022-08-10"** terlihat seperti tanggal, tetapi sebenarnya adalah string. Untuk menggunakannya, Anda harus menggunakan fungsi yang mengonversi ke tipe data tanggal.
**Example**
```
addWorkDays("2022-08-10", 10)
```
**Example**
```
Error
Expression addWorkDays("2022-08-10", numWorkDays) for function addWorkDays has
incorrect argument type addWorkDays(String, Number).
Function syntax expects Date, Integer.
```
## Contoh
Sebuah integer positif sebagai `numWorkDays` argumen akan menghasilkan tanggal di masa depan tanggal input. Sebuah integer negatif sebagai `numWorkDays` argumen akan menghasilkan tanggal yang dihasilkan di masa lalu dari tanggal input. Nilai nol untuk `numWorkDays` argumen menghasilkan nilai yang sama dengan tanggal input apakah itu jatuh pada hari kerja atau akhir pekan.
`addWorkDays`Fungsi beroperasi pada granularitas:. `DAY` Akurasi tidak dapat dipertahankan pada setiap granularitas yang lebih rendah atau lebih tinggi dari `DAY` tingkat.
```
addWorkDays(startDate, endDate)
```
Mari kita asumsikan ada bidang bernama `employmentStartDate` dengan nilai-nilai berikut:
```
2022-08-10 2022-08-06 2022-08-07
```
Menggunakan bidang di atas dan perhitungan berikut, `addWorkDays` mengembalikan nilai-nilai yang dimodifikasi seperti yang ditunjukkan di bawah ini:
```
addWorkDays(employmentStartDate, 7)
2022-08-19
2022-08-16
2022-08-16
addWorkDays(employmentStartDate, -5)
2022-08-02
2022-08-01
2022-08-03
addWorkDays(employmentStartDate, 0)
2022-08-10
2022-08-06
2022-08-07
```
Contoh berikut menghitung total bonus pro-rated yang harus dibayarkan kepada setiap karyawan selama 2 tahun berdasarkan berapa hari setiap karyawan benar-benar bekerja.
```
last_day_of_work = addWorkDays(employment_start_date, 730)
total_days_worked = netWorkDays(employment_start_date, last_day_of_work)
total_bonus = total_days_worked * bonus_per_day
```
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/addWorkDays-function-example.png)
# Abs
`abs`mengembalikan nilai absolut dari ekspresi yang diberikan.
## Sintaksis
```
abs(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus numerik. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
# Ceil
`ceil`membulatkan nilai desimal ke bilangan bulat tertinggi berikutnya. Misalnya, `ceil(29.02)` mengembalikan `30`.
## Sintaksis
```
ceil(decimal)
```
## Pendapat
*desimal*
Bidang yang menggunakan tipe data desimal, nilai literal seperti**17.62**, atau panggilan ke fungsi lain yang mengeluarkan desimal.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut membulatkan bidang desimal ke bilangan bulat tertinggi berikutnya.
```
ceil(salesAmount)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.13
892.03
57.54
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
21
893
58
```
# Coalesce
`coalesce`mengembalikan nilai argumen pertama yang tidak null. Ketika nilai non-null ditemukan, argumen yang tersisa dalam daftar tidak dievaluasi. Jika semua argumen adalah nol, hasilnya adalah nol. String 0-panjang adalah nilai yang valid dan tidak dianggap setara dengan null.
## Sintaksis
```
coalesce(expression1, expression2 [, expression3, ...])
```
## Pendapat
`coalesce`mengambil dua atau lebih ekspresi sebagai argumen. Semua ekspresi harus memiliki tipe data yang sama atau dapat secara implisit dilemparkan ke tipe data yang sama.
*ekspresi*
Ekspresi dapat berupa numerik, datetime, atau string. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
## Jenis pengembalian
`coalesce`mengembalikan nilai dari tipe data yang sama sebagai argumen masukan.
## Contoh
Contoh berikut mengambil alamat penagihan pelanggan jika ada, alamat jalannya jika tidak ada alamat penagihan, atau mengembalikan “Tidak ada alamat yang terdaftar” jika tidak ada alamat yang tersedia.
```
coalesce(billingAddress, streetAddress, 'No address listed')
```
# Concat
`concat`menggabungkan dua atau lebih string.
## Sintaksis
```
concat(expression1, expression2 [, expression3 ...])
```
## Pendapat
`concat`mengambil dua atau lebih ekspresi string sebagai argumen.
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut menggabungkan tiga bidang string dan menambahkan spasi yang sesuai.
```
concat(salutation, ' ', firstName, ' ', lastName)
```
Berikut ini adalah nilai bidang yang diberikan.
```
salutation firstName lastName
-------------------------------------------------------
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
Contoh berikut menggabungkan dua string literal.
```
concat('Hello', 'world')
```
Nilai berikut dikembalikan.
```
Helloworld
```
# contains
`contains`mengevaluasi apakah substring yang Anda tentukan ada dalam ekspresi. Jika ekspresi berisi substring, berisi mengembalikan true, dan jika tidak maka mengembalikan false.
## Sintaksis
```
contains(expression, substring, string-comparison-mode)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*substring*
Kumpulan karakter untuk memeriksa *ekspresi*. Substring dapat terjadi satu kali atau lebih dalam *ekspresi*.
*string-comparison-mode*
(Opsional) Menentukan mode perbandingan string untuk menggunakan:
+ `CASE_SENSITIVE`— Perbandingan string peka huruf besar/kecil.
+ `CASE_INSENSITIVE`— Perbandingan string tidak peka huruf besar/kecil.
Nilai ini default saat kosong. `CASE_SENSITIVE`
## Jenis pengembalian
Boolean
## Contoh
### Contoh case sensitive default
Contoh case sensitive berikut mengevaluasi jika `state_nm` mengandung**New**.
```
contains(state_nm, "New")
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
false
```
### Contoh tidak peka huruf besar/kecil
Contoh case insensitive berikut mengevaluasi jika `state_nm` mengandung. **new**
```
contains(state_nm, "new", CASE_INSENSITIVE)
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
true
```
### Contoh dengan pernyataan bersyarat
[https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html)
Contoh berikut `Sales` hanya dijumlahkan jika `state_nm` berisi**New**.
```
sumIf(Sales,contains(state_nm, "New"))
```
### Tidak mengandung contoh
`NOT`Operator bersyarat dapat digunakan untuk mengevaluasi jika ekspresi tidak mengandung substring yang ditentukan.
```
NOT(contains(state_nm, "New"))
```
### Contoh menggunakan nilai numerik
Nilai numerik dapat digunakan dalam ekspresi atau substring argumen dengan menerapkan fungsi. `toString`
```
contains(state_nm, toString(5) )
```
# decimalToInt
`decimalToInt`mengubah nilai desimal ke tipe data integer dengan menghapus titik desimal dan angka apa pun setelahnya. `decimalToInt`tidak membulatkan. Misalnya, `decimalToInt(29.99)` mengembalikan `29`.
## Sintaksis
```
decimalToInt(decimal)
```
## Pendapat
*desimal*
Bidang yang menggunakan tipe data desimal, nilai literal seperti**17.62**, atau panggilan ke fungsi lain yang mengeluarkan desimal.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengkonversi bidang desimal ke integer.
```
decimalToInt(salesAmount)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.13
892.03
57.54
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
20
892
57
```
# dateDiff
`dateDiff`mengembalikan selisih hari antara dua bidang tanggal. Jika Anda menyertakan nilai untuk periode tersebut, `dateDiff` mengembalikan selisih interval periode, bukan dalam hari.
## Sintaksis
```
dateDiff(date1, date2,[period])
```
## Pendapat
`dateDiff`mengambil dua tanggal sebagai argumen. Menentukan periode adalah opsional.
*tanggal 1*
Kencan pertama dalam perbandingan. Kolom tanggal atau panggilan ke fungsi lain yang menampilkan tanggal.
*tanggal 2*
Tanggal kedua dalam perbandingan. Kolom tanggal atau panggilan ke fungsi lain yang menampilkan tanggal.
*periode*
Periode perbedaan yang ingin Anda kembalikan, terlampir dalam tanda kutip. Periode yang valid adalah sebagai berikut:
+ YYYY: Ini mengembalikan bagian tahun dari tanggal tersebut.
+ T: Ini mengembalikan tanggal hari pertama kuartal tanggal tersebut.
+ MM: Ini mengembalikan bagian bulan dari tanggal tersebut.
+ DD: Ini mengembalikan bagian hari dari tanggal tersebut.
+ WK: Ini mengembalikan bagian minggu dari tanggal tersebut. Minggu dimulai pada hari Minggu di Amazon Quick.
+ HH: Ini mengembalikan porsi jam dari tanggal.
+ MI: Ini mengembalikan bagian menit dari tanggal.
+ SS: Ini mengembalikan bagian kedua dari tanggal.
+ MS: Ini mengembalikan bagian milidetik dari tanggal.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengembalikan perbedaan antara dua tanggal.
```
dateDiff(orderDate, shipDate, "MM")
```
Berikut ini adalah nilai bidang yang diberikan.
```
orderDate shipdate
=============================
01/01/18 03/05/18
09/13/17 10/20/17
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
2
1
```
# endsWith
`endsWith`mengevaluasi jika ekspresi berakhir dengan substring yang Anda tentukan. Jika ekspresi berakhir dengan substring, `endsWith` mengembalikan true, dan jika tidak maka mengembalikan false.
## Sintaksis
```
endsWith(expression, substring, string-comparison-mode)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*substring*
Kumpulan karakter untuk memeriksa *ekspresi*. Substring dapat terjadi satu kali atau lebih dalam *ekspresi*.
*string-comparison-mode*
(Opsional) Menentukan mode perbandingan string untuk menggunakan:
+ `CASE_SENSITIVE`— Perbandingan string peka huruf besar/kecil.
+ `CASE_INSENSITIVE`— Perbandingan string tidak peka huruf besar/kecil.
Nilai ini defaultnya saat kosong. `CASE_SENSITIVE`
## Jenis pengembalian
Boolean
## Contoh
### Contoh case sensitive default
Contoh case sensitive berikut mengevaluasi jika `state_nm` **"York"** endsWith.
```
endsWith(state_nm, "York")
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
false
```
### Contoh tidak peka huruf besar/kecil
Contoh case insensitive berikut mengevaluasi jika `state_nm` endsWith. **"york"**
```
endsWith(state_nm, "york", CASE_INSENSITIVE)
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
true
```
### Contoh dengan pernyataan bersyarat
`endsWith`[https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html)
Contoh berikut `Sales` hanya dijumlahkan jika `state_nm` diakhiri dengan**"York"**.
```
sumIf(Sales,endsWith(state_nm, "York"))
```
### Tidak mengandung contoh
`NOT`Operator bersyarat dapat digunakan untuk mengevaluasi jika ekspresi tidak dimulai dengan substring yang ditentukan.
```
NOT(endsWith(state_nm, "York"))
```
### Contoh menggunakan nilai numerik
Nilai numerik dapat digunakan dalam ekspresi atau substring argumen dengan menerapkan fungsi. `toString`
```
endsWith(state_nm, toString(5) )
```
# epochDate
`epochDate`**[mengubah tanggal epoch menjadi tanggal standar dalam format YYYY-MM-DD **T** KK:mm: SS.sss Z, menggunakan sintaks pola format yang ditentukan dalam Kelas dalam dokumentasi proyek Joda. DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html)** Contohnya adalah `2015-10-15T19:11:51.003Z`.
`epochDate`didukung untuk digunakan dengan analisis berdasarkan kumpulan data yang disimpan di Quick (). SPICE
## Sintaksis
```
epochDate(epochdate)
```
## Pendapat
*epokdat*
Tanggal epoch, yang merupakan representasi bilangan bulat dari tanggal sebagai jumlah detik sejak 00:00:00 UTC pada 1 Januari 1970.
*epochdate* harus berupa bilangan bulat. Ini bisa berupa nama bidang yang menggunakan tipe data integer, nilai integer literal, atau panggilan ke fungsi lain yang mengeluarkan bilangan bulat. Jika nilai integer lebih panjang dari 10 digit, digit setelah tempat ke-10 dibuang.
## Jenis pengembalian
Date
## Contoh
Contoh berikut mengonversi tanggal epoch menjadi tanggal standar.
```
epochDate(3100768000)
```
Nilai berikut dikembalikan.
```
2068-04-04T12:26:40.000Z
```
# Exp
`exp`mengembalikan dasar log alami e dinaikkan ke kekuatan ekspresi yang diberikan.
## Sintaksis
```
exp(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus numerik. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
# Extract
`extract`mengembalikan bagian tertentu dari nilai tanggal. Meminta bagian terkait waktu dari tanggal yang tidak berisi informasi waktu mengembalikan 0.
## Sintaksis
```
extract(period, date)
```
## Pendapat
*periode*
Periode yang ingin Anda ekstrak dari nilai tanggal. Periode yang valid adalah sebagai berikut:
+ YYYY: Ini mengembalikan bagian tahun dari tanggal tersebut.
+ T: Ini mengembalikan kuartal yang menjadi tanggal (1-4).
+ MM: Ini mengembalikan bagian bulan dari tanggal tersebut.
+ DD: Ini mengembalikan bagian hari dari tanggal tersebut.
+ WD: Ini mengembalikan hari dalam seminggu sebagai bilangan bulat, dengan hari Minggu sebagai 1.
+ HH: Ini mengembalikan porsi jam dari tanggal.
+ MI: Ini mengembalikan bagian menit dari tanggal.
+ SS: Ini mengembalikan bagian kedua dari tanggal.
+ MS: Ini mengembalikan bagian milidetik dari tanggal.
**catatan**
Mengekstrak milidetik tidak didukung dalam database Presto di bawah versi 0.216.
*tanggal*
Kolom tanggal atau panggilan ke fungsi lain yang menampilkan tanggal.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengekstrak hari dari nilai tanggal.
```
extract('DD', orderDate)
```
Berikut ini adalah nilai bidang yang diberikan.
```
orderDate
=========
01/01/14
09/13/16
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
01
13
```
# Floor
`floor`mengurangi nilai desimal ke bilangan bulat terendah berikutnya. Misalnya, `floor(29.08)` mengembalikan `29`.
## Sintaksis
```
floor(decimal)
```
## Pendapat
*desimal*
Bidang yang menggunakan tipe data desimal, nilai literal seperti**17.62**, atau panggilan ke fungsi lain yang mengeluarkan desimal.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengurangi bidang desimal ke bilangan bulat terendah berikutnya.
```
floor(salesAmount)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.13
892.03
57.54
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
20
892
57
```
# formatDate
`formatDate`memformat tanggal menggunakan pola yang Anda tentukan. Saat Anda menyiapkan data, Anda dapat menggunakan `formatDate` untuk memformat ulang tanggal. Untuk memformat ulang tanggal dalam analisis, Anda memilih opsi format dari menu konteks pada bidang tanggal.
## Sintaksis
```
formatDate(date, ['format'])
```
## Pendapat
*tanggal*
Kolom tanggal atau panggilan ke fungsi lain yang menampilkan tanggal.
*format*
(Opsional) String yang berisi pola format untuk diterapkan. Argumen ini menerima pola format yang ditentukan dalam [format tanggal yang didukung](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html).
**Jika Anda tidak menentukan format, string ini default ke YYYY-MM-DD T KK:mm:ss:SSS.**
## Jenis pengembalian
String
## Contoh
Contoh berikut memformat tanggal UTC.
```
formatDate(orderDate, 'dd-MMM-yyyy')
```
Berikut ini adalah nilai bidang yang diberikan.
```
order date
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
13 Dec 2012
28 Dec 2013
14 Nov 2012
```
## Contoh
Jika tanggal berisi tanda kutip atau apostrof tunggal, misalnya`yyyyMMdd'T'HHmmss`, Anda dapat menangani format tanggal ini dengan menggunakan salah satu metode berikut.
+ Lampirkan seluruh tanggal dalam tanda kutip ganda, seperti yang ditunjukkan pada contoh berikut:
```
formatDate({myDateField}, "yyyyMMdd'T'HHmmss")
```
+ Lepaskan tanda kutip atau apostrof tunggal dengan menambahkan garis miring terbalik (`\`) di sebelah kiri tanda kutip atau apostrof, seperti yang ditunjukkan pada contoh berikut:
```
formatDate({myDateField}, 'yyyyMMdd\'T\'HHmmss')
```
# Ifelse
`ifelse`mengevaluasi satu set *if*, *maka* pasangan ekspresi, dan mengembalikan nilai argumen *then* untuk argumen *if* pertama yang mengevaluasi ke true. Jika tidak ada argumen *if* yang dievaluasi menjadi true, maka nilai argumen *else* dikembalikan.
## Sintaksis
```
ifelse(if-expression-1, then-expression-1 [, if-expression-n, then-expression-n ...], else-expression)
```
## Pendapat
`ifelse`membutuhkan satu atau lebih *if*, *maka* pasangan ekspresi, dan membutuhkan tepat satu ekspresi untuk argumen *else*.
*jika-ekspresi*
Ekspresi yang akan dievaluasi sebagai benar atau tidak. Ini bisa berupa nama bidang seperti**address1**, nilai literal seperti**'Unknown'**, atau fungsi lain seperti`toString(salesAmount)`. Contohnya adalah `isNotNull(FieldName)`.
Jika Anda menggunakan beberapa operator AND dan OR dalam `if` argumen, lampirkan pernyataan dalam tanda kurung untuk mengidentifikasi urutan pemrosesan. Misalnya, `if` argumen berikut mengembalikan catatan dengan bulan 1, 2, atau 5 dan tahun 2000.
```
ifelse((month = 5 OR month < 3) AND year = 2000, 'yes', 'no')
```
`if`Argumen berikutnya menggunakan operator yang sama, tetapi mengembalikan catatan dengan bulan 5 dan tahun apa pun, atau dengan bulan 1 atau 2 dan satu tahun 2000.
```
ifelse(month = 5 OR (month < 3 AND year = 2000), 'yes', 'no')
```
*kemudian ekspresi*
Ekspresi untuk kembali *jika argumen if* dievaluasi sebagai benar. Ini bisa berupa nama bidang seperti**address1**, nilai literal seperti**'Unknown'**, atau panggilan ke fungsi lain. Ekspresi harus memiliki tipe data yang sama dengan `then` argumen dan `else` argumen lainnya.
*ekspresi orang lain*
Ekspresi untuk kembali jika tidak ada argumen *if* yang dievaluasi sebagai benar. Ini bisa berupa nama bidang seperti**address1**, nilai literal seperti**'Unknown'**, atau fungsi lain seperti`toString(salesAmount)`. Ekspresi harus memiliki tipe data yang sama dengan semua `then` argumen.
## Jenis pengembalian
`ifelse`mengembalikan nilai tipe data yang sama dengan nilai dalam ekspresi *saat itu*. Semua data yang dikembalikan *kemudian* dan ekspresi *lain* harus dari tipe data yang sama atau dikonversi ke tipe data yang sama.
## Contoh
Contoh berikut menghasilkan kolom alias untuk bidang`country`.
```
ifelse(country = "United States", "US", country = "China", "CN", country = "India", "IN", "Others")
```
Untuk kasus penggunaan seperti mengevaluasi setiap nilai dalam bidang terhadap daftar literal, dan mengembalikan hasil yang sesuai dengan nilai pencocokan pertama., sakelar fungsi disarankan untuk menyederhanakan pekerjaan Anda. Contoh sebelumnya dapat ditulis ulang ke pernyataan berikut menggunakan [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html):
```
switch(country,"United States","US","China","CN","India","IN","Others")
```
Contoh berikut mengkategorikan penjualan per pelanggan ke dalam tingkat yang dapat dibaca manusia.
```
ifelse(salesPerCustomer < 1000, “VERY_LOW”, salesPerCustomer < 10000, “LOW”, salesPerCustomer < 100000, “MEDIUM”, “HIGH”)
```
Contoh berikut menggunakan AND, OR, dan TIDAK untuk membandingkan beberapa ekspresi menggunakan operator bersyarat untuk menandai pelanggan teratas TIDAK di Washington atau Oregon dengan promosi khusus, yang membuat lebih dari 10 pesanan. Jika tidak ada nilai yang dikembalikan, nilainya `'n/a'` digunakan.
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
Contoh berikut hanya menggunakan OR untuk menghasilkan kolom baru yang berisi nama benua yang sesuai dengan masing-masing`country`.
```
ifelse(country = "United States" OR country = "Canada", "North America", country = "China" OR country = "India" OR country = "Japan", "Asia", "Others")
```
Contoh sebelumnya dapat disederhanakan seperti yang ditunjukkan pada contoh berikutnya. Contoh berikut menggunakan `ifelse` dan [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html)untuk membuat nilai dalam kolom baru untuk setiap baris di mana nilai diuji dalam daftar literal. Anda bisa menggunakannya `ifelse` [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html)juga.
```
ifelse(in(country,["United States", "Canada"]), "North America", in(country,["China","Japan","India"]),"Asia","Others")
```
Penulis dapat menyimpan daftar literal dalam parameter multivalue dan menggunakannya dalam fungsi [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html)atau [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html). Contoh berikut adalah setara dengan contoh sebelumnya, kecuali bahwa daftar literal disimpan dalam dua parameter multivalue.
```
ifelse(in(country,${NorthAmericaCountryParam}), "North America", in(country,${AsiaCountryParam}),"Asia", "Others")
```
Contoh berikut menetapkan grup ke catatan penjualan berdasarkan total penjualan. Struktur setiap `if-then` frase meniru perilaku *antara*, kata kunci yang saat ini tidak berfungsi dalam ekspresi bidang terhitung. Misalnya, hasil perbandingan `salesTotal >= 0 AND salesTotal < 500` mengembalikan nilai yang sama dengan perbandingan `salesTotal between 0 and 499` SQL.
```
ifelse(salesTotal >= 0 AND salesTotal < 500, 'Group 1', salesTotal >= 500 AND salesTotal < 1000, 'Group 2', 'Group 3')
```
Contoh berikut menguji nilai NULL dengan menggunakan `coalesce` untuk mengembalikan nilai non-NULL pertama. Alih-alih perlu mengingat arti NULL di bidang tanggal, Anda dapat menggunakan deskripsi yang dapat dibaca sebagai gantinya. Jika tanggal pemutusan adalah NULL, contoh mengembalikan tanggal penangguhan, kecuali keduanya adalah NULL. Kemudian `coalesce(DiscoDate, SuspendDate, '12/31/2491')` kembali`'12/31/2491'`. Nilai yang dikembalikan harus sesuai dengan tipe data lainnya. Tanggal ini mungkin tampak seperti nilai yang tidak biasa, tetapi tanggal di abad ke-25 secara wajar mensimulasikan “akhir waktu,” yang didefinisikan sebagai tanggal tertinggi dalam data mart.
```
ifelse ( (coalesce(DiscoDate, SuspendDate, '12/31/2491') = '12/31/2491'), 'Active subscriber', 'Inactive subscriber')
```
Berikut ini menunjukkan contoh yang lebih kompleks dalam format yang lebih mudah dibaca, hanya untuk menunjukkan bahwa Anda tidak perlu mengompres kode Anda semua menjadi satu baris panjang. Contoh ini memberikan beberapa perbandingan nilai hasil survei. Ini menangani nilai NULL potensial untuk bidang ini dan mengkategorikan dua rentang yang dapat diterima. Ini juga memberi label satu rentang yang membutuhkan lebih banyak pengujian dan yang lain tidak valid (di luar jangkauan). Untuk semua nilai yang tersisa, ini menerapkan `else` kondisi, dan memberi label baris sebagai membutuhkan pengujian ulang tiga tahun setelah tanggal pada baris itu.
```
ifelse
(
isNull({SurveyResult}), 'Untested',
{SurveyResult}=1, 'Range 1',
{SurveyResult}=2, 'Range 2',
{SurveyResult}=3, 'Need more testing',
{SurveyResult}=99, 'Out of Range',
concat
(
'Retest by ',
toString
(
addDateTime(3, "YYYY", {Date})
)
)
)
```
Contoh berikut memberikan nama wilayah “secara manual” dibuat untuk sekelompok negara bagian. Ini juga menggunakan spasi dan komentar, dibungkus`/* */`, untuk membuatnya lebih mudah untuk mempertahankan kode.
```
ifelse
( /* NE REGION*/
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
'Northeast',
/* SE REGION*/
locate('Georgia, Alabama, South Carolina, Louisiana',{State}) > 0,
'Southeast',
'Other Region'
)
```
Logika untuk penandaan wilayah rusak sebagai berikut:
1. Kami mencantumkan status yang kami inginkan untuk setiap wilayah, melampirkan setiap daftar dalam tanda kutip untuk membuat setiap daftar string, sebagai berikut:
+ `'New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire'`
+ `'Georgia, Alabama, South Carolina, Louisiana'`
+ Anda dapat menambahkan lebih banyak set, atau menggunakan negara, kota, provinsi, atau What3Words jika Anda mau.
1. Kami bertanya apakah nilai untuk `State` (untuk setiap baris) ditemukan dalam daftar, dengan menggunakan `locate` fungsi untuk mengembalikan nilai bukan nol jika keadaan ditemukan dalam daftar, sebagai berikut.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State})
and
locate('Georgia, Alabama, South Carolina, Louisiana',{State})
```
1. `locate`Fungsi mengembalikan angka bukan `TRUE` atau`FALSE`, tetapi `ifelse` membutuhkan nilai`TRUE`/`FALSE`Boolean. Untuk menyiasatinya, kita bisa membandingkan hasilnya `locate` dengan angka. Jika negara ada dalam daftar, nilai pengembalian lebih besar dari nol.
1. Tanyakan apakah negara ada.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0
```
1. Jika ada wilayah tersebut, beri label sebagai wilayah tertentu, dalam hal ini wilayah Timur Laut.
```
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
```
1. Karena kami memiliki status yang tidak ada dalam daftar, dan karena `ifelse` memerlukan satu `else` ekspresi, kami menyediakan `'Other Region'` sebagai label untuk status sisa.
```
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
/*The else expression:*/ 'Other Region'
```
1. Kami membungkus semua itu dalam `ifelse( )` fungsi untuk mendapatkan versi final. Contoh berikut meninggalkan negara bagian wilayah Tenggara yang asli. Anda dapat menambahkannya kembali sebagai pengganti *``* tag.
Jika Anda ingin menambahkan lebih banyak wilayah, Anda dapat membuat lebih banyak salinan dari dua baris tersebut dan mengubah daftar negara agar sesuai dengan tujuan Anda. Anda dapat mengubah nama wilayah menjadi sesuatu yang cocok untuk Anda, dan mengubah nama bidang dari `State` apa pun yang Anda butuhkan.
```
ifelse
(
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
/**/
/*The else expression:*/ 'Other Region'
)
```
**catatan**
Ada cara lain untuk melakukan perbandingan awal untuk ekspresi if. Misalnya, anggaplah Anda mengajukan pertanyaan “Status apa yang tidak hilang dari daftar ini?” daripada “Negara bagian mana yang ada dalam daftar?” Jika Anda melakukannya, Anda mungkin mengungkapkannya secara berbeda. Anda dapat membandingkan pernyataan locate ke nol untuk menemukan nilai yang hilang dari daftar, dan kemudian menggunakan operator NOT untuk mengklasifikasikannya sebagai “tidak hilang,” sebagai berikut.
```
/*The if expression:*/ NOT (locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) = 0),
```
Kedua versi itu benar. Versi yang Anda pilih harus paling masuk akal bagi Anda dan tim Anda, sehingga Anda dapat mempertahankannya dengan mudah. Jika semua opsi tampak sama, pilih yang paling sederhana.
# in
`in`mengevaluasi jika ekspresi ada dalam daftar literal. Jika daftar berisi ekspresi, dalam mengembalikan true, dan sebaliknya mengembalikan false. `in`peka huruf besar/kecil untuk input tipe string.
`in`menerima dua jenis daftar literal, satu secara manual dimasukkan daftar dan yang lainnya adalah parameter [multivalue](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html).
## Sintaksis
Menggunakan daftar yang dimasukkan secara manual:
```
in(expression, [literal-1, ...])
```
Menggunakan parameter multivalue:
```
in(expression, $multivalue_parameter)
```
## Pendapat
*ekspresi*
Ekspresi yang akan dibandingkan dengan unsur-unsur dalam daftar literal. Ini bisa berupa nama bidang seperti`address`, nilai literal seperti '**Unknown**', parameter nilai tunggal, atau panggilan ke fungsi skalar lain—asalkan fungsi ini bukan fungsi agregat atau perhitungan tabel.
*daftar literal*
(wajib) Ini bisa berupa daftar yang dimasukkan secara manual atau parameter multivalue. Argumen ini menerima hingga 5.000 elemen. Namun, dalam kueri langsung ke sumber data pihak ketiga, misalnya Oracle atau Teradata, batasannya bisa lebih kecil.
+ ***daftar yang dimasukkan secara manual*** - Satu atau lebih nilai literal dalam daftar untuk dibandingkan dengan ekspresi. Daftar harus dilampirkan dalam tanda kurung siku. Semua literal untuk membandingkan harus memiliki tipe data yang sama dengan ekspresi.
+ parameter ***multivalue — Parameter*** multivalue yang telah ditentukan sebelumnya diteruskan sebagai daftar literal. Parameter multivalue harus memiliki tipe data yang sama dengan ekspresi.
## Jenis pengembalian
Boolean: BENAR/SALAH
## Contoh dengan daftar statis
Contoh berikut mengevaluasi `origin_state_name` bidang untuk nilai-nilai dalam daftar string. Saat membandingkan input tipe string, `in` hanya mendukung perbandingan peka huruf besar/kecil.
```
in(origin_state_name,["Georgia", "Ohio", "Texas"])
```
Berikut ini adalah nilai bidang yang diberikan.
```
"Washington"
"ohio"
"Texas"
```
Untuk nilai bidang ini nilai berikut dikembalikan.
```
false
false
true
```
Nilai pengembalian ketiga benar karena hanya “Texas” adalah salah satu nilai yang disertakan.
Contoh berikut mengevaluasi `fl_date` bidang untuk nilai-nilai dalam daftar string. Untuk mencocokkan jenisnya, `toString` digunakan untuk mentransmisikan tipe tanggal ke tipe string.
```
in(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Gambar hasil contoh fungsi, ditunjukkan dalam bentuk tabel.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/in-function-example-manual-list.png)
Literal dan nilai NULL didukung dalam argumen ekspresi untuk dibandingkan dengan literal dalam daftar. Kedua dari dua contoh berikut akan menghasilkan kolom baru nilai TRUE.
```
in("Washington",["Washington","Ohio"])
```
```
in(NULL,[NULL,"Ohio"])
```
## Contoh dengan parameter mutivalue
Katakanlah seorang penulis membuat [parameter multivalue](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) yang berisi daftar semua nama negara. Kemudian penulis menambahkan kontrol untuk memungkinkan pembaca memilih nilai dari daftar.
Selanjutnya, pembaca memilih tiga nilai — “Georgia”, “Ohio”, dan “Texas” — dari kontrol daftar drop-down parameter. Dalam hal ini, ekspresi berikut setara dengan contoh pertama, di mana ketiga nama negara dilewatkan sebagai daftar literal untuk dibandingkan dengan `original_state_name` bidang.
```
in (origin_state_name, ${stateName MultivalueParameter})
```
## Contoh dengan `ifelse`
`in`dapat bersarang di fungsi lain sebagai nilai boolean. Salah satu contohnya adalah bahwa penulis dapat mengevaluasi ekspresi apa pun dalam daftar dan mengembalikan nilai yang mereka inginkan dengan menggunakan `in` dan`ifelse`. Contoh berikut mengevaluasi apakah penerbangan berada dalam daftar negara bagian AS tertentu dan mengembalikan kategori negara bagian yang berbeda berdasarkan perbandingan. `dest_state_name`
```
ifelse(in(dest_state_name,["Washington", "Oregon","California"]), "WestCoastUSState", "Other US State")
```
![\[Gambar hasil contoh fungsi, ditunjukkan dalam bentuk tabel.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/in-function-with-ifelse.png)
# intToDecimal
`intToDecimal`mengkonversi nilai integer ke tipe data desimal.
## Sintaksis
```
intToDecimal(integer)
```
## Pendapat
*int*
Bidang yang menggunakan tipe data integer, nilai literal seperti**14**, atau panggilan ke fungsi lain yang mengeluarkan integer.
## Jenis pengembalian
Desimal (Tetap) dalam pengalaman persiapan data lama.
Desimal (Float) dalam pengalaman persiapan data baru.
## Contoh
Contoh berikut mengkonversi bidang integer ke desimal.
```
intToDecimal(price)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20
892
57
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
20.0
892.0
58.0
```
Anda dapat menerapkan pemformatan di dalam analisis, misalnya untuk memformat `price` sebagai mata uang.
# isNotNull
`isNotNull`mengevaluasi ekspresi untuk melihat apakah itu bukan nol. Jika ekspresi tidak null, `isNotNull` mengembalikan true, dan sebaliknya mengembalikan false.
## Sintaksis
```
isNotNull(expression)
```
## Pendapat
*ekspresi*
Ekspresi yang akan dievaluasi sebagai nol atau tidak. Ini bisa berupa nama bidang seperti **address1** atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
Boolean
## Contoh
Contoh berikut mengevaluasi bidang sales\$1amount untuk nilai null.
```
isNotNull(salesAmount)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.13
(null)
57.54
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
false
true
```
# isNull
`isNull`mengevaluasi ekspresi untuk melihat apakah itu nol. Jika ekspresi adalah null, `isNull` mengembalikan true, dan jika tidak maka mengembalikan false.
## Sintaksis
```
isNull(expression)
```
## Pendapat
*ekspresi*
Ekspresi yang akan dievaluasi sebagai nol atau tidak. Ini bisa berupa nama bidang seperti **address1** atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
Boolean
## Contoh
Contoh berikut mengevaluasi bidang sales\$1amount untuk nilai null.
```
isNull(salesAmount)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.13
(null)
57.54
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
false
true
false
```
Contoh berikut menguji nilai NULL dalam sebuah `ifelse` pernyataan, dan mengembalikan nilai yang dapat dibaca manusia sebagai gantinya.
```
ifelse( isNull({ActiveFlag}) , 'Inactive', 'Active')
```
# isWorkDay
`isWorkDay`mengevaluasi nilai tanggal-waktu tertentu untuk menentukan apakah nilainya adalah hari kerja atau tidak.
`isWorkDay`mengasumsikan standar 5 hari kerja seminggu mulai dari Senin dan berakhir pada hari Jumat. Sabtu dan Minggu diasumsikan sebagai akhir pekan. Fungsi selalu menghitung hasilnya pada `DAY` perincian dan tidak termasuk tanggal input yang diberikan.
## Sintaksis
```
isWorkDay(inputDate)
```
## Pendapat
*InputDate*
Nilai tanggal-waktu yang ingin Anda evaluasi. Nilai yang valid adalah sebagai berikut:
+ Bidang dataset: `date` Bidang apa pun dari kumpulan data yang Anda tambahkan fungsi ini.
+ Fungsi Tanggal: Setiap keluaran tanggal dari `date` fungsi lain, misalnya,`parseDate`.
+ Bidang terhitung: Setiap bidang terhitung cepat yang mengembalikan `date` nilai.
+ Parameter: Setiap `DateTime` parameter Cepat.
## Jenis pengembalian
Integer (`0`atau`1`)
## Contoh
Exaple berikut menentukan apakah `application_date` bidang tersebut adalah hari kerja atau tidak.
Mari kita asumsikan bahwa ada bidang bernama `application_date` dengan nilai-nilai berikut:
```
2022-08-10
2022-08-06
2022-08-07
```
Bila Anda menggunakan bidang ini dan menambahkan perhitungan berikut, `isWorkDay` mengembalikan nilai-nilai di bawah ini:
```
isWorkDay({application_date})
1
0
0
```
Contoh berikut menyaring karyawan yang pekerjaannya berakhir pada hari kerja dan menentukan apakah pekerjaan mereka dimulai pada hari kerja atau akhir pekan menggunakan format bersyarat:
```
is_start_date_work_day = isWorkDay(employment_start_date)
is_end_date_work_day = isWorkDay(employment_end_date)
```
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/isWorkDay-example.png)
# Left
`left`mengembalikan karakter paling kiri dari string, termasuk spasi. Anda menentukan jumlah karakter yang akan dikembalikan.
## Sintaksis
```
left(expression, limit)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*membatasi*
Jumlah karakter yang akan dikembalikan dari *ekspresi*, mulai dari karakter pertama dalam string.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengembalikan 3 karakter pertama dari string.
```
left('Seattle Store #14', 3)
```
Nilai berikut dikembalikan.
```
Sea
```
# Locate
`locate`menempatkan substring yang Anda tentukan dalam string lain, dan mengembalikan jumlah karakter sampai karakter pertama dalam substring. Fungsi mengembalikan 0 jika tidak menemukan substring. Fungsinya berbasis 1.
## Sintaksis
```
locate(expression, substring, start)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*substring*
Kumpulan karakter dalam *ekspresi* yang ingin Anda temukan. Substring dapat terjadi satu kali atau lebih dalam *ekspresi*.
*mulai*
(Opsional) Jika *substring* terjadi lebih dari sekali, gunakan *start* untuk mengidentifikasi di mana dalam string fungsi harus mulai mencari substring. Misalnya, Anda ingin menemukan contoh kedua substring dan Anda pikir itu biasanya terjadi setelah 10 karakter pertama. Anda menentukan nilai *awal* 10. Ini harus dimulai dari 1.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengembalikan informasi tentang di mana kejadian pertama substring 'dan' muncul dalam string.
```
locate('1 and 2 and 3 and 4', 'and')
```
Nilai berikut dikembalikan.
```
3
```
Contoh berikut mengembalikan informasi tentang di mana kejadian pertama substring 'dan' muncul dalam string setelah karakter keempat.
```
locate('1 and 2 and 3 and 4', 'and', 4)
```
Nilai berikut dikembalikan.
```
9
```
# Log
`log`mengembalikan logaritma basis 10 dari ekspresi yang diberikan.
## Sintaksis
```
log(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus numerik. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
# Ln
`ln`mengembalikan logaritma natural dari ekspresi yang diberikan.
## Sintaksis
```
ln(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus numerik. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
# Ltrim
`ltrim`menghapus ruang kosong sebelumnya dari string.
## Sintaksis
```
ltrim(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut menghapus spasi sebelumnya dari string.
```
ltrim(' Seattle Store #14')
```
Nilai berikut dikembalikan.
```
Seattle Store #14
```
# Mod
Gunakan `mod` fungsi untuk menemukan sisanya setelah membagi angka dengan pembagi. Anda dapat menggunakan `mod` fungsi atau operator modulo (%) secara bergantian.
## Sintaksis
```
mod(number, divisor)
```
```
number%divisor
```
## Pendapat
*jumlah*
Angka adalah bilangan bulat positif yang ingin Anda bagi dan temukan sisanya.
*pembagi*
Pembagi adalah bilangan bulat positif yang Anda bagi dengan. Jika pembagi adalah nol, fungsi ini mengembalikan kesalahan pada pembagian dengan 0.
## Contoh
Contoh berikut mengembalikan modulo 17 ketika membagi dengan 6. Contoh pertama menggunakan operator%, dan contoh kedua menggunakan fungsi mod.
```
17%6
```
```
mod( 17, 6 )
```
Nilai berikut dikembalikan.
```
5
```
# netWorkDays
`netWorkDays`mengembalikan jumlah hari kerja antara dua bidang tanggal yang disediakan atau bahkan nilai tanggal kustom yang dihasilkan menggunakan fungsi Tanggal cepat lainnya seperti `parseDate` atau `epochDate` sebagai bilangan bulat.
`netWorkDays`mengasumsikan standar 5 hari kerja seminggu mulai dari Senin dan berakhir pada hari Jumat. Sabtu dan Minggu diasumsikan sebagai akhir pekan. Perhitungannya termasuk keduanya `startDate` dan`endDate`. Fungsi beroperasi dan menunjukkan hasil untuk perincian HARI.
## Sintaksis
```
netWorkDays(startDate, endDate)
```
## Pendapat
*StartDate*
Tanggal non-Null valid yang bertindak sebagai tanggal mulai untuk perhitungan.
+ Bidang dataset: `date` Bidang apa pun dari kumpulan data yang Anda tambahkan fungsi ini.
+ Fungsi Tanggal: Setiap keluaran tanggal dari `date` fungsi lain, misalnya,`parseDate`.
+ Bidang terhitung: Setiap bidang terhitung cepat yang mengembalikan `date` nilai.
+ Parameter: Setiap `DateTime` parameter Cepat.
+ Setiap kombinasi dari nilai-nilai argumen yang dinyatakan di atas.
*EndDate*
Tanggal non-Null valid yang bertindak sebagai tanggal akhir perhitungan.
+ Bidang dataset: `date` Bidang apa pun dari kumpulan data yang Anda tambahkan fungsi ini.
+ Fungsi Tanggal: Setiap keluaran tanggal dari `date` fungsi lain, misalnya,`parseDate`.
+ Bidang terhitung: Setiap bidang terhitung cepat yang mengembalikan `date` nilai.
+ Parameter: Setiap `DateTime` parameter Cepat.
+ Setiap kombinasi dari nilai-nilai argumen yang dinyatakan di atas.
## Jenis pengembalian
Bilangan Bulat
## Nilai Ouptut
Nilai output yang diharapkan meliputi:
+ Bilangan bulat positif (ketika start\$1date < end\$1date)
+ Integer negatif (ketika start\$1date > end\$1date)
+ NULL ketika salah satu atau kedua argumen mendapatkan nilai null dari. `dataset field`
## Contoh
Contoh berikut mengembalikan jumlah hari kerja jatuh di antara dua tanggal.
Mari kita asumsikan bahwa ada bidang bernama `application_date` dengan nilai-nilai berikut:
```
netWorkDays({startDate}, {endDate})
```
Berikut ini adalah nilai bidang yang diberikan.
```
startDate endDate netWorkDays
9/4/2022 9/11/2022 5
9/9/2022 9/2/2022 -6
9/10/2022 9/11/2022 0
9/12/2022 9/12/2022 1
```
Contoh berikut menghitung jumlah hari kerja setiap karyawan dan gaji yang dikeluarkan per hari untuk setiap karyawan:
```
days_worked = netWorkDays({employment_start_date}, {employment_end_date})
salary_per_day = {salary}/{days_worked}
```
Contoh berikut menyaring karyawan yang pekerjaannya berakhir pada hari kerja dan menentukan apakah pekerjaan mereka dimulai pada hari kerja atau akhir pekan menggunakan format bersyarat:
```
is_start_date_work_day = netWorkDays(employment_start_date)
is_end_date_work_day = netWorkDays(employment_end_date)
```
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/netWorkDays-function-example.png)
# Now
Untuk dataset database yang langsung query database, `now` mengembalikan tanggal dan waktu saat ini menggunakan pengaturan dan format yang ditentukan oleh database server. Set data for SPICE dan Salesforce, `now` mengembalikan tanggal dan waktu UTC, dalam format `yyyy-MM-ddTkk:mm:ss:SSSZ` (misalnya, 2015-10-15T 19:11:51:003 Z).
## Sintaksis
```
now()
```
## Jenis pengembalian
Date
# notIn
`notIn`mengevaluasi jika ekspresi ada dalam daftar literal. Jika daftar tidak berisi ekspresi, `notIn` mengembalikan true, dan sebaliknya mengembalikan false. `notIn`peka huruf besar/kecil untuk input tipe string.
`notIn`menerima dua jenis daftar literal, satu secara manual dimasukkan daftar dan yang lainnya adalah parameter [multivalue](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html).
## Sintaksis
Menggunakan daftar yang dimasukkan secara manual:
```
notIn(expression, [literal-1, ...])
```
Menggunakan parameter multivalue:
```
notIn(expression, $multivalue_parameter)
```
## Pendapat
*ekspresi*
Ekspresi yang akan dibandingkan dengan unsur-unsur dalam daftar literal. Ini bisa berupa nama bidang seperti`address`, nilai literal seperti '**Unknown**', parameter nilai tunggal, atau panggilan ke fungsi skalar lain—asalkan fungsi ini bukan fungsi agregat atau perhitungan tabel.
*daftar literal*
(wajib) Ini bisa berupa daftar yang dimasukkan secara manual atau parameter multivalue. Argumen ini menerima hingga 5.000 elemen. Namun, dalam kueri langsung ke sumber data pihak ketiga, misalnya Oracle atau Teradata, batasannya bisa lebih kecil.
+ ***daftar yang dimasukkan secara manual*** - Satu atau lebih nilai literal dalam daftar untuk dibandingkan dengan ekspresi. Daftar harus dilampirkan dalam tanda kurung siku. Semua literal untuk membandingkan harus memiliki tipe data yang sama dengan ekspresi.
+ parameter ***multivalue — Parameter*** multivalue yang telah ditentukan sebelumnya diteruskan sebagai daftar literal. Parameter multivalue harus memiliki tipe data yang sama dengan ekspresi.
## Jenis pengembalian
Boolean: BENAR/SALAH
## Contoh dengan daftar yang dimasukkan secara manual
Contoh berikut mengevaluasi `origin_state_name` bidang untuk nilai-nilai dalam daftar string. Saat membandingkan input tipe string, `notIn` hanya mendukung perbandingan peka huruf besar/kecil.
```
notIn(origin_state_name,["Georgia", "Ohio", "Texas"])
```
Berikut ini adalah nilai bidang yang diberikan.
```
"Washington"
"ohio"
"Texas"
```
Untuk nilai bidang ini nilai berikut dikembalikan.
```
true
true
false
```
Nilai pengembalian ketiga adalah false karena hanya “Texas” adalah salah satu nilai yang dikecualikan.
Contoh berikut mengevaluasi `fl_date` bidang untuk nilai-nilai dalam daftar string. Untuk mencocokkan jenisnya, `toString` digunakan untuk mentransmisikan tipe tanggal ke tipe string.
```
notIn(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Gambar hasil contoh fungsi, ditunjukkan dalam bentuk tabel.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/notin-function-example-manual-list.png)
Literal dan nilai NULL didukung dalam argumen ekspresi untuk dibandingkan dengan literal dalam daftar. Kedua dari dua contoh berikut akan menghasilkan kolom baru nilai FALSE.
```
notIn("Washington",["Washington","Ohio"])
```
```
notIn(NULL,[NULL,"Ohio"])
```
## Contoh dengan parameter mutivalue
Katakanlah seorang penulis membuat [parameter multivalue](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) yang berisi daftar semua nama negara. Kemudian penulis menambahkan kontrol untuk memungkinkan pembaca memilih nilai dari daftar.
Selanjutnya, pembaca memilih tiga nilai — “Georgia”, “Ohio”, dan “Texas” — dari kontrol daftar drop-down parameter. Dalam hal ini, ekspresi berikut setara dengan contoh pertama, di mana ketiga nama negara dilewatkan sebagai daftar literal untuk dibandingkan dengan `original_state_name` bidang.
```
notIn (origin_state_name, ${stateName MultivalueParameter})
```
## Contoh dengan `ifelse`
`notIn`dapat bersarang di fungsi lain sebagai nilai boolean. Salah satu contohnya adalah bahwa penulis dapat mengevaluasi ekspresi apa pun dalam daftar dan mengembalikan nilai yang mereka inginkan dengan menggunakan `notIn` dan`ifelse`. Contoh berikut mengevaluasi apakah penerbangan berada dalam daftar negara bagian AS tertentu dan mengembalikan kategori negara bagian yang berbeda berdasarkan perbandingan. `dest_state_name`
```
ifelse(notIn(dest_state_name,["Washington", "Oregon","California"]), "notWestCoastUSState", "WestCoastUSState")
```
![\[Gambar hasil contoh fungsi, ditunjukkan dalam bentuk tabel.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/notin-function-with-ifelse.png)
# nullIf
`nullIf`membandingkan dua ekspresi. Jika mereka sama, fungsi mengembalikan null. Jika mereka tidak sama, fungsi mengembalikan ekspresi pertama.
## Sintaksis
```
nullIf(expression1, expression2)
```
## Pendapat
`nullIf`mengambil dua ekspresi sebagai argumen.
*ekspresi*
Ekspresi dapat berupa numerik, datetime, atau string. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengembalikan nol jika alasan penundaan pengiriman tidak diketahui.
```
nullIf(delayReason, 'unknown')
```
Berikut ini adalah nilai bidang yang diberikan.
```
delayReason
============
unknown
back ordered
weather delay
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
(null)
back ordered
weather delay
```
# parseDate
`parseDate`mem-parsing string untuk menentukan apakah itu berisi nilai tanggal, dan mengembalikan tanggal standar dalam format `yyyy-MM-ddTkk:mm:ss.SSSZ` (menggunakan sintaks pola format yang ditentukan dalam [Kelas DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) dalam dokumentasi proyek Joda), misalnya 2015-10-15T 19:11:51.003 Z. Fungsi ini mengembalikan semua baris yang berisi tanggal dalam format yang valid dan melewatkan setiap baris yang tidak, termasuk baris yang berisi nilai nol.
Quick mendukung tanggal dalam kisaran dari 1 Januari 1900 00:00:00 UTC hingga 31 Desember 2037 23:59:59 UTC. Untuk informasi selengkapnya, lihat [Format tanggal yang didukung](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html).
## Sintaksis
```
parseDate(expression, ['format'])
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'1/1/2016'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*format*
(Opsional) String yang berisi pola format yang harus dicocokkan dengan *date\$1string*. Misalnya, jika Anda menggunakan bidang dengan data seperti**01/03/2016**, Anda menentukan format 'MM/dd/yyyy'. Jika Anda tidak menentukan format, itu defaultnya. `yyyy-MM-dd` Baris yang datanya tidak sesuai dengan *format* dilewati.
Format tanggal yang berbeda didukung berdasarkan jenis kumpulan data yang digunakan. Gunakan tabel berikut untuk melihat detail format tanggal yang didukung.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/parseDate-function.html)
## Jenis pengembalian
Date
## Contoh
Contoh berikut mengevaluasi `prodDate` untuk menentukan apakah itu berisi nilai tanggal.
```
parseDate(prodDate, 'MM/dd/yyyy')
```
Berikut ini adalah nilai bidang yang diberikan.
```
prodDate
--------
01-01-1999
12/31/2006
1/18/1982
7/4/2010
```
Untuk nilai bidang ini, baris berikut dikembalikan.
```
12-31-2006T00:00:00.000Z
01-18-1982T00:00:00.000Z
07-04-2010T00:00:00.000Z
```
# parseDecimal
`parseDecimal`mem-parsing string untuk menentukan apakah itu berisi nilai desimal. Fungsi ini mengembalikan semua baris yang berisi nilai desimal, integer, atau null, dan melewatkan setiap baris yang tidak. Jika baris berisi nilai integer, itu dikembalikan sebagai desimal dengan hingga 4 tempat desimal. Misalnya, nilai '2' dikembalikan sebagai '2.0'.
## Sintaksis
```
parseDecimal(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'9.62'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
Desimal (Tetap) dalam pengalaman persiapan data lama.
Desimal (Float) dalam pengalaman persiapan data baru.
## Contoh
Contoh berikut mengevaluasi `fee` untuk menentukan apakah mengandung nilai desimal.
```
parseDecimal(fee)
```
Berikut ini adalah nilai bidang yang diberikan.
```
fee
--------
2
2a
12.13
3b
3.9
(null)
198.353398
```
Untuk nilai bidang ini, baris berikut dikembalikan.
```
2.0
12.13
3.9
(null)
198.3533
```
# parseInt
`parseInt`mem-parsing string untuk menentukan apakah itu berisi nilai integer. Fungsi ini mengembalikan semua baris yang berisi nilai desimal, integer, atau null, dan melewatkan setiap baris yang tidak. Jika baris berisi nilai desimal, itu dikembalikan sebagai bilangan bulat terdekat, dibulatkan ke bawah. Misalnya, nilai '2,99' dikembalikan sebagai '2'.
## Sintaksis
```
parseInt(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'3'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengevaluasi `feeType` untuk menentukan apakah itu berisi nilai-nilai integer.
```
parseInt(feeType)
```
Berikut ini adalah nilai bidang yang diberikan.
```
feeType
--------
2
2.1
2a
3
3b
(null)
5
```
Untuk nilai bidang ini, baris berikut dikembalikan.
```
2
2
3
(null)
5
```
# parseJson
Gunakan `parseJson` untuk mengekstrak nilai dari objek JSON.
Jika kumpulan data Anda disimpan dalam QuickSPICE, Anda dapat menggunakannya `parseJson` saat menyiapkan kumpulan data, tetapi tidak di bidang terhitung selama analisis.
Untuk kueri langsung, Anda dapat menggunakan `parseJson` keduanya selama persiapan dan analisis data. `parseJson`Fungsi ini berlaku untuk string atau tipe data asli JSON, tergantung pada dialek, seperti yang ditunjukkan pada tabel berikut.
| Dialek | Tipe |
| --- | --- |
| PostgreSQL | JSON |
| Amazon Redshift | String |
| Microsoft SQL Server | String |
| MySQL | JSON |
| Teradata | JSON |
| Oracle | String |
| Presto | String |
| Kepingan salju | Jenis data semi-terstruktur objek dan array |
| Hive | String |
## Sintaksis
```
parseJson(fieldName, path)
```
## Pendapat
*fieldName*
Bidang yang berisi objek JSON yang ingin Anda uraikan.
*path*
Path ke elemen data Anda ingin mengurai dari objek JSON. Hanya huruf, angka, dan spasi kosong yang didukung dalam argumen jalur. Sintaks jalur yang valid meliputi:
+ *\$1* — Objek Root
+ *.* — Operator anak
+ *[]* — Operator subskrip untuk array
## Jenis pengembalian
String
## Contoh
Contoh berikut mengevaluasi JSON masuk untuk mengambil nilai untuk kuantitas item. Dengan menggunakan ini selama persiapan data, Anda dapat membuat tabel dari JSON.
```
parseJson({jsonField}, “$.items.qty”)
```
Berikut ini menunjukkan JSON.
```
{
"customer": "John Doe",
"items": {
"product": "Beer",
"qty": 6
},
"list1": [
"val1",
"val2"
],
"list2": [
{
"list21key1": "list1value1"
}
]
}
```
Untuk contoh ini, nilai berikut dikembalikan.
```
6
```
## Contoh
Contoh berikut mengevaluasi `JSONObject1` untuk mengekstrak pasangan nilai kunci pertama (KVP), berlabel`"State"`, dan menetapkan nilai ke bidang terhitung yang Anda buat.
```
parseJson(JSONObject1, “$.state”)
```
Berikut ini adalah nilai bidang yang diberikan.
```
JSONObject1
-----------
{"State":"New York","Product":"Produce","Date Sold":"1/16/2018","Sales Amount":"$3423.39"}
{"State":"North Carolina","Product":"Bakery Products","Date Sold":"2/1/2018","Sales Amount":"$3226.42"}
{"State":"Utah","Product":"Water","Date Sold":"4/24/2018","Sales Amount":"$7001.52"}
```
Untuk nilai bidang ini, baris berikut dikembalikan.
```
New York
North Carolina
Utah
```
# Replace
`replace`menggantikan bagian dari string dengan string lain yang Anda tentukan.
## Sintaksis
```
replace(expression, substring, replacement)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*substring*
Kumpulan karakter dalam *ekspresi* yang ingin Anda ganti. Substring dapat terjadi satu kali atau lebih dalam *ekspresi*.
*Penggantian*
String yang ingin Anda ganti dengan *substring*.
## Jenis pengembalian
String
## Contoh
Contoh berikut menggantikan substring 'dan' dengan 'atau'.
```
replace('1 and 2 and 3', 'and', 'or')
```
String berikut dikembalikan.
```
1 or 2 or 3
```
# Right
`right`mengembalikan karakter paling kanan dari string, termasuk spasi. Anda menentukan jumlah karakter yang akan dikembalikan.
## Sintaksis
```
right(expression, limit)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*membatasi*
Jumlah karakter yang akan dikembalikan dari *ekspresi*, mulai dari karakter terakhir dalam string.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengembalikan lima karakter terakhir dari string.
```
right('Seattle Store#14', 12)
```
Nilai berikut dikembalikan.
```
tle Store#14
```
# Round
`round`membulatkan nilai desimal ke bilangan bulat terdekat jika tidak ada skala yang ditentukan, atau ke tempat desimal terdekat jika skala ditentukan.
## Sintaksis
```
round(decimal, scale)
```
## Pendapat
*desimal*
Bidang yang menggunakan tipe data desimal, nilai literal seperti**17.62**, atau panggilan ke fungsi lain yang mengeluarkan desimal.
*skala*
Jumlah tempat desimal untuk digunakan untuk nilai kembali.
## Jenis pengembalian
| operan | Jenis pengembalian dalam pengalaman persiapan data lama | Jenis pengembalian dalam pengalaman persiapan data baru |
| --- | --- | --- |
| INT | DESIMAL (TETAP) | DESIMAL (TETAP) |
| DESIMAL (TETAP) | DESIMAL (TETAP) | DESIMAL (TETAP) |
| DESIMAL (MENGAMBANG) | DESIMAL (TETAP) | DESIMAL (MENGAMBANG) |
## Contoh
Contoh berikut membulatkan bidang desimal ke tempat desimal kedua terdekat.
```
round(salesAmount, 2)
```
Berikut ini adalah nilai bidang yang diberikan.
```
20.1307
892.0388
57.5447
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
20.13
892.04
58.54
```
# Rtrim
`rtrim`menghapus ruang kosong berikut dari string.
## Sintaksis
```
rtrim(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut menghapus spasi berikut dari string.
```
rtrim('Seattle Store #14 ')
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
Seattle Store #14
```
# Split
`split`membagi string menjadi array substring, berdasarkan pembatas yang Anda pilih, dan mengembalikan item yang ditentukan oleh posisi.
Anda hanya dapat menambahkan `split` ke bidang terhitung selama persiapan data, bukan ke analisis. Fungsi ini tidak didukung dalam kueri langsung ke Microsoft SQL Server.
## Sintaksis
```
split(expression, delimiter , position)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street;1402 35th Ave;1818 Elm Ct;11 Janes Lane'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*pembatas*
Karakter yang membatasi di mana string dipecah menjadi substring. Misalnya, `split('one|two|three', '|', 2)` menjadi yang berikut.
```
one
two
three
```
Jika Anda memilih`position = 2`, `split` kembali`'two'`.
*posisi*
(Wajib) Posisi item untuk kembali dari array. Posisi item pertama dalam array adalah 1.
## Jenis pengembalian
Array string
## Contoh
Contoh berikut membagi string ke dalam array, menggunakan karakter titik koma (;) sebagai pembatas, dan mengembalikan elemen ketiga dari array.
```
split('123 Test St;1402 35th Ave;1818 Elm Ct;11 Janes Lane', ';', 3)
```
Item berikut dikembalikan.
```
1818 Elm Ct
```
Fungsi ini melewatkan item yang berisi nilai nol atau string kosong.
# Sqrt
`sqrt`mengembalikan akar kuadrat dari ekspresi yang diberikan.
## Sintaksis
```
sqrt(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus numerik. Ini bisa berupa nama bidang, nilai literal, atau fungsi lain.
# startsWith
`startsWith`mengevaluasi jika ekspresi dimulai dengan substring yang Anda tentukan. Jika ekspresi dimulai dengan substring, `startsWith` mengembalikan true, dan sebaliknya mengembalikan false.
## Sintaksis
```
startsWith(expression, substring, string-comparison-mode)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
*substring*
Kumpulan karakter untuk memeriksa *ekspresi*. Substring dapat terjadi satu kali atau lebih dalam *ekspresi*.
*string-comparison-mode*
(Opsional) Menentukan mode perbandingan string untuk menggunakan:
+ `CASE_SENSITIVE`— Perbandingan string peka huruf besar/kecil.
+ `CASE_INSENSITIVE`— Perbandingan string tidak peka huruf besar/kecil.
Nilai ini defaultnya saat kosong. `CASE_SENSITIVE`
## Jenis pengembalian
Boolean
## Contoh
### Contoh case sensitive default
Contoh case sensitive berikut mengevaluasi jika `state_nm` **New** startsWith.
```
startsWith(state_nm, "New")
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
false
```
### Contoh tidak peka huruf besar/kecil
Contoh case insensitive berikut mengevaluasi jika `state_nm` startsWith. **new**
```
startsWith(state_nm, "new", CASE_INSENSITIVE)
```
Berikut ini adalah nilai bidang yang diberikan.
```
New York
new york
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
true
true
```
### Contoh dengan pernyataan bersyarat
`startsWith`[https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html)
Contoh berikut `Sales` hanya dijumlahkan jika state\$1nm dimulai dengan. **New**
```
sumIf(Sales,startsWith(state_nm, "New"))
```
### Tidak mengandung contoh
`NOT`Operator bersyarat dapat digunakan untuk mengevaluasi jika ekspresi tidak dimulai dengan substring yang ditentukan.
```
NOT(startsWith(state_nm, "New"))
```
### Contoh menggunakan nilai numerik
Nilai numerik dapat digunakan dalam ekspresi atau substring argumen dengan menerapkan fungsi. `toString`
```
startsWith(state_nm, toString(5) )
```
# Strlen
`strlen`mengembalikan jumlah karakter dalam string, termasuk spasi.
## Sintaksis
```
strlen(expression)
```
## Pendapat
*ekspresi*
Ekspresi dapat berupa nama bidang yang menggunakan tipe data string seperti**address1**, nilai literal seperti**'Unknown'**, atau fungsi lain seperti`substring(field_name,0,5)`.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Contoh berikut mengembalikan panjang string yang ditentukan.
```
strlen('1421 Main Street')
```
Nilai berikut dikembalikan.
```
16
```
# Substring
`substring`mengembalikan karakter dalam string, mulai dari lokasi yang ditentukan oleh argumen *awal* dan melanjutkan untuk jumlah karakter yang ditentukan oleh argumen *panjang*.
## Sintaksis
```
substring(expression, start, length)
```
## Pendapat
*ekspresi*
Ekspresi dapat berupa nama bidang yang menggunakan tipe data string seperti**address1**, nilai literal seperti**'Unknown'**, atau fungsi lain seperti`substring(field_name,1,5)`.
*mulai*
Lokasi karakter untuk memulai. *start* bersifat inklusif, sehingga karakter pada posisi awal adalah karakter pertama dalam nilai yang dikembalikan. Nilai minimum untuk *memulai* adalah 1.
*panjang*
Jumlah karakter tambahan untuk dimasukkan setelah *memulai*. *panjang* sudah termasuk *awal*, jadi karakter terakhir yang dikembalikan adalah (*panjang* - 1) setelah karakter awal.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengembalikan karakter ke-13 hingga ke-19 dalam sebuah string. Awal string adalah indeks 1, jadi Anda mulai menghitung pada karakter pertama.
```
substring('Fantasy and Science Fiction',13,7)
```
Nilai berikut dikembalikan.
```
Science
```
# switch
`switch`*membandingkan *ekspresi kondisi dengan label literal*, dalam satu set label literal dan pasangan ekspresi kembali.* *Kemudian mengembalikan *ekspresi kembali* yang sesuai dengan label literal pertama yang sama dengan ekspresi kondisi.* *Jika tidak ada label sama dengan *kondisi-ekspresi, mengembalikan default-ekspresi*. `switch`* Setiap ekspresi *kembali dan ekspresi* *default harus memiliki tipe* data yang sama.
## Sintaksis
```
switch(condition-expression, label-1, return-expression-1 [, label-n, return-expression-n ...],
default-expression)
```
## Pendapat
`switch`membutuhkan satu atau lebih *if*, *maka* pasangan ekspresi, dan membutuhkan tepat satu ekspresi untuk argumen *else*.
*kondisi-ekspresi*
Ekspresi yang akan dibandingkan dengan label-literal. Ini bisa berupa nama bidang seperti`address`, nilai literal seperti '`Unknown`', atau fungsi skalar lain seperti`toString(salesAmount)`.
*label*
*Secara literal untuk dibandingkan dengan argumen *kondisi-ekspresi*, semua literal harus memiliki tipe data yang sama dengan argumen kondisi-ekspresi.* `switch`menerima hingga 5000 label.
*kembali-ekspresi*
Ekspresi untuk kembali jika nilai labelnya sama dengan nilai ekspresi *kondisi*. Ini bisa berupa nama bidang seperti`address`, nilai literal seperti '`Unknown`', atau fungsi skalar lain seperti`toString(salesAmount)`. *Semua argumen *return-expression* harus memiliki tipe data yang sama dengan default-expression.*
*default-ekspresi*
Ekspresi untuk mengembalikan jika tidak ada nilai argumen label sama dengan nilai ekspresi *kondisi*. Ini bisa berupa nama bidang seperti`address`, nilai literal seperti '`Unknown`', atau fungsi skalar lain seperti`toString(salesAmount)`. *Ekspresi default* *harus memiliki tipe data yang sama dengan semua argumen ekspresi kembali.*
## Jenis pengembalian
`switch`mengembalikan nilai dari tipe data yang sama dengan nilai-nilai dalam ekspresi *kembali.* Semua data yang dikembalikan *return-expression* dan *default-expression* harus dari tipe data yang sama atau dikonversi ke tipe data yang sama.
## Contoh Umum
Contoh berikut mengembalikan Wilayah AWS kode nama wilayah masukan.
```
switch(region_name,
"US East (N. Virginia)", "us-east-1",
"Europe (Ireland)", "eu-west-1",
"US West (N. California)", "us-west-1",
"other regions")
```
Berikut ini adalah nilai bidang yang diberikan.
```
"US East (N. Virginia)"
"US West (N. California)"
"Asia Pacific (Tokyo)"
```
Untuk nilai bidang ini nilai berikut dikembalikan.
```
"us-east-1"
"us-west-1"
"other regions"
```
## Gunakan sakelar untuk mengganti `ifelse`
Kasus `ifelse` penggunaan berikut adalah setara dengan contoh sebelumnya, untuk `ifelse` mengevaluasi apakah nilai satu bidang sama dengan nilai literal yang berbeda, menggunakan `switch` sebagai gantinya adalah pilihan yang lebih baik.
```
ifelse(region_name = "US East (N. Virginia)", "us-east-1",
region_name = "Europe (Ireland)", "eu-west-1",
region_name = "US West (N. California)", "us-west-1",
"other regions")
```
## Ekspresi sebagai nilai kembali
Contoh berikut menggunakan ekspresi dalam ekspresi *kembali:*
```
switch({origin_city_name},
"Albany, NY", {arr_delay} + 20,
"Alexandria, LA", {arr_delay} - 10,
"New York, NY", {arr_delay} * 2,
{arr_delay})
```
Contoh sebelumnya mengubah waktu tunda yang diharapkan untuk setiap penerbangan dari kota tertentu.
![\[Gambar hasil contoh fungsi, ditunjukkan dalam bentuk tabel.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/switch-function-example.png)
# toLower
`toLower`memformat string dalam semua huruf kecil. `toLower`melompati baris yang berisi nilai nol.
## Sintaksis
```
toLower(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengkonversi nilai string menjadi huruf kecil.
```
toLower('Seattle Store #14')
```
Nilai berikut dikembalikan.
```
seattle store #14
```
# toString
`toString`memformat ekspresi input sebagai string. `toString`melompati baris yang berisi nilai nol.
## Sintaksis
```
toString(expression)
```
## Pendapat
*ekspresi*
Ekspresi dapat berupa bidang tipe data apa pun, nilai literal seperti**14.62**, atau panggilan ke fungsi lain yang mengembalikan tipe data apa pun.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengembalikan nilai-nilai dari `payDate` (yang menggunakan tipe `date` data) sebagai string.
```
toString(payDate)
```
Berikut ini adalah nilai bidang yang diberikan.
```
payDate
--------
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
Untuk nilai bidang ini, baris berikut dikembalikan.
```
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
# toUpper
`toUpper`memformat string dalam semua huruf besar. `toUpper`melompati baris yang berisi nilai nol.
## Sintaksis
```
toUpper(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut mengkonversi nilai string menjadi huruf besar.
```
toUpper('Seattle Store #14')
```
Nilai berikut dikembalikan.
```
SEATTLE STORE #14
```
# trim
`trim`menghapus ruang kosong sebelumnya dan mengikuti dari string.
## Sintaksis
```
trim(expression)
```
## Pendapat
*ekspresi*
Ekspresi harus berupa string. Ini bisa berupa nama bidang yang menggunakan tipe data string, nilai literal seperti**'12 Main Street'**, atau panggilan ke fungsi lain yang mengeluarkan string.
## Jenis pengembalian
String
## Contoh
Contoh berikut menghapus spasi berikut dari string.
```
trim(' Seattle Store #14 ')
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
Seattle Store #14
```
# truncDate
`truncDate`mengembalikan nilai tanggal yang mewakili bagian tertentu dari tanggal. Misalnya, meminta bagian tahun dari nilai 2012-09-02T 00:00:00.000 Z mengembalikan 2012-01-01T 00:00:00.000 Z. Menentukan periode terkait waktu untuk tanggal yang tidak berisi informasi waktu mengembalikan nilai tanggal awal tidak berubah.
## Sintaksis
```
truncDate('period', date)
```
## Pendapat
*periode*
Periode tanggal yang ingin Anda kembalikan. Periode yang valid adalah sebagai berikut:
+ YYYY: Ini mengembalikan bagian tahun dari tanggal tersebut.
+ T: Ini mengembalikan tanggal hari pertama kuartal tanggal tersebut.
+ MM: Ini mengembalikan bagian bulan dari tanggal tersebut.
+ DD: Ini mengembalikan bagian hari dari tanggal tersebut.
+ WK: Ini mengembalikan bagian minggu dari tanggal tersebut. Minggu dimulai pada hari Minggu di Amazon Quick.
+ HH: Ini mengembalikan porsi jam dari tanggal tersebut.
+ MI: Ini mengembalikan bagian menit dari tanggal tersebut.
+ SS: Ini mengembalikan bagian kedua dari tanggal.
+ MS: Ini mengembalikan bagian milidetik dari tanggal.
*tanggal*
Kolom tanggal atau panggilan ke fungsi lain yang menampilkan tanggal.
## Jenis pengembalian
Date
## Contoh
Contoh berikut mengembalikan tanggal yang mewakili bulan dari tanggal pesanan.
```
truncDate('MM', orderDate)
```
Berikut ini adalah nilai bidang yang diberikan.
```
orderDate
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Untuk nilai bidang ini, nilai berikut dikembalikan.
```
2012-12-01T00:00:00.000Z
2013-12-01T00:00:00.000Z
2012-11-01T00:00:00.000Z
```
# Fungsi agregat
Fungsi agregat hanya tersedia selama analisis dan visualisasi. Masing-masing fungsi ini mengembalikan nilai yang dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Untuk setiap agregasi, ada juga agregasi bersyarat. Ini melakukan jenis agregasi yang sama, berdasarkan suatu kondisi.
Ketika rumus bidang terhitung berisi agregasi, itu menjadi agregasi kustom. Untuk memastikan bahwa data Anda ditampilkan secara akurat, Amazon Quick menerapkan aturan berikut:
+ Agregasi kustom tidak dapat berisi fungsi agregat bersarang. Misalnya, rumus ini tidak berfungsi:`sum(avg(x)/avg(y))`. Namun, fungsi nonagregat bersarang di dalam atau di luar fungsi agregat berfungsi. Misalnya, `ceil(avg(x))` bekerja. Begitu juga`avg(ceil(x))`.
+ Agregasi kustom tidak dapat berisi bidang agregat dan nonagregat, dalam kombinasi apa pun. Misalnya, rumus ini tidak berfungsi:`Sum(sales)+quantity`.
+ Grup filter tidak dapat berisi bidang agregat dan nonagregasi.
+ Agregasi kustom tidak dapat dikonversi ke dimensi. Mereka juga tidak bisa dijatuhkan ke lapangan dengan baik sebagai dimensi.
+ Dalam tabel pivot, agregasi kustom tidak dapat ditambahkan ke perhitungan tabel.
+ Plot pencar dengan agregasi khusus membutuhkan setidaknya satu dimensi di bawah **Grup/Warna** di sumur lapangan.
Untuk informasi selengkapnya tentang fungsi dan operator yang didukung, lihat [Fungsi bidang terhitung dan referensi operator untuk Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/calculated-field-reference.html).
Fungsi agregat untuk bidang terhitung di Quick termasuk yang berikut ini.
**Topics**
+ [avg](avg-function.md)
+ [avgIf](avgIf-function.md)
+ [count](count-function.md)
+ [countIf](countIf-function.md)
+ [distinct\$1count](distinct_count-function.md)
+ [distinct\$1countIf](distinct_countIf-function.md)
+ [max](max-function.md)
+ [maxIf](maxIf-function.md)
+ [median](median-function.md)
+ [medianIf](medianIf-function.md)
+ [min](min-function.md)
+ [minIf](minIf-function.md)
+ [percentile](percentile-function.md)
+ [percentileCont](percentileCont-function.md)
+ [percentileDisc(persentil)](percentileDisc-function.md)
+ [periodToDateAvg](periodToDateAvg-function.md)
+ [periodToDateCount](periodToDateCount-function.md)
+ [periodToDateMax](periodToDateMax-function.md)
+ [periodToDateMedian](periodToDateMedian-function.md)
+ [periodToDateMin](periodToDateMin-function.md)
+ [periodToDatePercentile](periodToDatePercentile-function.md)
+ [periodToDatePercentileCont](periodToDatePercentileCont-function.md)
+ [periodToDateStDev](periodToDateStDev-function.md)
+ [periodToDateStDevP](periodToDateStDevP-function.md)
+ [periodToDateSum](periodToDateSum-function.md)
+ [periodToDateVar](periodToDateVar-function.md)
+ [periodToDateVarP](periodToDateVarP-function.md)
+ [stdev](stdev-function.md)
+ [stdevp](stdevp-function.md)
+ [stdevIf](stdevIf-function.md)
+ [stdevpIf](stdevpIf-function.md)
+ [sum](sum-function.md)
+ [sumIf](sumIf-function.md)
+ [var](var-function.md)
+ [varIf](varIf-function.md)
+ [varp](varp-function.md)
+ [varpIf](varpIf-function.md)
# avg
`avg`Fungsi rata-rata himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `avg(salesAmount)` mengembalikan rata-rata untuk ukuran yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih.
## Sintaksis
```
avg(decimal, [group-by level])
```
## Pendapat
*desimal*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut menghitung penjualan rata-rata.
```
avg({Sales})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung penjualan rata-rata di tingkat Negara, tetapi tidak di dimensi lain (Wilayah atau Produk) dalam visual.
```
avg({Sales}, [{Country}])
```
![\[Jumlah penjualan rata-rata dikumpulkan hanya di tingkat negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/avg-function-example.png)
# avgIf
Berdasarkan pernyataan bersyarat, `avgIf` fungsi rata-rata himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `avgIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` mengembalikan rata-rata untuk ukuran yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, jika kondisi dievaluasi menjadi benar.
## Sintaksis
```
avgIf(dimension or measure, condition)
```
## Pendapat
*desimal*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# count
`count`Fungsi menghitung jumlah nilai dalam dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `count(product type)` mengembalikan jumlah total jenis produk yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, termasuk duplikat apa pun. `count(sales)`Fungsi mengembalikan jumlah total penjualan yang diselesaikan dikelompokkan berdasarkan dimensi (opsional) yang dipilih, misalnya tenaga penjualan.
## Sintaksis
```
count(dimension or measure, [group-by level])
```
## Pendapat
*dimensi atau ukuran*
Argumen harus berupa ukuran atau dimensi. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut menghitung jumlah penjualan dengan dimensi tertentu dalam visual. Dalam contoh ini, jumlah penjualan berdasarkan bulan ditampilkan.
```
count({Sales})
```
![\[Hitungan penjualan berdasarkan bulan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/count-function-example.png)
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung jumlah penjualan di tingkat Negara, tetapi tidak di dimensi lain (Wilayah atau Produk) dalam visual.
```
count({Sales}, [{Country}])
```
![\[Hitungan penjualan dikumpulkan hanya di tingkat negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/count-function-example2.png)
# countIf
Berdasarkan pernyataan bersyarat, `countIf` fungsi menghitung jumlah nilai dalam suatu dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
## Sintaksis
```
countIf(dimension or measure, condition)
```
## Pendapat
*dimensi atau ukuran*
Argumen harus berupa ukuran atau dimensi. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
## Jenis pengembalian
Bilangan Bulat
## Contoh
Fungsi berikut mengembalikan hitungan transaksi penjualan (`Revenue`) yang memenuhi persyaratan, termasuk duplikat apa pun.
```
countIf (
Revenue,
# Conditions
CalendarDay >= ${BasePeriodStartDate} AND
CalendarDay <= ${BasePeriodEndDate} AND
SourcingType <> 'Indirect'
)
```
# distinct\$1count
`distinct_count`Fungsi menghitung jumlah nilai yang berbeda dalam dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `distinct_count(product type)` mengembalikan jumlah total jenis produk unik yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, tanpa duplikat. `distinct_count(ship date)`Fungsi mengembalikan jumlah total tanggal ketika produk dikirim dikelompokkan berdasarkan dimensi (opsional) yang dipilih, misalnya wilayah.
## Sintaksis
```
distinct_count(dimension or measure, [group-by level])
```
## Pendapat
*dimensi atau ukuran*
Argumen harus berupa ukuran atau dimensi. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Tingkat yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut menghitung jumlah total tanggal ketika produk dipesan dikelompokkan berdasarkan dimensi (opsional) yang dipilih dalam visual, misalnya wilayah.
```
distinct_count({Order Date})
```
![\[Jumlah total tanggal ketika produk dipesan di setiap wilayah.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/distinct_count-function-example.png)
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung penjualan rata-rata di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
distinct_count({Order Date}, [Country])
```
![\[Jumlah total tanggal ketika produk dipesan di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/distinct_count-function-example2.png)
# distinct\$1countIf
Berdasarkan pernyataan bersyarat, `distinct_countIf` fungsi menghitung jumlah nilai yang berbeda dalam suatu dimensi atau ukuran, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `distinct_countIf(product type)` mengembalikan jumlah total jenis produk unik yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, tanpa duplikat. `distinct_countIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')`Fungsi mengembalikan jumlah total tanggal ketika produk dikirim dikelompokkan berdasarkan dimensi (opsional) yang dipilih, misalnya wilayah, jika kondisi dievaluasi ke true.
## Sintaksis
```
distinct_countIf(dimension or measure, condition)
```
## Pendapat
*dimensi atau ukuran*
Argumen harus berupa ukuran atau dimensi. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# max
`max`Fungsi mengembalikan nilai maksimum dari ukuran atau tanggal yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `max(sales goal)` mengembalikan tujuan penjualan maksimum yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih.
## Sintaksis
```
max(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus berupa ukuran atau tanggal. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
Tanggal maksimum hanya berfungsi di bidang **Nilai** sumur tabel dan tabel pivot.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan nilai penjualan maksimal untuk setiap wilayah. Ini dibandingkan dengan nilai penjualan total, minimum, dan median.
```
max({Sales})
```
![\[Nilai penjualan maksimum untuk setiap wilayah.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/min-max-median-function-example.png)
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung penjualan maksimal di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
max({Sales}, [Country])
```
![\[Nilai penjualan maksimum di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/max-function-example2.png)
# maxIf
Berdasarkan pernyataan bersyarat, `maxIf` fungsi mengembalikan nilai maksimum dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `maxIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` mengembalikan tujuan penjualan maksimum yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, jika kondisi dievaluasi menjadi benar.
## Sintaksis
```
maxIf(measure, condition)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# median
`median`Agregasi mengembalikan nilai median dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `median(revenue)` mengembalikan pendapatan median yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih.
## Sintaksis
```
median(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan nilai penjualan median untuk setiap wilayah. Ini dibandingkan dengan total, maksimum, dan penjualan minimum.
```
median({Sales})
```
![\[Nilai penjualan rata-rata untuk setiap wilayah.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/min-max-median-function-example.png)
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung penjualan median di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
median({Sales}, [Country])
```
![\[Nilai penjualan rata-rata di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/median-function-example2.png)
# medianIf
Berdasarkan pernyataan bersyarat, `medianIf` agregasi mengembalikan nilai median dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `medianIf(Revenue,SaleDate >= ${BasePeriodStartDate} AND SaleDate <= ${BasePeriodEndDate})` mengembalikan pendapatan median yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, jika kondisi dievaluasi menjadi benar.
## Sintaksis
```
medianIf(measure, condition)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# min
`min`Fungsi mengembalikan nilai minimum dari ukuran atau tanggal yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `min(return rate)` mengembalikan tingkat pengembalian minimum yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih.
## Sintaksis
```
min(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus berupa ukuran atau tanggal. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
Tanggal minimum hanya berfungsi di bidang **Nilai** sumur tabel dan tabel pivot.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan nilai penjualan minimum untuk setiap wilayah. Hal ini dibandingkan dengan total, max, dan median penjualan.
```
min({Sales})
```
![\[Nilai penjualan minimum untuk setiap wilayah.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/min-max-median-function-example.png)
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung penjualan minimum di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
min({Sales}, [Country])
```
![\[Nilai penjualan minimum di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/min-function-example2.png)
# minIf
Berdasarkan pernyataan bersyarat, `minIf` fungsi mengembalikan nilai minimum dari ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `minIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` mengembalikan tingkat pengembalian minimum yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, jika kondisi dievaluasi menjadi benar.
## Sintaksis
```
minIf(measure, condition)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# percentile
`percentile`Fungsi menghitung persentil nilai dalam ukuran, dikelompokkan berdasarkan dimensi yang ada di lapangan dengan baik. Ada dua jenis perhitungan persentil yang tersedia di Quick:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html)menggunakan interpolasi linier untuk menentukan hasil.
+ [percentileDisc(persentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) menggunakan nilai aktual untuk menentukan hasil.
`percentile`Fungsinya adalah alias dari. `percentileDisc`
# percentileCont
`percentileCont`Fungsi menghitung persentil berdasarkan distribusi angka yang berkelanjutan dalam ukuran. Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan. Ini menjawab pertanyaan seperti: Nilai apa yang mewakili persentil ini? Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan. `percentileCont` Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan sebagai gantinya. `percentileDisc`
## Sintaksis
```
percentileCont(expression, percentile, [group-by level])
```
## Pendapat
*mengukur*
Menentukan nilai numerik untuk digunakan untuk menghitung persentil. Argumen harus berupa ukuran atau metrik. Null diabaikan dalam perhitungan.
*persentil*
Nilai persentil dapat berupa konstanta numerik 0-100. Nilai persentil 50 menghitung nilai median ukuran.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Tingkat yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Tingkat kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Pengembalian
Hasil dari fungsi ini adalah angka.
## Catatan penggunaan
`percentileCont`Fungsi menghitung hasil berdasarkan distribusi nilai yang berkelanjutan dari ukuran yang ditentukan. Hasilnya dihitung dengan interpolasi linier antara nilai setelah mengurutkannya berdasarkan pengaturan dalam visual. Ini berbeda dari`percentileDisc`, yang hanya mengembalikan nilai dari himpunan nilai yang digabungkan. Hasil dari `percentileCont` mungkin atau mungkin tidak ada dalam nilai dari ukuran yang ditentukan.
## Contoh dari percentileCont
Contoh berikut membantu menjelaskan cara kerja PercentileCort.
**Example Membandingkan median,`percentileCont`, dan `percentileDisc`**
Contoh berikut menunjukkan median untuk dimensi (kategori) dengan menggunakan`median`,`percentileCont`, dan `percentileDisc` fungsi. Nilai median sama dengan nilai PercentileCot. `percentileCont`menginterpolasi nilai, yang mungkin atau mungkin tidak ada dalam kumpulan data. Namun, karena `percentileDisc` selalu menampilkan nilai yang ada dalam kumpulan data, kedua hasil mungkin tidak cocok. Kolom terakhir dalam contoh ini menunjukkan perbedaan antara dua nilai. Kode untuk setiap bidang yang dihitung adalah sebagai berikut:
+ `50%Cont = percentileCont( example , 50 )`
+ `median = median( example )`
+ `50%Disc = percentileDisc( example , 50 )`
+ `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )`
+ `example = left( category, 1 )`(Untuk membuat contoh yang lebih sederhana, kami menggunakan ungkapan ini untuk mempersingkat nama kategori menjadi huruf pertama mereka.)
```
example median 50%Cont 50%Disc Cont-Disc
-------- ----------- ------------ -------------- ------------
A 22.48 22.48 22.24 0.24
B 20.96 20.96 20.95 0.01
C 24.92 24.92 24.92 0
D 24.935 24.935 24.92 0.015
E 14.48 14.48 13.99 0.49
```
**Example Persentil ke-100 sebagai maksimum**
Contoh berikut menunjukkan berbagai `percentileCont` nilai untuk `example` bidang. Bidang `n%Cont` yang dihitung didefinisikan sebagai`percentileCont( {example} ,n)`. Nilai yang diinterpolasi di setiap kolom mewakili angka yang termasuk dalam ember persentil itu. Dalam beberapa kasus, nilai data aktual cocok dengan nilai yang diinterpolasi. Misalnya, kolom `100%Cont` menunjukkan nilai yang sama untuk setiap baris karena 6783.02 adalah angka tertinggi.
```
example 50%Cont 75%Cont 99%Cont 100%Cont
--------- ----------- ----------- ------------ -----------
A 20.97 84.307 699.99 6783.02
B 20.99 88.84 880.98 6783.02
C 20.99 90.48 842.925 6783.02
D 21.38 85.99 808.49 6783.02
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung persentil ke-30 berdasarkan distribusi angka yang berkelanjutan di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
percentileCont({Sales}, 30, [Country])
```
![\[Persentil penjualan di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentileCont-function-example-lac.png)
# percentileDisc(persentil)
`percentileDisc`Fungsi menghitung persentil berdasarkan angka aktual di. `measure` Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan. `percentile`Fungsinya adalah alias dari. `percentileDisc`
Gunakan fungsi ini untuk menjawab pertanyaan berikut: Titik data aktual mana yang ada dalam persentil ini? Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan. `percentileDisc` Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan sebagai gantinya. `percentileCont`
## Sintaksis
```
percentileDisc(expression, percentile, [group-by level])
```
## Pendapat
*mengukur*
Menentukan nilai numerik untuk digunakan untuk menghitung persentil. Argumen harus berupa ukuran atau metrik. Null diabaikan dalam perhitungan.
*persentil*
Nilai persentil dapat berupa konstanta numerik 0-100. Nilai persentil 50 menghitung nilai median ukuran.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Pengembalian
Hasil dari fungsi ini adalah angka.
## Catatan penggunaan
`percentileDisc`adalah fungsi distribusi terbalik yang mengasumsikan model distribusi diskrit. Dibutuhkan nilai persentil dan spesifikasi semacam dan mengembalikan elemen dari set yang diberikan.
Untuk nilai persentil tertentu`P`, `percentileDisc` gunakan nilai yang diurutkan dalam visual dan mengembalikan nilai dengan nilai distribusi kumulatif terkecil yang lebih besar dari atau sama dengan. `P`
## Contoh dari percentileDisc
Contoh berikut membantu menjelaskan cara kerja PercentileDisc.
**Example Membandingkan median,`percentileDisc`, dan `percentileCont`**
Contoh berikut menunjukkan median untuk dimensi (kategori) dengan menggunakan`percentileCont`, dan`percentileDisc`, dan `median` fungsi. Nilai median sama dengan nilai PercentileCot. `percentileCont`menginterpolasi nilai, yang mungkin atau mungkin tidak ada dalam kumpulan data. Namun, karena `percentileDisc` selalu menampilkan nilai terdekat yang ada dalam kumpulan data, kedua hasil tersebut mungkin tidak cocok. Kolom terakhir dalam contoh ini menunjukkan perbedaan antara dua nilai. Kode untuk setiap bidang yang dihitung adalah sebagai berikut:
+ `50%Cont = percentileCont( example , 50 )`
+ `median = median( example )`
+ `50%Disc = percentileDisc( example , 50 )`
+ `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )`
+ `example = left( category, 1 )`(Untuk membuat contoh yang lebih sederhana, kami menggunakan ungkapan ini untuk mempersingkat nama kategori menjadi huruf pertama mereka.)
```
example median 50%Cont 50%Disc Cont-Disc
-------- ----------- ------------ -------------- ------------
A 22.48 22.48 22.24 0.24
B 20.96 20.96 20.95 0.01
C 24.92 24.92 24.92 0
D 24.935 24.935 24.92 0.015
E 14.48 14.48 13.99 0.49
```
**Example Persentil ke-100 sebagai maksimum**
Contoh berikut menunjukkan berbagai `percentileDisc` nilai untuk `example` bidang. Bidang `n%Disc` yang dihitung didefinisikan sebagai`percentileDisc( {example} ,n)`. Nilai di setiap kolom adalah angka aktual yang berasal dari kumpulan data.
```
example 50%Disc 75%Disc 99%Disc 100%Disc
-------- ----------- ------------ -------------- ------------
A 20.97 73.98 699.99 6783.02
B 42.19 88.84 820.08 6783.02
C 30.52 90.48 733.44 6783.02
D 41.38 85.99 901.29 6783.0
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung persentil ke-30 berdasarkan distribusi angka yang berkelanjutan di tingkat Negara, tetapi tidak di dimensi lain (Wilayah) dalam visual.
```
percentile({Sales}, 30, [Country])
```
![\[Persentil penjualan di setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentile-function-example-lac.png)
# periodToDateAvg
`periodToDateAvg`Fungsi rata-rata himpunan angka dalam ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateAvg(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateAvg(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDAvgResults.png)
# periodToDateCount
`periodToDateCount`Fungsi menghitung jumlah nilai dalam dimensi atau ukuran, termasuk duplikat, untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateCount(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateCount(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDCountResults.png)
# periodToDateMax
`periodToDateMax`Fungsi mengembalikan nilai maksimum dari ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap titik itu.
## Sintaksis
```
periodToDateMax(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateMax(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDMaxResults.png)
# periodToDateMedian
`periodToDateMedian`Fungsi mengembalikan nilai median dari ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateMedian(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateMedian(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDMedianResults.png)
# periodToDateMin
`periodToDateMin`Fungsi mengembalikan nilai minimum dari ukuran atau tanggal yang ditentukan, atau perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateMin(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateMin(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDMinResults.png)
# periodToDatePercentile
`periodToDatePercentile`Fungsi menghitung persentil berdasarkan bilangan aktual dalam ukuran untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut. Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan.
Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan. `periodToDatePercentile` Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan sebagai gantinya. `periodToDatePercentileCont`
## Sintaksis
```
periodToDatePercentile(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*persentil*
Nilai persentil dapat berupa konstanta numerik 0-100. Persentil 50 menghitung nilai median dari ukuran tersebut.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung week-to-date, persentil ke-90 dari jumlah tarif per jenis pembayaran untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kami. yaitu 06-27-21.
```
periodToDatePercentile(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar pengembalian dari perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDPercentileResults.png)
# periodToDatePercentileCont
`periodToDatePercentileCont`Fungsi menghitung persentil berdasarkan distribusi berkelanjutan dari angka-angka dalam ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu dalam periode itu. Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan.
Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan. `periodToDatePercentileCont` Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan sebagai gantinya. `periodToDatePercentile`
## Sintaksis
```
periodToDatePercentileCont(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*persentil*
Nilai persentil dapat berupa konstanta numerik 0-100. Persentil 50 menghitung nilai median dari ukuran tersebut.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung week-to-date, persentil ke-90 dari jumlah tarif per jenis pembayaran untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDatePercentileCont(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar pengembalian dari perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDContPercentileResults.png)
# periodToDateStDev
`periodToDateStDev`Fungsi menghitung standar deviasi himpunan angka dalam ukuran yang ditentukan untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu, berdasarkan sampel dan relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateStDev(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateStDev(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDStDevResults.png)
# periodToDateStDevP
`periodToDateStDevP`Fungsi menghitung standar deviasi populasi dari himpunan angka dalam ukuran yang ditentukan, untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu, berdasarkan sampel dalam periode tersebut.
## Sintaksis
```
periodToDateStDevP(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateStDevP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDStDevPResults.png)
# periodToDateSum
`periodToDateSum`Fungsi menambahkan ukuran yang ditentukan untuk perincian waktu tertentu (misalnya, seperempat) hingga titik waktu, relatif terhadap periode tersebut.
## Sintaksis
```
periodToDateSum(
measure,
dateTime,
period,
endDate)
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Fungsi berikut menghitung jumlah tarif per minggu hingga saat ini, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateSum(fare_amount, pickUpDateTime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil untuk contoh, dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDSumResults.png)
# periodToDateVar
`periodToDateVar`Fungsi menghitung varians sampel dari himpunan angka dalam ukuran yang ditentukan untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu dalam periode tersebut.
## Sintaksis
```
periodToDateVar(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateVar(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDVarResults.png)
# periodToDateVarP
`periodToDateVarP`Fungsi menghitung varians populasi dari himpunan angka dalam ukuran yang ditentukan untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu, relevan dengan periode tersebut.
## Sintaksis
```
periodToDateVarP(
measure,
dateTime,
period,
endDate (optional))
```
## Pendapat
*mengukur*
Argumen harus berupa bidang. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi.
*DateTime*
Dimensi Tanggal di mana Anda menghitung PeriodToDate agregasi.
*periode*
Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
*EndDate*
(Opsional) Dimensi tanggal yang Anda akhiri periodToDate agregasi komputasi. Defaultnya jika dihilangkan. `now()`
## Contoh
Contoh berikut menghitung jumlah tarif week-to-date minimum per jenis pembayaran, untuk minggu 06-30-21. Untuk kesederhanaan dalam contoh, kami hanya menyaring satu pembayaran. 06-30-21 adalah hari Rabu. Cepat memulai minggu pada hari Minggu. Dalam contoh kita, yaitu 06-27-21.
```
periodToDateVarP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Ini adalah gambar hasil dari contoh perhitungan.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDVarPResults.png)
# stdev
`stdev`Fungsi menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan sampel.
## Sintaksis
```
stdev(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan standar deviasi nilai tes untuk kelas, menggunakan sampel dari nilai tes yang direkam.
```
stdev({Score})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung standar deviasi nilai tes pada tingkat subjek, tetapi tidak di seluruh dimensi lain (Kelas) dalam visual.
```
stdev({Score}, [Subject])
```
# stdevp
`stdevp`Fungsi menghitung standar deviasi populasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
## Sintaksis
```
stdevp(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan standar deviasi nilai tes untuk kelas menggunakan semua skor yang dicatat.
```
stdevp({Score})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung standar deviasi nilai tes pada tingkat subjek, tetapi tidak di seluruh dimensi lain (Kelas) dalam visual menggunakan semua skor yang direkam.
```
stdevp({Score}, [Subject])
```
# stdevIf
Berdasarkan pernyataan bersyarat, `stdevIf` fungsi menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan sampel.
## Sintaksis
```
stdevIf(measure, conditions)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# stdevpIf
Berdasarkan pernyataan bersyarat, `stdevpIf` fungsi menghitung standar deviasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan populasi yang bias.
## Sintaksis
```
stdevpIf(measure, conditions)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# sum
`sum`Fungsi menambahkan himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `sum(profit amount)` mengembalikan jumlah total laba yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih.
## Sintaksis
```
sum(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan jumlah penjualan.
```
sum({Sales})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut menghitung jumlah penjualan di tingkat Negara, tetapi tidak di dimensi lain (Wilayah dan Produk) dalam visual.
```
sum(Sales, [Country])
```
![\[Jumlah penjualan untuk setiap negara.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/sum-function-example.png)
# sumIf
Berdasarkan pernyataan bersyarat, `sumIf` fungsi menambahkan himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih. Misalnya, `sumIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` mengembalikan jumlah laba total yang dikelompokkan berdasarkan dimensi (opsional) yang dipilih, jika kondisi dievaluasi menjadi benar.
## Sintaksis
```
sumIf(measure, conditions)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
## Contoh
Contoh berikut menggunakan bidang dihitung dengan `sumIf` untuk menampilkan jumlah penjualan `Segment` jika sama dengan`SMB`.
```
sumIf(Sales, Segment=’SMB’)
```
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/sumIfCalc.png)
Contoh berikut menggunakan bidang terhitung dengan `sumIf` untuk menampilkan jumlah penjualan jika `Segment` sama dengan `SMB` dan `Order Date` lebih besar dari tahun 2022.
```
sumIf(Sales, Segment=’SMB’ AND {Order Date} >=’2022-01-01’)
```
# var
`var`Fungsi menghitung varians sampel dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
## Sintaksis
```
var(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Level yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan varians sampel nilai tes.
```
var({Scores})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut mengembalikan varians sampel skor tes di tingkat subjek, tetapi tidak di dimensi lain (Kelas) dalam visual.
```
var({Scores}, [Subject]
```
# varIf
Berdasarkan pernyataan bersyarat, `varIf` fungsi menghitung varians himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan sampel.
## Sintaksis
```
varIf(measure, conditions)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# varp
`varp`Fungsi menghitung varians populasi dari himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih.
## Sintaksis
```
varp(measure, [group-by level])
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*tingkat kelompok-berdasarkan*
(Opsional) Menentukan tingkat untuk mengelompokkan agregasi oleh. Tingkat yang ditambahkan dapat berupa dimensi atau dimensi apa pun yang terlepas dari dimensi yang ditambahkan ke visual.
Argumen harus berupa bidang dimensi. Level kelompok-menurut harus dilampirkan dalam tanda kurung siku. `[ ]` Untuk informasi selengkapnya, lihat fungsi [Perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Contoh
Contoh berikut mengembalikan varians populasi nilai tes.
```
varp({Scores})
```
Anda juga dapat menentukan pada tingkat apa untuk mengelompokkan perhitungan menggunakan satu atau beberapa dimensi dalam tampilan atau dalam kumpulan data Anda. Ini disebut fungsi LAC-A. Untuk informasi selengkapnya tentang fungsi LAC-A, lihat fungsi [perhitungan sadar tingkat - agregat (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Contoh berikut mengembalikan varians skor tes populasi di tingkat subjek, tetapi tidak di seluruh dimensi lain (Kelas) dalam visual.
```
varp({Scores}, [Subject]
```
# varpIf
Berdasarkan pernyataan bersyarat, `varpIf` fungsi menghitung varians himpunan angka dalam ukuran yang ditentukan, dikelompokkan berdasarkan dimensi atau dimensi yang dipilih, berdasarkan populasi yang bias.
## Sintaksis
```
varpIf(measure, conditions)
```
## Pendapat
*mengukur*
Argumen harus menjadi ukuran. Nilai nol dihilangkan dari hasil. Nilai literal tidak berfungsi. Argumen harus berupa bidang.
*ketentuan*
Satu atau lebih kondisi dalam satu pernyataan.
# Fungsi perhitungan tabel
Saat Anda menganalisis data dalam visual tertentu, Anda dapat menerapkan perhitungan tabel ke kumpulan data saat ini untuk menemukan bagaimana dimensi memengaruhi ukuran atau satu sama lain. *Data yang divisualisasikan* adalah kumpulan hasil Anda berdasarkan kumpulan data Anda saat ini, dengan semua filter, pemilihan bidang, dan penyesuaian diterapkan. Untuk melihat dengan tepat apa set hasil ini, Anda dapat mengekspor visual Anda ke file. *Fungsi perhitungan tabel* melakukan operasi pada data untuk mengungkapkan hubungan antar bidang.
Di bagian ini, Anda dapat menemukan daftar fungsi yang tersedia dalam perhitungan tabel yang dapat Anda lakukan pada data yang divisualisasikan di Amazon Quick.
Untuk melihat daftar fungsi yang diurutkan berdasarkan kategori, dengan definisi singkat, lihat [Fungsi berdasarkan kategori](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html).
**Topics**
+ [difference](difference-function.md)
+ [distinctCountOver](distinctCountOver-function.md)
+ [lag](lag-function.md)
+ [lead](lead-function.md)
+ [percentDifference](percentDifference-function.md)
+ [avgOver](avgOver-function.md)
+ [countOver](countOver-function.md)
+ [maxOver](maxOver-function.md)
+ [minOver](minOver-function.md)
+ [percentileOver](percentileOver-function.md)
+ [percentileContOver](percentileContOver-function.md)
+ [percentileDiscOver](percentileDiscOver-function.md)
+ [percentOfTotal](percentOfTotal-function.md)
+ [periodOverPeriodDifference](periodOverPeriodDifference-function.md)
+ [periodOverPeriodLastValue](periodOverPeriodLastValue-function.md)
+ [periodOverPeriodPercentDifference](periodOverPeriodPercentDifference-function.md)
+ [periodToDateAvgOverTime](periodToDateAvgOverTime-function.md)
+ [periodToDateCountOverTime](periodToDateCountOverTime-function.md)
+ [periodToDateMaxOverTime](periodToDateMaxOverTime-function.md)
+ [periodToDateMinOverTime](periodToDateMinOverTime-function.md)
+ [periodToDateSumOverTime](periodToDateSumOverTime-function.md)
+ [stdevOver](stdevOver-function.md)
+ [stdevpOver](stdevpOver-function.md)
+ [varOver](varOver-function.md)
+ [varpOver](varpOver-function.md)
+ [sumOver](sumOver-function.md)
+ [denseRank](denseRank-function.md)
+ [rank](rank-function.md)
+ [percentileRank](percentileRank-function.md)
+ [runningAvg](runningAvg-function.md)
+ [runningCount](runningCount-function.md)
+ [runningMax](runningMax-function.md)
+ [runningMin](runningMin-function.md)
+ [runningSum](runningSum-function.md)
+ [firstValue](firstValue-function.md)
+ [lastValue](lastValue-function.md)
+ [windowAvg](windowAvg-function.md)
+ [windowCount](windowCount-function.md)
+ [windowMax](windowMax-function.md)
+ [windowMin](windowMin-function.md)
+ [windowSum](windowSum-function.md)
# difference
`difference`Fungsi menghitung perbedaan antara ukuran berdasarkan satu set partisi dan jenis, dan ukuran berdasarkan yang lain.
`difference`Fungsi ini didukung untuk digunakan dengan analisis berdasarkan SPICE dan kumpulan data kueri langsung.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
difference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat perbedaannya.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks pencarian*
Indeks pencarian bisa positif atau negatif, menunjukkan baris berikut dalam urutan (positif) atau baris sebelumnya dalam jenis (negatif). Indeks pencarian bisa 1—2.147.483.647. Untuk mesin MySQL, MariaDB dan Aurora MySQL Compatible Edition, indeks pencarian dibatasi hanya 1.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung perbedaan antara dari`sum({Billed Amount})`, diurutkan berdasarkan `Customer Region` naik, dibandingkan dengan baris berikutnya, dan dipartisi oleh. `Service Line`
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1,
[{Service Line}]
)
```
Contoh berikut menghitung perbedaan antara `Billed Amount` dibandingkan dengan baris berikutnya, dipartisi oleh (). `[{Customer Region}]` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Sorotan merah menunjukkan bagaimana setiap jumlah ditambahkan (a \$1 b = c) untuk menunjukkan perbedaan antara jumlah a dan c.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/differenceCalc.png)
# distinctCountOver
`distinctCountOver`Fungsi menghitung jumlah yang berbeda dari operan yang dipartisi oleh atribut yang ditentukan pada tingkat tertentu. Level yang didukung adalah `PRE_FILTER` dan`PRE_AGG`. Operan harus tidak teragregasi.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
distinctCountOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*bidang ukuran atau dimensi*
Ukuran atau dimensi yang ingin Anda lakukan perhitungannya, misalnya`{Sales Amt}`. Nilai yang valid adalah `PRE_FILTER` dan `PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` `POST_AGG_FILTER`bukan level yang valid untuk operasi ini dan akan menghasilkan pesan kesalahan. Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut mendapatkan jumlah yang berbeda dari `Sales` partisi di atas `City` dan `State` di tingkat. `PRE_AGG`
```
distinctCountOver
(
Sales,
[City, State], PRE_AGG
)
```
# lag
`lag`Fungsi menghitung nilai lag (sebelumnya) untuk ukuran berdasarkan partisi dan jenis tertentu.
`lag`didukung untuk digunakan dengan analisis berdasarkan SPICE dan kumpulan data kueri langsung.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
lag
(
lag
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index
,[ partition_field, ... ]
)]
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda dapatkan kelambatan. Ini dapat mencakup agregat, misalnya`sum({Sales Amt})`.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks pencarian*
Indeks pencarian bisa positif atau negatif, menunjukkan baris berikut dalam urutan (positif) atau baris sebelumnya dalam jenis (negatif). Indeks pencarian bisa 1—2.147.483.647. Untuk mesin MySQL, MariaDB, dan Amazon Aurora MySQL Compatible Edition, indeks pencarian dibatasi hanya 1.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung sebelumnya`sum(sales)`, dipartisi oleh keadaan asal, dalam urutan pengurutan menaik pada. `cancellation_code`
```
lag
(
sum(Sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
Contoh berikut menggunakan bidang terhitung dengan `lag` untuk menampilkan jumlah penjualan untuk baris sebelumnya di samping jumlah untuk baris saat ini, diurutkan berdasarkan. `Order Date` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
lag(
sum({Sales}),
[{Order Date} ASC],
1
)
```
Tangkapan layar berikut menunjukkan hasil contoh.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/lagCalc.png)
Contoh berikut menggunakan bidang terhitung dengan `lag` untuk menampilkan jumlah penjualan untuk baris sebelumnya di samping jumlah untuk baris saat ini, diurutkan berdasarkan `Order Date` partisi oleh. `Segment`
```
lag
(
sum(Sales),
[Order Date ASC],
1, [Segment]
)
```
Tangkapan layar berikut menunjukkan hasil contoh.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/lagCalc2.png)
# lead
`lead`Fungsi menghitung nilai lead (berikut) untuk ukuran berdasarkan partisi dan jenis tertentu.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
lead
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda pimpin. Ini dapat mencakup agregat, misalnya`sum({Sales Amt})`.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks pencarian*
Indeks pencarian bisa positif atau negatif, menunjukkan baris berikut dalam urutan (positif) atau baris sebelumnya dalam jenis (negatif). Indeks pencarian bisa 1—2,147.483.647. Untuk mesin MySQL, MariaDB, dan Amazon Aurora MySQL Compatible Edition, indeks pencarian dibatasi hanya 1.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung berikutnya`sum(sales)`, dipartisi oleh keadaan asal, dalam urutan pengurutan menaik pada. `cancellation_code`
```
lead
(
sum(sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
Contoh berikut menggunakan bidang dihitung dengan lead untuk menampilkan jumlah untuk baris berikutnya di samping jumlah untuk baris saat ini, diurutkan berdasarkan. `Customer Segment` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
lead(
sum({Billed Amount}),
[{Customer Segment} ASC],
1
)
```
Screenshot berikut menunjukkan hasil contoh.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/leadCalc.png)
# percentDifference
`percentDifference`Fungsi menghitung persentase perbedaan antara nilai saat ini dan nilai perbandingan, berdasarkan partisi, jenis, dan indeks pencarian.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
percentDifference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup index
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat perbedaan persennya.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks pencarian*
Indeks pencarian bisa positif atau negatif, menunjukkan baris berikut dalam urutan (positif) atau baris sebelumnya dalam jenis (negatif). Indeks pencarian bisa 1—2.147.483.647. Untuk mesin MySQL, MariaDB dan Aurora MySQL Compatible Edition, indeks pencarian dibatasi hanya 1.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung persentase perbedaan antara `sum(Sales)` untuk saat ini dan sebelumnya`State`, diurutkan berdasarkan. `Sales`
```
percentDifference
(
sum(amount),
[sum(amount) ASC],
-1,
[State]
)
```
Contoh berikut menghitung persen bahwa spesifik `Billed Amount` adalah dari yang lain`Billed Amount`, diurutkan berdasarkan ()`[{Customer Region} ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
percentDifference
(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Tangkapan layar berikut menunjukkan hasil contoh. Huruf merah menunjukkan bahwa total `Billed Amount` untuk wilayah tersebut `Customer Region` **APAC** adalah 24 persen lebih sedikit dari jumlah untuk **EMEA** wilayah tersebut.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentDifference.png)
# avgOver
`avgOver`Fungsi menghitung rata-rata ukuran yang dipartisi oleh daftar dimensi.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
avgOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
Contoh berikut menunjukkan rata-rata di `Billed Amount` atas`Customer Region`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
avgOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Screenshot berikut menunjukkan hasil contoh. Dengan penambahan`Service Line`, jumlah total yang ditagih untuk masing-masing ditampilkan, dan rata-rata ketiga nilai ini ditampilkan di bidang yang dihitung.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/avgOver.png)
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut mendapatkan rata-rata `sum(Sales)` dipartisi di atas `City` dan. `State`
```
avgOver
(
sum(Sales),
[City, State]
)
```
# countOver
`countOver`Fungsi menghitung hitungan dimensi atau ukuran yang dipartisi oleh daftar dimensi.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
countOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*bidang ukuran atau dimensi*
Ukuran atau dimensi yang ingin Anda lakukan perhitungan, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut mendapat hitungan `Sales` dipartisi di atas `City` dan. `State`
```
countOver
(
Sales,
[City, State]
)
```
Contoh berikut mendapat hitungan `{County}` dipartisi di atas `City` dan. `State`
```
countOver
(
{County},
[City, State]
)
```
Contoh berikut menunjukkan hitungan `Billed Amount` over`Customer Region`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
countOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Tangkapan layar berikut menunjukkan hasil contoh. Karena tidak ada bidang lain yang terlibat, hitungannya adalah satu untuk setiap daerah.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/countOver1.png)
Jika Anda menambahkan bidang tambahan, hitungan berubah. Pada tangkapan layar berikut, kami menambahkan `Customer Segment` dan`Service Line`. Masing-masing bidang tersebut berisi tiga nilai unik. Dengan 3 segmen, 3 jalur layanan, dan 3 wilayah, bidang yang dihitung menunjukkan 9.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/countOver2.png)
Jika Anda menambahkan dua bidang tambahan ke bidang partisi di bidang terhitung`countOver( sum({Billed Amount}), [{Customer Region}, {Customer Segment}, {Service Line}]`, maka hitungannya lagi 1 untuk setiap baris.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/countOver.png)
# maxOver
`maxOver`Fungsi menghitung maksimum ukuran atau tanggal yang dipartisi oleh daftar dimensi.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
maxOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungan, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung maksimum`sum(Sales)`, dipartisi oleh dan. `City` `State`
```
maxOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menunjukkan maksimum `Billed Amount` over`Customer Region`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
maxOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Tangkapan layar berikut menunjukkan hasil contoh. Dengan penambahan`Service Line`, jumlah total yang ditagih untuk masing-masing ditampilkan, dan maksimum ketiga nilai ini ditampilkan di bidang yang dihitung.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/maxOver.png)
# minOver
`minOver`Fungsi menghitung minimum ukuran atau tanggal yang dipartisi oleh daftar dimensi.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
minOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung min`sum(Sales)`, dipartisi oleh dan. `City` `State`
```
minOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menunjukkan minimum `Billed Amount` over`Customer Region`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
minOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Screenshot berikut menunjukkan hasil contoh. Dengan penambahan`Service Line`, jumlah total yang ditagih untuk masing-masing ditampilkan, dan minimum dari ketiga nilai ini ditampilkan di bidang yang dihitung.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/minOver.png)
# percentileOver
`percentileOver`Fungsi menghitung persentil *ke-n* dari ukuran yang dipartisi oleh daftar dimensi. Ada dua jenis `percentileOver` perhitungan yang tersedia di Quick:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html)menggunakan interpolasi linier untuk menentukan hasil.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html)menggunakan nilai aktual untuk menentukan hasil.
`percentileOver`Fungsinya adalah alias dari. `percentileDiscOver`
# percentileContOver
`percentileContOver`Fungsi menghitung persentil berdasarkan angka aktual di. `measure` Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan. Hasilnya dipartisi oleh dimensi yang ditentukan pada tingkat perhitungan yang ditentukan.
Gunakan fungsi ini untuk menjawab pertanyaan berikut: Titik data aktual mana yang ada dalam persentil ini? Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan. `percentileDiscOver` Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan sebagai gantinya. `percentileContOver`
## Sintaksis
```
percentileContOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Pendapat
*mengukur*
Menentukan nilai numerik untuk digunakan untuk menghitung persentil. Argumen harus berupa ukuran atau metrik. Null diabaikan dalam perhitungan.
*persentil-n*
Nilai persentil dapat berupa konstanta numerik 0-100. Nilai persentil 50 menghitung nilai median ukuran.
*partisi-oleh*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma. Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
Menentukan di mana untuk melakukan perhitungan dalam kaitannya dengan urutan evaluasi. Ada tiga tingkat perhitungan yang didukung:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (default) - Untuk menggunakan tingkat perhitungan ini, tentukan agregasi pada, misalnya. `measure` `sum(measure)`
PRE\$1FILTER dan PRE\$1AGG diterapkan sebelum agregasi terjadi dalam visualisasi. Untuk dua tingkat perhitungan ini, Anda tidak dapat menentukan agregasi `measure` pada ekspresi bidang terhitung. Untuk mempelajari lebih lanjut tentang tingkat penghitungan dan saat diterapkan, lihat [Urutan evaluasi di Amazon Cepat](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) dan [Menggunakan perhitungan sadar tingkat di](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Cepat.
## Pengembalian
Hasil dari fungsi ini adalah angka.
## Contoh dari percentileContOver
Contoh berikut membantu menjelaskan cara percentileContOver kerja.
**Example Membandingkan tingkat perhitungan untuk median**
Contoh berikut menunjukkan median untuk dimensi (kategori) dengan menggunakan tingkat perhitungan yang berbeda dengan `percentileContOver` fungsi. Persentilnya adalah 50. Dataset difilter oleh bidang wilayah. Kode untuk setiap bidang yang dihitung adalah sebagai berikut:
+ `example = left( category, 1 )`(Contoh yang disederhanakan.)
+ `pre_agg = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_AGG)`
+ `pre_filter = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) `
+ `post_agg_filter = percentileContOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )`
```
example pre_filter pre_agg post_agg_filter
------------------------------------------------------
0 106,728 119,667 4,117,579
1 102,898 95,946 2,307,547
2 97,807 93,963 554,570
3 101,043 112,585 2,709,057
4 96,533 99,214 3,598,358
5 106,293 97,296 1,875,648
6 97,118 69,159 1,320,672
7 100,201 90,557 969,807
```
# percentileDiscOver
`percentileDiscOver`Fungsi menghitung persentil berdasarkan angka aktual di. `measure` Ini menggunakan pengelompokan dan penyortiran yang diterapkan di sumur lapangan. Hasilnya dipartisi oleh dimensi yang ditentukan pada tingkat perhitungan yang ditentukan. `percentileOver`Fungsinya adalah alias dari. `percentileDiscOver`
Gunakan fungsi ini untuk menjawab pertanyaan berikut: Titik data aktual mana yang ada dalam persentil ini? Untuk mengembalikan nilai persentil terdekat yang ada dalam kumpulan data Anda, gunakan. `percentileDiscOver` Untuk mengembalikan nilai persentil yang tepat yang mungkin tidak ada dalam kumpulan data Anda, gunakan sebagai gantinya. `percentileContOver`
## Sintaksis
```
percentileDiscOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Pendapat
*mengukur*
Menentukan nilai numerik untuk digunakan untuk menghitung persentil. Argumen harus berupa ukuran atau metrik. Null diabaikan dalam perhitungan.
*persentil-n*
Nilai persentil dapat berupa konstanta numerik 0-100. Nilai persentil 50 menghitung nilai median dari ukuran tersebut.
*partisi-oleh*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma. Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
Menentukan di mana untuk melakukan perhitungan dalam kaitannya dengan urutan evaluasi. Ada tiga tingkat perhitungan yang didukung:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (default) - Untuk menggunakan tingkat perhitungan ini, Anda perlu menentukan agregasi pada, misalnya. `measure` `sum(measure)`
PRE\$1FILTER dan PRE\$1AGG diterapkan sebelum agregasi terjadi dalam visualisasi. Untuk dua tingkat perhitungan ini, Anda tidak dapat menentukan agregasi `measure` pada ekspresi bidang terhitung. Untuk mempelajari lebih lanjut tentang tingkat penghitungan dan saat diterapkan, lihat [Urutan evaluasi di Amazon Cepat](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) dan [Menggunakan perhitungan sadar tingkat di](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Cepat.
## Pengembalian
Hasil dari fungsi ini adalah angka.
## Contoh dari percentileDiscOver
Contoh berikut membantu menjelaskan cara percentileDiscOver kerja.
**Example Membandingkan tingkat perhitungan untuk median**
Contoh berikut menunjukkan median untuk dimensi (kategori) dengan menggunakan tingkat perhitungan yang berbeda dengan `percentileDiscOver` fungsi. Persentilnya adalah 50. Dataset difilter oleh bidang wilayah. Kode untuk setiap bidang yang dihitung adalah sebagai berikut:
+ `example = left( category, 1 )`(Contoh yang disederhanakan.)
+ `pre_agg = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_AGG)`
+ `pre_filter = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) `
+ `post_agg_filter = percentileDiscOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )`
```
example pre_filter pre_agg post_agg_filter
------------------------------------------------------
0 106,728 119,667 4,117,579
1 102,898 95,946 2,307,547
2 97,629 92,046 554,570
3 100,867 112,585 2,709,057
4 96,416 96,649 3,598,358
5 106,293 97,296 1,875,648
6 97,118 64,395 1,320,672
7 99,915 90,557 969,807
```
**Example Median**
Contoh berikut menghitung median (persentil ke-50) yang dipartisi oleh dan. `Sales` `City` `State`
```
percentileDiscOver
(
Sales,
50,
[City, State]
)
```
Contoh berikut menghitung persentil ke-98 yang dipartisi oleh. `sum({Billed Amount})` `Customer Region` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
percentileDiscOver
(
sum({Billed Amount}),
98,
[{Customer Region}]
)
```
Tangkapan layar berikut menunjukkan bagaimana kedua contoh ini terlihat pada bagan.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentilOver-50-98.png)
# percentOfTotal
`percentOfTotal`Fungsi menghitung persentase yang dikontribusikan ukuran terhadap total, berdasarkan dimensi yang ditentukan.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
percentOfTotal
(
measure
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat persentase totalnya. Saat ini, `distinct count` agregasi tidak didukung untuk`percentOfTotal`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut membuat perhitungan untuk persen dari total yang `Sales` disumbangkan oleh masing-masing`State`.
```
percentOfTotal
(
sum(Sales),
[State]
)
```
Contoh berikut menghitung persen yang spesifik `Billed Amount` bila dibandingkan dengan total`Billed Amount`, dipartisi oleh (). `[{Service Line} ASC]` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
percentOfTotal
(
sum( {Billed Amount} ),
[{Service Line}]
)
```
Screenshot berikut menunjukkan hasil contoh. Sorotan merah menunjukkan bahwa bidang partisi dengan nilai "`Billing`" memiliki tiga entri, satu untuk setiap wilayah. Jumlah total yang ditagih untuk jalur layanan ini dibagi menjadi tiga persentase, yang totalnya 100 persen. Persentase dibulatkan dan mungkin tidak selalu bertambah hingga 100 persen.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentOfTotal.png)
# periodOverPeriodDifference
`periodOverPeriodDifference`Fungsi menghitung perbedaan ukuran selama dua periode waktu yang berbeda seperti yang ditentukan oleh granularitas periode dan offset. Tidak seperti perhitungan perbedaan, fungsi ini menggunakan offset berbasis tanggal, bukan offset berukuran tetap. Ini memastikan bahwa hanya tanggal yang benar yang dibandingkan, bahkan jika titik data tidak ada dalam kumpulan data.
## Sintaksis
```
periodOverPeriodDifference(
measure,
date,
period,
offset)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan periodOverPeriod perhitungannya.
*DateTime*
Dimensi Tanggal di mana kita menghitung Period-Over-Period perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
*mengimbangi*
(Opsional) Offset dapat berupa bilangan bulat positif atau negatif yang mewakili periode waktu sebelumnya (ditentukan oleh periode) yang ingin Anda bandingkan. Misalnya, periode seperempat dengan offset 1 berarti membandingkan dengan kuartal sebelumnya.
Nilai default adalah 1.
## Contoh
Contoh berikut menggunakan bidang dihitung `PeriodOverPeriod` untuk menampilkan perbedaan jumlah penjualan kemarin
```
periodOverPeriodDifference(sum(Sales), {Order Date})
```
![\[Ini adalah gambar kembalinya perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/MonthOverMonthDifference.png)
Contoh berikut menggunakan bidang terhitung `PeriodOverPeriod` untuk menampilkan selisih jumlah penjualan 2 bulan sebelumnya. Contoh di bawah ini adalah membandingkan penjualan `Mar2020` dengan`Jan2020`.
```
periodOverPeriodDifference(sum(Sales),{Order Date}, MONTH, 1)
```
![\[Ini adalah gambar kembalinya perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/MonthOverMonthDifference2.png)
# periodOverPeriodLastValue
`periodOverPeriodLastValue`Fungsi menghitung nilai terakhir (sebelumnya) dari suatu ukuran dari periode waktu sebelumnya sebagaimana ditentukan oleh granularitas periode dan offset. Fungsi ini menggunakan offset berbasis tanggal, bukan offset berukuran tetap. Ini memastikan hanya tanggal yang benar yang dibandingkan, bahkan jika titik data tidak ada dalam kumpulan data.
## Sintaksis
```
periodOverPeriodLastValue(
measure,
date,
period,
offset)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat perbedaannya.
*tanggal*
Dimensi tanggal di mana Anda menghitung periodOverPeriod perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Argumen ini default untuk granularitas agregasi visual
*mengimbangi*
(Opsional) Offset dapat berupa bilangan bulat positif atau negatif yang mewakili periode waktu sebelumnya (ditentukan oleh periode) yang ingin Anda bandingkan. Misalnya, periode seperempat dengan offset 1 berarti membandingkan dengan kuartal sebelumnya.
Nilai default argumen ini adalah 1.
## Contoh
Contoh berikut menghitung nilai bulan ke bulan dalam penjualan dengan granularitas dimensi visual dan offset default 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date})
```
Contoh berikut menghitung nilai bulan ke bulan dalam penjualan dengan granularitas tetap `MONTH` dan offset tetap 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date},MONTH, 1)
```
![\[Ini adalah gambar kembalinya perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/MonthOverMonthLastValue.png)
# periodOverPeriodPercentDifference
`periodOverPeriodPercentDifference`Fungsi menghitung perbedaan persen dari suatu ukuran selama dua periode waktu yang berbeda sebagaimana ditentukan oleh granularitas periode dan offset. Tidak seperti PercentDifference, fungsi ini menggunakan offset berbasis tanggal, bukan offset berukuran tetap. Ini memastikan hanya tanggal yang benar yang dibandingkan, bahkan jika titik data tidak ada dalam kumpulan data.
## Sintaksis
```
periodOverPeriodPercentDifference(
measure,
date,
period,
offset)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat perbedaannya.
*tanggal*
Dimensi tanggal di mana Anda menghitung periodOverPeriod perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung perhitungan. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Argumen ini default untuk granularitas agregasi visual
*mengimbangi*
(Opsional) Offset dapat berupa bilangan bulat positif atau negatif yang mewakili periode waktu sebelumnya (ditentukan oleh periode) yang ingin Anda bandingkan. Misalnya, periode seperempat dengan offset 1 berarti membandingkan dengan kuartal sebelumnya.
Nilai default argumen ini adalah 1.
## Contoh
Contoh berikut menghitung perbedaan persen bulan ke bulan dalam penjualan dengan granularitas dimensi visual dan offset default 1.
```
periodOverPeriodPercentDifference(sum(Sales),{Order Date})
```
Contoh berikut menghitung perbedaan bulan ke bulan persen dalam penjualan dengan granularitas tetap `MONTH` dan offset tetap 1.
```
periodOverPeriodPercentDifference(sum(Sales), {Order Date}, MONTH, 1)
```
![\[Ini adalah gambar kembalinya perhitungan contoh.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/MonthOverMonthPercentDifference.png)
# periodToDateAvgOverTime
`periodToDateAvgOverTime`Fungsi menghitung rata-rata ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
## Sintaksis
```
periodToDateAvgOverTime(
measure,
dateTime,
period)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan perhitungannya
*DateTime*
Dimensi tanggal di mana Anda menghitung PeriodOverTime perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
## Contoh
Fungsi berikut menghitung jumlah tarif rata-rata bulan di atas mont.
```
periodToDateAvgOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Ini adalah gambar dari hasil perhitungan contoh dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDAvgOverTimeResults.png)
# periodToDateCountOverTime
`periodToDateCountOverTime`Fungsi menghitung hitungan dimensi atau ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
## Sintaksis
```
periodToDateCountOverTime(
measure,
dateTime,
period)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan perhitungan
*DateTime*
Dimensi tanggal di mana Anda menghitung PeriodOverTime perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung perhitungan. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
## Contoh
Contoh berikut menghitung jumlah vendor dari bulan ke bulan.
```
periodToDateCountOverTime(count(vendorid), pickupDatetime, MONTH)
```
![\[Ini adalah gambar hasil perhitungan contoh dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDCountOverTimeResults.png)
# periodToDateMaxOverTime
`periodToDateMaxOverTime`Fungsi menghitung maksimum ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
## Sintaksis
```
periodToDateMaxOverTime(
measure,
dateTime,
period)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan perhitungan
*DateTime*
Dimensi tanggal di mana Anda menghitung PeriodOverTime perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
## Contoh
Contoh berikut menghitung jumlah tarif maksimum bulan ke bulan.
```
periodToDatemaxOverTime(max({fare_amount}), pickupDatetime, MONTH)
```
![\[Ini adalah gambar dari hasil perhitungan contoh dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDMaxOverTimeResults.png)
# periodToDateMinOverTime
`periodToDateMinOverTime`Fungsi menghitung minimum ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
## Sintaksis
```
periodToDateMinOverTime(
measure,
dateTime,
period)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan perhitungan
*DateTime*
Dimensi tanggal di mana Anda menghitung PeriodOverTime perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
## Contoh
Contoh berikut menghitung jumlah tarif minimum bulan ke bulan.
```
periodToDateMinOverTime(min({fare_amount}), pickupDatetime, MONTH)
```
![\[Ini adalah gambar hasil perhitungan contoh dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDMinOverTimeResults.png)
# periodToDateSumOverTime
`periodToDateSumOverTime`Fungsi menghitung jumlah ukuran untuk granularitas waktu tertentu (misalnya, seperempat) hingga titik waktu.
## Sintaksis
```
periodToDateSumOverTime(
measure,
dateTime,
period)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lakukan perhitungan
*DateTime*
Dimensi tanggal di mana Anda menghitung PeriodOverTime perhitungan.
*periode*
(Opsional) Periode waktu di mana Anda menghitung komputasi. Granularitas `YEAR` sarana `YearToDate` perhitungan, `Quarter` sarana`QuarterToDate`, dan sebagainya. Granularitas yang valid meliputi`YEAR`,`QUARTER`,,`MONTH`,`WEEK`,`DAY`, `HOUR``MINUTE`, dan. `SECONDS`
Nilai default adalah granularitas dimensi tanggal visual.
## Contoh
Fungsi berikut mengembalikan jumlah tarif total bulan ke bulan.
```
periodToDateSumOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Ini adalah gambar hasil perhitungan contoh dengan ilustrasi.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/PTDSumOverTime-example-results.png)
# stdevOver
`stdevOver`Fungsi menghitung standar deviasi dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan sampel.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
stdevOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (default) perhitungan tabel dihitung ketika visual ditampilkan.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung standar deviasi`sum(Sales)`, dipartisi oleh `City` dan`State`, berdasarkan sampel..
```
stdevOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menghitung standar deviasi `Billed Amount` over`Customer Region`, berdasarkan sampel. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
stdevOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# stdevpOver
`stdevpOver`Fungsi menghitung standar deviasi dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan populasi yang bias.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
stdevpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (default) perhitungan tabel dihitung ketika visual ditampilkan.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung standar deviasi, dipartisi oleh `City` dan `sum(Sales)``State`, berdasarkan populasi yang bias.
```
stdevpOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menghitung standar deviasi `Billed Amount` over`Customer Region`, berdasarkan populasi yang bias. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
stdevpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varOver
`varOver`Fungsi menghitung varians dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan sampel.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
varOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungan, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung varians`sum(Sales)`, dipartisi oleh `City` dan`State`, berdasarkan sampel.
```
varOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menghitung varians `Billed Amount` over`Customer Region`, berdasarkan sampel. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
varOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varpOver
`varpOver`Fungsi menghitung varians dari ukuran yang ditentukan, dipartisi oleh atribut atau atribut yang dipilih, berdasarkan populasi yang bias.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
varpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung varians, dipartisi oleh `City` dan `sum(Sales)``State`, berdasarkan populasi yang bias.
```
varpOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut menghitung varians `Billed Amount` over`Customer Region`, berdasarkan populasi yang bias. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
varpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# sumOver
`sumOver`Fungsi menghitung jumlah ukuran yang dipartisi oleh daftar dimensi.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
sumOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Pendapat
*mengukur*
Ukuran yang ingin Anda lakukan perhitungannya, misalnya`sum({Sales Amt})`. Gunakan agregasi jika tingkat perhitungan diatur ke `NULL` atau`POST_AGG_FILTER`. Jangan gunakan agregasi jika tingkat perhitungan diatur ke `PRE_FILTER` atau`PRE_AGG`.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (default) perhitungan tabel dihitung ketika visual ditampilkan.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut menghitung jumlah, `sum(Sales)` dipartisi oleh dan. `City` `State`
```
sumOver
(
sum(Sales),
[City, State]
)
```
Contoh berikut `Billed Amount` dijumlahkan`Customer Region`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
sumOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Screenshot berikut menunjukkan hasil contoh. Dengan penambahan`Customer Segment`, jumlah total yang ditagih untuk masing-masing dijumlahkan untuk`Customer Region`, dan ditampilkan di bidang yang dihitung.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/sumOver.png)
# denseRank
`denseRank`Fungsi menghitung peringkat ukuran atau dimensi dibandingkan dengan partisi yang ditentukan. Ini menghitung setiap item hanya sekali, mengabaikan duplikat, dan menetapkan peringkat “tanpa lubang” sehingga nilai duplikat berbagi peringkat yang sama.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
denseRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*urutkan bidang urutan*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini defaultnya saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut memiliki peringkat padat`max(Sales)`, berdasarkan urutan urutan menurun, oleh `State` dan. `City` Setiap kota dengan yang sama `max(Sales)` diberi peringkat yang sama, dan kota berikutnya diberi peringkat berturut-turut setelah mereka. Misalnya, jika tiga kota memiliki peringkat yang sama, kota keempat berada di peringkat kedua.
```
denseRank
(
[max(Sales) DESC],
[State, City]
)
```
Contoh berikut diberi peringkat padat`max(Sales)`, berdasarkan urutan urutan menurun, oleh. `State` Setiap negara bagian dengan yang sama `max(Sales)` diberi peringkat yang sama, dan yang berikutnya diberi peringkat berturut-turut setelah mereka. Misalnya, jika tiga negara bagian memiliki peringkat yang sama, negara bagian keempat diberi peringkat kedua.
```
denseRank
(
[max(Sales) DESC],
[State]
)
```
# rank
`rank`Fungsi menghitung peringkat ukuran atau dimensi dibandingkan dengan partisi yang ditentukan. Ini menghitung setiap item, bahkan duplikat, sekali dan menetapkan peringkat “dengan lubang” untuk menebus nilai duplikat.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
rank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi agregat yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut peringkat`max(Sales)`, berdasarkan urutan urutan menurun, oleh `State` dan`City`, dalam `State` dari. **WA** Setiap kota dengan yang sama `max(Sales)` diberi peringkat yang sama, tetapi peringkat berikutnya mencakup hitungan semua peringkat yang ada sebelumnya. Misalnya, jika tiga kota memiliki peringkat yang sama, kota keempat berada di peringkat keempat.
```
rank
(
[max(Sales) DESC],
[State, City]
)
```
Contoh berikut memberi peringkat`max(Sales)`, berdasarkan urutan urutan menaik, oleh`State`. Setiap negara bagian dengan yang sama `max(Sales)` diberi peringkat yang sama, tetapi peringkat berikutnya mencakup hitungan semua peringkat yang ada sebelumnya. Misalnya, jika tiga negara bagian memiliki peringkat yang sama, negara bagian keempat berada di peringkat keempat.
```
rank
(
[max(Sales) ASC],
[State]
)
```
Contoh berikut diberi peringkat `Customer Region` berdasarkan total`Billed Amount`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
rank(
[sum({Billed Amount}) DESC]
)
```
Tangkapan layar berikut menunjukkan hasil contoh, bersama dengan total `Billed Amount` sehingga Anda dapat melihat bagaimana peringkat setiap wilayah.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/rankCalc.png)
# percentileRank
`percentileRank`Fungsi menghitung peringkat persentil ukuran atau dimensi dibandingkan dengan partisi yang ditentukan. Nilai peringkat persentil (*x*) menunjukkan bahwa item saat ini berada di *x* atas% dari nilai di partisi yang ditentukan. Nilai peringkat persentil berkisar dari 0 (inklusif) hingga 100 (eksklusif).
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
percentileRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ {partition_field}, ... ]
)
```
## Pendapat
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi agregat yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*tingkat perhitungan*
(Opsional) Menentukan tingkat perhitungan untuk menggunakan:
+ **`PRE_FILTER`**— Perhitungan prefilter dihitung sebelum filter dataset.
+ **`PRE_AGG`**— Perhitungan preagregat dihitung sebelum menerapkan agregasi dan filter *N* atas dan bawah ke visual.
+ **`POST_AGG_FILTER`**— (Default) Perhitungan tabel dihitung saat tampilan visual.
Nilai ini default saat kosong. `POST_AGG_FILTER` Untuk informasi selengkapnya, lihat [Menggunakan perhitungan sadar level di Cepat](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Contoh
Contoh berikut melakukan peringkat persentil `max(Sales)` dalam urutan menurun, oleh. `State`
```
percentileRank
(
[max(Sales) DESC],
[State]
)
```
Contoh berikut melakukan peringkat persentil `Customer Region` dengan total. `Billed Amount` Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
percentileRank(
[sum({Billed Amount}) DESC],
[{Customer Region}]
)
```
Tangkapan layar berikut menunjukkan hasil contoh, bersama dengan total `Billed Amount` sehingga Anda dapat melihat bagaimana setiap wilayah membandingkan.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/percentileRank.png)
# runningAvg
`runningAvg`Fungsi menghitung rata-rata berjalan untuk ukuran berdasarkan dimensi dan urutan urutan yang ditentukan.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
runningAvg
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat rata-rata berjalan.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung rata-rata berjalan, diurutkan berdasarkan`sum(Sales)`, dipartisi oleh `Sales` dan. `City` `State`
```
runningAvg
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
Contoh berikut menghitung rata-rata berjalan`Billed Amount`, diurutkan berdasarkan bulan ()`[truncDate("MM",Date) ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
runningAvg
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningCount
`runningCount`Fungsi menghitung hitungan berjalan untuk ukuran atau dimensi, berdasarkan dimensi dan urutan urutan yang ditentukan.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
runningCount
(
measure_or_dimension
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*ukuran atau dimensi*
Ukuran atau dimensi agregat yang ingin Anda lihat hitungan berjalan.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung hitungan berjalan, diurutkan berdasarkan`sum(Sales)`, dipartisi oleh `Sales` dan. `City` `State`
```
runningCount
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
Contoh berikut menghitung hitungan berjalan`Billed Amount`, diurutkan berdasarkan bulan ()`[truncDate("MM",Date) ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
runningCount
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMax
`runningMax`Fungsi menghitung maksimum berjalan untuk ukuran berdasarkan dimensi dan urutan urutan yang ditentukan.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
runningMax
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat maksimum berjalan.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung maksimum berjalan, diurutkan berdasarkan`sum(Sales)`, dipartisi oleh `Sales` dan. `City` `State`
```
runningMax
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
Contoh berikut menghitung maksimum berjalan`Billed Amount`, diurutkan berdasarkan bulan ()`[truncDate("MM",Date) ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
runningMax
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMin
`runningMin`Fungsi menghitung minimum berjalan untuk ukuran berdasarkan dimensi dan urutan urutan yang ditentukan.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
runningMin
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat minimum berjalan.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung minimum berjalan, diurutkan berdasarkan`sum(Sales)`, dipartisi oleh `Sales` dan. `City` `State`
```
runningMin
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
Contoh berikut menghitung minimum berjalan`Billed Amount`, diurutkan berdasarkan bulan ()`[truncDate("MM",Date) ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
runningMin
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningSum
`runningSum`Fungsi menghitung jumlah yang berjalan untuk ukuran berdasarkan dimensi dan urutan urutan yang ditentukan.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
runningSum
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Ukuran agregat yang ingin Anda lihat jumlah yang sedang berjalan.
*urutkan bidang urutan*
Satu atau lebih ukuran dan dimensi yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan pengurutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung jumlah berjalan, diurutkan berdasarkan`sum(Sales)`, dipartisi oleh `Sales` dan. `City` `State`
```
runningSum
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
Contoh berikut menghitung jumlah berjalan`Billed Amount`, diurutkan berdasarkan bulan ()`[truncDate("MM",Date) ASC]`. Bidang dalam perhitungan tabel berada di bidang sumur visual.
```
runningSum
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
Screenshot berikut menunjukkan hasil contoh. Label merah menunjukkan bagaimana setiap jumlah ditambahkan (`a + b = c`) ke jumlah berikutnya, menghasilkan total baru.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/runningSum.png)
# firstValue
`firstValue`Fungsi menghitung nilai pertama dari ukuran agregat atau dimensi yang dipartisi dan diurutkan berdasarkan atribut tertentu.
## Sintaksis
Kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
firstValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Pendapat
*ukuran atau dimensi agregat*
Ukuran atau dimensi agregat yang ingin Anda lihat nilai pertama.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurawal kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*partisi dengan atribut*
(Opsional) Satu atau lebih ukuran atau dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung yang pertama`Destination Airport`, diurutkan berdasarkan, dipartisi dengan `Flight Date` naik dan. `Flight Date` `Origin Airport`
```
firstValue(
{Destination Airport}
[{Flight Date} ASC],
[
{Origin Airport},
{Flight Date}
]
)
```
# lastValue
`lastValue`Fungsi menghitung nilai terakhir dari ukuran agregat atau dimensi yang dipartisi dan diurutkan berdasarkan atribut tertentu.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
lastValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Pendapat
*ukuran atau dimensi agregat*
Ukuran atau dimensi agregat yang ingin Anda lihat nilai terakhir.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (`ASC`) atau descending (`DESC`).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*partisi dengan atribut*
(Opsional) Satu atau lebih ukuran atau dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung nilai terakhir untuk`Destination Airport`. Perhitungan ini diurutkan berdasarkan `Flight Date` nilai dan dipartisi berdasarkan nilai yang diurutkan dalam urutan menaik dan `Flight Date` nilainya. `Origin Airport`
```
lastValue(
[{Destination Airport}],
[{Flight Date} ASC],
[
{Origin Airport},
truncDate('DAY', {Flight Date})
]
)
```
# windowAvg
`windowAvg`Fungsi menghitung rata-rata ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu. Biasanya, Anda menggunakan fungsi jendela kustom pada deret waktu, di mana visual Anda menunjukkan bidang metrik dan tanggal. Misalnya, Anda dapat menggunakan `windowAvg` untuk menghitung rata-rata bergerak, yang sering digunakan untuk menghaluskan noise dalam grafik garis.
Fungsi jendela tidak didukung untuk versi MySQL lebih awal dari 8 dan versi MariaDB lebih awal dari 10.2.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
windowAvg
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Metrik agregat yang ingin Anda dapatkan rata-rata, misalnya`sum({Revenue})`.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks awal*
Indeks awal adalah bilangan bulat positif, menunjukkan *n* baris di atas baris saat ini. Indeks awal menghitung titik data yang tersedia di atas baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*indeks akhir*
Indeks akhir adalah bilangan bulat positif, menunjukkan *n* baris di bawah baris saat ini. Indeks akhir menghitung titik data yang tersedia di bawah baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung rata-rata bergerak, `sum(Revenue)` dipartisi oleh. `SaleDate` Perhitungan mencakup tiga baris di atas dan dua baris di bawah baris saat ini.
```
windowAvg
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
Screenshot berikut menunjukkan hasil dari contoh moving average ini. Bidang jumlah (Pendapatan) ditambahkan ke bagan untuk menunjukkan perbedaan antara pendapatan dan rata-rata pendapatan bergerak.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/windowAvg.png)
# windowCount
`windowCount`Fungsi menghitung jumlah ukuran atau dimensi agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu. Biasanya, Anda menggunakan fungsi jendela kustom pada deret waktu, di mana visual Anda menunjukkan bidang metrik dan tanggal.
Fungsi jendela tidak didukung untuk versi MySQL lebih awal dari 8 dan versi MariaDB lebih awal dari 10.2.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
windowCount
(
measure_or_dimension
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Pendapat
*ukuran atau dimensi*
Metrik agregat yang ingin Anda dapatkan rata-rata, misalnya`sum({Revenue})`.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurawal kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks awal*
Indeks awal adalah bilangan bulat positif, menunjukkan *n* baris di atas baris saat ini. Indeks awal menghitung titik data yang tersedia di atas baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*indeks akhir*
Indeks akhir adalah bilangan bulat positif, menunjukkan *n* baris di bawah baris saat ini. Indeks akhir menghitung titik data yang tersedia di bawah baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurawal kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung jumlah bergerak, `sum(Revenue)` dipartisi oleh. `SaleDate` Perhitungan mencakup tiga baris di atas dan dua baris di bawah baris saat ini.
```
windowCount
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
# windowMax
`windowMax`Fungsi menghitung maksimum ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu. Biasanya, Anda menggunakan fungsi jendela kustom pada deret waktu, di mana visual Anda menunjukkan bidang metrik dan tanggal. Anda dapat menggunakan `windowMax` untuk membantu Anda mengidentifikasi maksimum metrik selama periode waktu tertentu.
Fungsi jendela tidak didukung untuk versi MySQL lebih awal dari 8 dan versi MariaDB lebih awal dari 10.2.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
windowMax
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Metrik agregat yang ingin Anda dapatkan rata-rata, misalnya`sum({Revenue})`.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks awal*
Indeks awal adalah bilangan bulat positif, menunjukkan *n* baris di atas baris saat ini. Indeks awal menghitung titik data yang tersedia di atas baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*indeks akhir*
Indeks akhir adalah bilangan bulat positif, menunjukkan *n* baris di bawah baris saat ini. Indeks akhir menghitung titik data yang tersedia di bawah baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung maksimum 12 bulan tertinggal`sum(Revenue)`, dipartisi oleh. `SaleDate` Perhitungan mencakup 12 baris di atas dan 0 baris di bawah baris saat ini.
```
windowMax
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Tangkapan layar berikut menunjukkan hasil contoh 12 bulan berikut ini. Bidang jumlah (Pendapatan) ditambahkan ke bagan untuk menunjukkan perbedaan antara pendapatan dan pendapatan maksimum 12 bulan yang tertinggal.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/windowMax.png)
# windowMin
`windowMin`Fungsi menghitung minimum ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu. Biasanya, Anda menggunakan fungsi jendela kustom pada deret waktu, di mana visual Anda menunjukkan bidang metrik dan tanggal. Anda dapat menggunakan `windowMin` untuk membantu Anda mengidentifikasi minimum metrik selama periode waktu tertentu.
Fungsi jendela tidak didukung untuk versi MySQL lebih awal dari 8 dan versi MariaDB lebih awal dari 10.2.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
windowMin
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Metrik agregat yang ingin Anda dapatkan rata-rata, misalnya`sum({Revenue})`.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks awal*
Indeks awal adalah bilangan bulat positif, menunjukkan *n* baris di atas baris saat ini. Indeks awal menghitung titik data yang tersedia di atas baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*indeks akhir*
Indeks akhir adalah bilangan bulat positif, menunjukkan *n* baris di bawah baris saat ini. Indeks akhir menghitung titik data yang tersedia di bawah baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung minimum 12 bulan tertinggal`sum(Revenue)`, dipartisi oleh. `SaleDate` Perhitungan mencakup 12 baris di atas dan 0 baris di bawah baris saat ini.
```
windowMin
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Tangkapan layar berikut menunjukkan hasil contoh 12 bulan berikut ini. Bidang jumlah (Pendapatan) ditambahkan ke bagan untuk menunjukkan perbedaan antara pendapatan dan pendapatan minimum 12 bulan yang tertinggal.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/windowMin.png)
# windowSum
`windowSum`Fungsi menghitung jumlah ukuran agregat di jendela kustom yang dipartisi dan diurutkan berdasarkan atribut tertentu. Biasanya, Anda menggunakan fungsi jendela kustom pada deret waktu, di mana visual Anda menunjukkan bidang metrik dan tanggal.
Fungsi jendela tidak didukung untuk versi MySQL lebih awal dari 8 dan versi MariaDB lebih awal dari 10.2.
## Sintaksis
Tanda kurung diperlukan. Untuk melihat argumen mana yang opsional, lihat deskripsi berikut.
```
windowSum
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Pendapat
*mengukur*
Metrik agregat yang ingin Anda dapatkan jumlahnya, misalnya`sum({Revenue})`.
Untuk mesin MySQL, MariaDB, dan Amazon Aurora dengan kompatibilitas MySQL, indeks pencarian dibatasi hanya 1. Fungsi jendela tidak didukung untuk versi MySQL di bawah 8 dan versi MariaDB lebih awal dari 10.2.
*atribut sortir*
Satu atau lebih bidang agregat, baik ukuran atau dimensi atau keduanya, yang ingin Anda urutkan datanya, dipisahkan dengan koma. Anda dapat menentukan urutan urutan ascending (**ASC**) atau descending (**DESC**).
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
*indeks awal*
Indeks awal adalah bilangan bulat positif, menunjukkan *n* baris di atas baris saat ini. Indeks awal menghitung titik data yang tersedia di atas baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*indeks akhir*
Indeks akhir adalah bilangan bulat positif, menunjukkan *n* baris di bawah baris saat ini. Indeks akhir menghitung titik data yang tersedia di bawah baris saat ini, daripada menghitung periode waktu aktual. Jika data Anda jarang (hilang bulan atau tahun, misalnya), sesuaikan indeksnya.
*bidang partisi*
(Opsional) Satu atau lebih dimensi yang ingin Anda partisi, dipisahkan dengan koma.
Setiap bidang dalam daftar diapit \$1\$1 (kurung kurawal), jika lebih dari satu kata. Seluruh daftar terlampir dalam [] (tanda kurung siku).
## Contoh
Contoh berikut menghitung jumlah bergerak, diurutkan berdasarkan. `sum(Revenue)` `SaleDate` Perhitungan mencakup dua baris di atas dan satu baris di depan baris saat ini.
```
windowSum
(
sum(Revenue),
[SaleDate ASC],
2,
1
)
```
Contoh berikut menunjukkan jumlah 12 bulan yang tertinggal.
```
windowSum(sum(Revenue),[SaleDate ASC],12,0)
```
Tangkapan layar berikut menunjukkan hasil contoh jumlah 12 bulan berikut ini. `sum(Revenue)`Bidang ditambahkan ke bagan untuk menunjukkan perbedaan antara pendapatan dan jumlah pendapatan 12 bulan yang tertinggal.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/windowSum.png)
# Bergabung dengan data
Anda dapat menggunakan antarmuka gabungan di Amazon Quick Sight untuk menggabungkan objek dari satu atau beberapa sumber data. Dengan menggunakan Amazon Quick Sight untuk bergabung dengan data, Anda dapat menggabungkan data yang berbeda tanpa menduplikasi data dari sumber yang berbeda.
## Jenis kumpulan data yang bergabung
Gabungan dilakukan antara dua *tabel logis* Quick Sight, di mana setiap tabel logis berisi informasi tentang cara mengambil data. Saat mengedit kumpulan data di Quick Sight, diagram gabungan di bagian atas halaman menunjukkan setiap tabel logis sebagai blok persegi panjang.
Ada dua jenis kumpulan data yang bergabung di Quick Sight: sumber yang sama dan lintas sumber. Dataset dianggap sebagai sumber yang sama ketika tidak memiliki gabungan, atau ketika semua kondisi berikut terpenuhi:
+ Jika salah satu tabel logis merujuk ke sumber data Quick Sight:
+ Semua tabel logis dalam kumpulan data ini harus merujuk ke sumber data Quick Sight yang sama. Ini tidak berlaku jika dua sumber data Quick Sight terpisah merujuk ke database dasar yang sama. Itu harus sumber data Quick Sight yang sama persis. Untuk informasi selengkapnya tentang menggunakan satu sumber data, lihat[Membuat kumpulan data menggunakan sumber data yang ada](create-a-data-set-existing.md).
+ Jika salah satu tabel logis merujuk ke kumpulan data Quick Sight yang merupakan kumpulan data induk:
+ Dataset induk harus menggunakan kueri langsung.
+ Dataset induk harus merujuk ke sumber data Quick Sight yang sama.
Jika kondisi di atas tidak terpenuhi, kumpulan data dianggap sebagai gabungan lintas sumber.
## Fakta tentang bergabung dengan kumpulan data
Gabungan kumpulan data sumber yang sama dan lintas sumber memiliki batasan berikut.
### Berapa jumlah maksimum tabel yang dapat berisi kumpulan data yang digabungkan?
Semua kumpulan data yang bergabung dapat berisi hingga 32 tabel.
### Seberapa besar data yang dapat digabungkan?
Ukuran maksimum yang diizinkan dari gabungan ditentukan oleh mode kueri dan mesin kueri yang digunakan. Daftar di bawah ini memberikan informasi tentang batas ukuran yang berbeda untuk tabel yang akan digabungkan. Batas ukuran berlaku untuk semua tabel sekunder yang digabungkan. Tidak ada batasan ukuran gabungan untuk tabel utama.
+ **Tabel sumber yang sama** - Ketika tabel berasal dari sumber data kueri tunggal, Quick Sight tidak memberlakukan batasan pada ukuran gabungan. Ini tidak mengesampingkan batasan ukuran gabungan yang mungkin dimiliki mesin kueri sumber.
+ **Kumpulan data lintas sumber** - Jenis gabungan ini berisi tabel dari sumber data berbeda yang tidak disimpan. SPICE Untuk jenis gabungan ini, Quick Sight secara otomatis mengidentifikasi tabel terbesar dalam kumpulan data. Ukuran gabungan dari semua tabel sekunder lainnya harus kurang dari 1 GB.
+ **Kumpulan data yang disimpan di SPICE** - Jenis gabungan ini berisi tabel yang semuanya tertelan. SPICE Ukuran gabungan dari semua tabel sekunder dalam gabungan ini tidak boleh melebihi 20 GB.
Untuk informasi selengkapnya tentang perhitungan ukuran SPICE kumpulan data, lihat[Memperkirakan ukuran dataset SPICE](spice.md#spice-capacity-formula).
### Bisakah kumpulan data yang bergabung menggunakan kueri langsung?
Kumpulan data sumber yang sama mendukung kueri langsung, dengan asumsi tidak ada batasan lain dalam menggunakan kueri langsung. Misalnya, sumber data S3 tidak mendukung kueri langsung, jadi kumpulan data S3 sumber yang sama harus tetap menggunakan SPICE.
Kumpulan data lintas sumber harus menggunakan SPICE.
### Dapatkah kolom terhitung digunakan dalam bergabung?
Semua kumpulan data yang bergabung dapat menggunakan bidang terhitung, tetapi bidang terhitung tidak dapat digunakan dalam klausa apa pun.
### Dapatkah data geografis digunakan dalam bergabung?
Kumpulan data sumber yang sama mendukung tipe data geografis, tetapi bidang geografis tidak dapat digunakan dalam klausul apa pun.
Kumpulan data lintas sumber tidak mendukung data geografis dalam bentuk apa pun.
Untuk beberapa contoh menggabungkan tabel di seluruh sumber data, lihat posting [Bergabung di seluruh sumber data di Amazon Quick Sight](https://aws.amazon.com/blogs/big-data/joining-across-data-sources-on-amazon-quicksight/) di Blog AWS Big Data.
## Membuat Gabungan
Gunakan prosedur berikut untuk menggabungkan tabel untuk digunakan dalam kumpulan data. Sebelum memulai, impor atau sambungkan ke data Anda. Anda dapat membuat gabungan antara salah satu sumber data yang didukung oleh Amazon Quick Sight, kecuali data Internet of Things (IoT). Misalnya, Anda dapat menambahkan file, tabel, tampilan, kueri SQL, atau objek JSON dengan nilai dipisahkan koma (.csv) di bucket Amazon S3.
**Untuk menambahkan satu atau lebih gabungan**
1. Buka kumpulan data yang ingin Anda gunakan.
1. (Opsional) Sebelum memulai, putuskan apakah Anda ingin menonaktifkan pratinjau yang dibuat secara otomatis berdasarkan sampel data Anda. Untuk menonaktifkannya, pilih **Pratinjau otomatis** di kanan atas. Ini dihidupkan secara default.
1. Jika Anda belum memilih mode kueri, pilih **mode Kueri**.
Pilih **SPICE**untuk menyimpan kumpulan data Anda di [SPICE](spice.md), atau pilih **Kueri langsung** untuk menarik data langsung setiap saat. Jika kumpulan data Anda berisi satu bijih lebih banyak file yang diunggah secara manual, kumpulan data Anda akan disimpan secara otomatis. SPICE
Jika Anda memilih **SPICE**, data dicerna ke Quick Sight. Visual yang menggunakan dataset menjalankan kueri diSPICE, bukan pada database.
Jika Anda memilih **Kueri langsung**, data tidak akan SPICE tertelan. Visual yang menggunakan dataset menjalankan kueri pada database, bukan di. SPICE
Jika Anda memilih **mode Kueri**, pastikan untuk mengatur kunci unik di gabungan, jika berlaku, untuk meningkatkan kinerja saat memuat visual.
1. Pada halaman persiapan data, pilih **Tambahkan data**.
1. Di **halaman Tambahkan data** yang terbuka, pilih salah satu opsi berikut dan selesaikan langkah-langkah berikut:
+ Tambahkan data dari kumpulan data:
1. Pilih **Dataset**.
1. Pilih kumpulan data dari daftar.
1. Pilih **Pilih**.
+ Tambahkan data dari sumber data:
1. Pilih **Sumber data**.
1. Pilih sumber data dari daftar.
1. Pilih **Pilih**.
1. Pilih tabel dari daftar.
1. Pilih **Pilih**.
+ Buat self-join dengan menambahkan tabel beberapa kali. Penghitung muncul setelah nama. Contohnya adalah **Produk**, **Produk (2)**, dan **Produk (3)**. Nama bidang di bagian **Bidang** atau **Filter** menyertakan penghitung yang sama sehingga Anda dapat mengetahui contoh tabel mana bidang berasal.
+ Tambahkan file baru dengan memilih **Unggah file**, lalu pilih file yang ingin Anda gabungkan.
1. (Opsional) Pilih **Gunakan SQL khusus** untuk membuka editor kueri dan menulis kueri untuk sumber data SQL.
1. (Opsional) Setelah Anda menambahkan data, berinteraksi dengan setiap tabel dengan memilih ikon menunya. Atur ulang tabel dengan menyeret dan menjatuhkannya.
Ikon dengan titik merah muncul untuk menunjukkan bahwa Anda perlu mengonfigurasi gabungan ini. Dua titik merah muncul untuk gabungan yang belum dikonfigurasi. Untuk membuat gabungan, pilih ikon konfigurasi gabungan pertama.
1. (Opsional) Untuk mengubah gabungan yang ada, buka kembali **konfigurasi Gabung** dengan memilih ikon gabungan di antara dua tabel.
Panel **Konfigurasi Gabung** terbuka. Pada antarmuka gabungan, tentukan jenis gabungan dan bidang yang akan digunakan untuk bergabung dengan tabel.
1. Di bagian bawah layar, Anda dapat melihat opsi untuk mengatur bidang dalam satu tabel sama dengan bidang di tabel lain.
1. Di bagian **Klausa Gabung**, pilih kolom gabungan untuk setiap tabel.
(Opsional) Jika tabel yang Anda pilih bergabung di beberapa kolom, pilih **Tambahkan klausa gabungan baru**. Melakukan hal ini menambahkan baris lain ke klausa bergabung, sehingga Anda dapat menentukan kumpulan kolom berikutnya untuk bergabung. Ulangi proses ini sampai Anda telah mengidentifikasi semua kolom gabungan untuk dua objek data.
1. Di panel **konfigurasi Gabung**, pilih jenis gabungan untuk diterapkan. Jika bidang gabungan adalah kunci unik untuk satu atau kedua tabel, aktifkan pengaturan kunci unik. Kunci unik hanya berlaku untuk kueri langsung, bukan untuk SPICE data.
Untuk informasi lebih lanjut tentang bergabung, lihat[Bergabunglah dengan tipe](#join-types).
1. Pilih **Terapkan** untuk mengonfirmasi pilihan Anda.
Untuk membatalkan tanpa membuat perubahan, pilih **Batal**.
1. Ikon bergabung di ruang kerja berubah untuk menunjukkan hubungan baru.
1. (Opsional) Di bagian **Bidang**, Anda dapat menggunakan menu setiap bidang untuk melakukan satu atau beberapa hal berikut:
+ **Tambahkan hierarki ke bidang** geospasial.
+ **Sertakan** atau **Kecualikan** bidang.
+ **Edit nama & deskripsi** bidang.
+ **Ubah tipe data**.
+ **Tambahkan perhitungan** (bidang terhitung).
+ **Batasi akses hanya ke saya**, jadi hanya Anda yang bisa melihatnya. Ini dapat membantu saat Anda menambahkan bidang ke kumpulan data yang sudah digunakan.
1. (Opsional) Di bagian **Filter**, Anda dapat menambahkan atau mengedit filter. Untuk informasi selengkapnya, lihat [Memfilter data di Amazon Quick Sight](adding-a-filter.md).
## Bergabunglah dengan tipe
Amazon Quick Sight mendukung jenis gabungan berikut:
+ Inner bergabung
+ Gabungan luar kiri dan kanan
+ Gabungan luar penuh
Mari kita lihat lebih dekat apa yang dilakukan tipe gabungan ini dengan data Anda. Untuk contoh data kita, kita menggunakan tabel berikut bernama `widget` dan`safety rating`.
```
SELECT * FROM safety-rating
rating_id safety_rating
1 A+
2 A
3 A-
4 B+
5 B
SELECT * FROM WIDGET
widget_id widget safety_rating_id
1 WidgetA 3
2 WidgetB 1
3 WidgetC 1
4 WidgetD 2
5 WidgetE
6 WidgetF 5
7 WidgetG
```
### Inner bergabung
Gunakan gabungan batin ketika Anda hanya ingin melihat data di mana ada kecocokan antara dua tabel. **Misalnya, anggaplah Anda melakukan penggabungan batin pada tabel **peringkat keamanan dan widget**.**
Dalam set hasil berikut, widget tanpa peringkat keamanan dihapus, dan peringkat keamanan tanpa widget terkait dihapus. Hanya baris yang cocok dengan sempurna yang disertakan.
```
SELECT * FROM safety-rating
INNER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
3 A- 1 WidgetA 3
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
5 B 6 WidgetF 5
```
### Gabungan luar kiri dan kanan
Ini juga dikenal sebagai sambungan luar kiri atau kanan. Gunakan gabungan luar kiri atau kanan saat Anda ingin melihat semua data dari satu tabel, dan hanya baris yang cocok dari tabel lainnya.
Dalam antarmuka grafis, Anda dapat melihat tabel mana yang ada di kanan atau kiri. Dalam pernyataan SQL, tabel pertama dianggap berada di sebelah kiri. Oleh karena itu, memilih gabungan luar kiri sebagai lawan dari gabungan luar kanan hanya bergantung pada bagaimana tabel diletakkan di alat kueri Anda.
Misalnya, anggaplah Anda melakukan gabungan luar kiri `safety-rating` (tabel kiri) dan `widgets` (tabel kanan). Dalam hal ini, semua `safety-rating` baris dikembalikan, dan hanya `widget` baris yang cocok dikembalikan. Anda dapat melihat kosong di set hasil di mana tidak ada data yang cocok.
```
SELECT * FROM safety-rating
LEFT OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
3 A- 1 WidgetA 3
4 B+
5 B 6 WidgetF 5
```
Jika Anda malah menggunakan gabungan luar kanan, panggil tabel dalam urutan yang sama sehingga `safety-rating` ada di sebelah kiri dan `widgets` di sebelah kanan. Dalam hal ini, hanya `safety-rating` baris yang cocok yang dikembalikan, dan semua `widget` baris dikembalikan. Anda dapat melihat kosong di set hasil di mana tidak ada data yang cocok.
```
SELECT * FROM safety-rating
RIGHT OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
3 A- 1 WidgetA 3
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
5 WidgetE
5 B 6 WidgetF 5
7 WidgetG
```
### Gabungan luar penuh
Ini kadang-kadang disebut hanya gabungan luar, tetapi istilah ini dapat merujuk pada gabungan luar kiri, kanan luar, atau luar penuh. Untuk mendefinisikan artinya, kita menggunakan nama lengkap: full outer join.
Gunakan gabungan luar lengkap untuk melihat data yang cocok, ditambah data dari kedua tabel yang tidak cocok. Jenis gabungan ini mencakup semua baris dari kedua tabel. Misalnya, jika Anda melakukan gabungan luar penuh pada `widget` tabel `safety-rating` dan, semua baris dikembalikan. Baris disejajarkan di mana mereka cocok, dan semua data tambahan disertakan pada baris terpisah. Anda dapat melihat kosong di set hasil di mana tidak ada data yang cocok.
```
SELECT * FROM safety-rating
FULL OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
3 A- 1 WidgetA 3
4 B+
5 B 6 WidgetF 5
5 WidgetE
7 WidgetG
```
# Mempersiapkan bidang data untuk analisis di Amazon Quick Sight
Sebelum Anda mulai menganalisis dan memvisualisasikan data Anda, Anda dapat menyiapkan bidang (kolom) dalam kumpulan data Anda untuk dianalisis. Anda dapat mengedit nama dan deskripsi bidang, mengubah tipe data untuk bidang, mengatur hierarki penelusuran untuk bidang, dan banyak lagi.
Gunakan topik berikut untuk menyiapkan bidang dalam kumpulan data Anda.
**Topics**
+ [Mengedit nama dan deskripsi bidang](changing-a-field-name.md)
+ [Mengatur bidang sebagai dimensi atau ukuran](setting-dimension-or-measure.md)
+ [Mengubah tipe data bidang](changing-a-field-data-type.md)
+ [Menambahkan penelusuran ke data visual di Quick Sight](adding-drill-downs.md)
+ [Memilih bidang](selecting-fields.md)
+ [Mengatur bidang ke dalam folder di Amazon QuickSight](organizing-fields-folder.md)
+ [Pemetaan dan penggabungan bidang](mapping-and-joining-fields.md)
# Mengedit nama dan deskripsi bidang
Anda dapat mengubah nama bidang dan deskripsi apa pun dari apa yang disediakan oleh sumber data. Jika Anda mengubah nama bidang yang digunakan dalam bidang terhitung, pastikan juga untuk mengubahnya dalam fungsi bidang terhitung. Jika tidak, fungsinya gagal.
**Untuk mengubah nama bidang atau deskripsi**
1. Di panel **Bidang** halaman persiapan data, pilih ikon tiga titik pada bidang yang ingin Anda ubah. Kemudian pilih **Edit nama & deskripsi**.
1. Masukkan nama atau deskripsi baru yang ingin Anda ubah, dan pilih **Terapkan**.
Anda juga dapat mengubah nama dan deskripsi bidang pada halaman persiapan data. Untuk melakukan ini, pilih header kolom bidang yang ingin Anda ubah dalam tabel **Dataset** di bagian bawah halaman tersebut. Kemudian buat perubahan apa pun di sana.
# Mengatur bidang sebagai dimensi atau ukuran
Di panel **Daftar bidang**, bidang dimensi memiliki ikon biru dan bidang ukuran memiliki ikon hijau. *Dimensi* adalah bidang teks atau tanggal yang dapat berupa item, seperti produk, atau atribut yang terkait dengan ukuran. Anda dapat menggunakan dimensi untuk mempartisi item atau atribut ini, seperti tanggal penjualan untuk angka penjualan. *Ukuran* adalah nilai numerik yang Anda gunakan untuk pengukuran, perbandingan, dan agregasi.
Dalam beberapa kasus, Quick Sight menafsirkan bidang sebagai ukuran yang ingin Anda gunakan sebagai dimensi (atau sebaliknya). Jika demikian, Anda dapat mengubah pengaturan untuk bidang itu.
Mengubah ukuran bidang atau pengaturan dimensi mengubahnya untuk semua visual dalam analisis yang menggunakan kumpulan data tersebut. Namun, itu tidak mengubahnya di dataset itu sendiri.
## Mengubah dimensi bidang atau pengaturan ukuran
Gunakan prosedur berikut untuk mengubah dimensi bidang atau pengaturan pengukuran
**Untuk mengubah dimensi bidang atau pengaturan pengukuran**
1. Di panel **Daftar bidang**, arahkan kursor ke bidang yang ingin Anda ubah.
1. Pilih ikon pemilih di sebelah kanan nama bidang, lalu pilih **Konversi ke dimensi** atau **Konversi untuk mengukur** sesuai kebutuhan.
# Mengubah tipe data bidang
Ketika Quick Sight mengambil data, ia menetapkan setiap bidang tipe data berdasarkan data di lapangan. Tipe data yang mungkin adalah sebagai berikut:
+ Tanggal - Tipe data tanggal digunakan untuk data tanggal dalam format yang didukung. Untuk informasi tentang format tanggal yang didukung Quick Sight, lihat[Kuota sumber data](data-source-limits.md).
+ Desimal — Tipe data desimal digunakan untuk data numerik yang membutuhkan satu atau lebih tempat desimal presisi, misalnya 18.23. Tipe data desimal mendukung nilai dengan hingga empat tempat desimal di sebelah kanan titik desimal. Nilai yang memiliki skala lebih tinggi dari ini dipotong ke tempat desimal keempat dalam dua kasus. Salah satunya adalah ketika nilai-nilai ini ditampilkan dalam persiapan atau analisis data, dan satu adalah ketika nilai-nilai ini diimpor ke Quick Sight. Misalnya, 13.00049 terpotong menjadi 13.0004.
+ Geospasial — Tipe data geospasial digunakan untuk data geospasial, misalnya bujur dan lintang, atau kota dan negara.
+ Integer — Tipe data int digunakan untuk data numerik yang hanya berisi bilangan bulat, misalnya 39.
+ String - Tipe data string digunakan untuk data alfanumerik nondate.
Quick Sight membaca sampel kecil baris di kolom untuk menentukan tipe data. Tipe data yang paling banyak terjadi dalam ukuran sampel kecil adalah tipe yang disarankan. Dalam beberapa kasus, mungkin ada nilai kosong (diperlakukan sebagai string oleh Quick Sight) di kolom yang sebagian besar berisi angka. Dalam kasus ini, mungkin tipe data String adalah tipe yang paling sering dalam kumpulan sampel baris. Anda dapat secara manual memodifikasi tipe data kolom untuk membuatnya integer. Gunakan prosedur berikut untuk mempelajari caranya.
## Mengubah tipe data bidang selama persiapan data
Selama persiapan data, Anda dapat mengubah tipe data bidang apa pun dari sumber data. Pada menu **Ubah tipe data**, Anda dapat mengubah bidang terhitung yang tidak menyertakan agregasi ke tipe geospasial. Anda dapat membuat perubahan lain pada tipe data bidang terhitung dengan memodifikasi ekspresinya secara langsung. Quick Sight mengonversi data bidang sesuai dengan tipe data yang Anda pilih. Baris yang berisi data yang tidak kompatibel dengan tipe data tersebut dilewati. Misalnya, anggaplah Anda mengonversi bidang berikut dari String ke Integer.
```
10020
36803
14267a
98457
78216b
```
Semua catatan yang berisi karakter alfabet di bidang itu dilewati, seperti yang ditunjukkan berikut.
```
10020
36803
98457
```
Jika Anda memiliki kumpulan data database dengan bidang yang tipe datanya tidak didukung oleh Quick Sight, gunakan kueri SQL selama persiapan data. Kemudian gunakan `CAST` atau `CONVERT` perintah (tergantung pada apa yang didukung oleh database sumber) untuk mengubah tipe data bidang. Untuk informasi selengkapnya tentang menambahkan kueri SQL selama persiapan data, lihat[Menggunakan SQL untuk menyesuaikan data](adding-a-SQL-query.md). Untuk informasi selengkapnya tentang bagaimana tipe data sumber yang berbeda diinterpretasikan oleh Quick Sight, lihat[Tipe data yang didukung dari sumber data eksternal](supported-data-types-and-values.md#supported-data-types).
Anda mungkin memiliki bidang numerik yang bertindak sebagai dimensi daripada metrik, misalnya kode ZIP dan sebagian besar nomor ID. Dalam kasus ini, akan sangat membantu untuk memberi mereka tipe data string selama persiapan data. Melakukan hal ini memungkinkan Quick Sight memahami bahwa mereka tidak berguna untuk melakukan perhitungan matematis dan hanya dapat digabungkan dengan `Count` fungsi. Untuk informasi selengkapnya tentang cara Quick Sight menggunakan dimensi dan ukuran, lihat[Mengatur bidang sebagai dimensi atau ukuran](setting-dimension-or-measure.md).
Dalam [SPICE](spice.md), angka yang dikonversi dari numerik menjadi bilangan bulat dipotong secara default. Jika Anda ingin membulatkan angka Anda sebagai gantinya, Anda dapat membuat bidang terhitung menggunakan [`round`](round-function.md)fungsi tersebut. Untuk melihat apakah angka dibulatkan atau terpotong sebelum dicernaSPICE, periksa mesin database Anda.
**Untuk mengubah tipe data bidang selama persiapan data**
1. Dari beranda Quick Sight, pilih **Data** di sebelah kiri. Di tab **Data**, pilih kumpulan data yang Anda inginkan, lalu pilih **Edit kumpulan data**.
1. Di panel pratinjau data, pilih ikon tipe data di bawah bidang yang ingin Anda ubah.
1. Pilih tipe data target. Hanya tipe data selain yang saat ini digunakan yang terdaftar.
## Mengubah tipe data bidang dalam analisis
Anda dapat menggunakan panel **Daftar bidang**, sumur bidang visual, atau editor visual untuk mengubah tipe data bidang numerik dalam konteks analisis. Bidang numerik default ditampilkan sebagai angka, tetapi Anda dapat memilih untuk menampilkannya sebagai mata uang atau sebagai persentase sebagai gantinya. Anda tidak dapat mengubah tipe data untuk bidang string atau tanggal.
Mengubah tipe data bidang dalam analisis mengubahnya untuk semua visual dalam analisis yang menggunakan kumpulan data tersebut. Namun, itu tidak mengubahnya di dataset itu sendiri.
**catatan**
Jika Anda bekerja dalam visual tabel pivot, menerapkan perhitungan tabel mengubah tipe data dari nilai sel dalam beberapa kasus. Jenis perubahan ini terjadi jika tipe data tidak masuk akal dengan perhitungan yang diterapkan.
Misalnya, Anda menerapkan `Rank` fungsi ke bidang numerik yang Anda modifikasi untuk menggunakan tipe data mata uang. Dalam hal ini, nilai sel ditampilkan sebagai angka daripada mata uang. Demikian pula, jika Anda menerapkan `Percent difference` fungsi sebagai gantinya, nilai sel ditampilkan sebagai persentase daripada mata uang.
**Untuk mengubah tipe data bidang**
1. Pilih salah satu opsi berikut:
+ Di panel **Daftar bidang**, arahkan kursor ke bidang numerik yang ingin Anda ubah. Kemudian pilih ikon pemilih di sebelah kanan nama bidang.
+ Pada visual apa pun yang berisi editor visual yang terkait dengan bidang numerik yang ingin Anda ubah, pilih editor visual itu.
+ Perluas panel **Sumur bidang**, lalu pilih bidang yang terkait dengan bidang numerik yang ingin Anda ubah.
1. Pilih **Tampilkan sebagai**, lalu pilih **Nomor**, **Mata Uang**, atau **Persen**.
# Menambahkan penelusuran ke data visual di Quick Sight
Semua tipe visual kecuali tabel pivot menawarkan kemampuan untuk membuat hierarki bidang untuk elemen visual. Hirarki memungkinkan Anda menelusuri untuk melihat data pada tingkat hierarki yang berbeda. Misalnya, Anda dapat mengaitkan bidang negara, negara bagian, dan kota dengan sumbu x pada bagan batang. Kemudian, Anda dapat menelusuri atau menelusuri untuk melihat data di masing-masing level tersebut. Saat Anda menelusuri setiap level, data yang ditampilkan disempurnakan oleh nilai di bidang yang Anda telusuri. Misalnya, jika Anda menelusuri negara bagian California, Anda melihat data tentang semua kota di California.
Sumur lapangan yang dapat Anda gunakan untuk membuat pengeboran bervariasi menurut jenis visual. Lihat topik pada setiap jenis visual untuk mempelajari lebih lanjut tentang dukungan penelusurannya.
Fungsionalitas penelusuran ditambahkan secara otomatis untuk tanggal saat Anda mengaitkan bidang tanggal dengan sumur bidang penelusuran visual. Dalam hal ini, Anda selalu dapat menelusuri ke atas dan ke bawah melalui tingkat granularitas tanggal. Fungsionalitas penelusuran juga ditambahkan secara otomatis untuk pengelompokan geospasial, setelah Anda menentukan ini dalam kumpulan data.
Gunakan tabel berikut untuk mengidentifikasi sumur bidang/editor visual yang mendukung penelusuran untuk setiap jenis visual.
****
| Jenis visual | Bidang dengan baik atau editor visual |
| --- | --- |
| Bagan batang (semua horisontal) | Sumbu Y dan Grup/Warna |
| Bagan batang (semua vertikal) | Sumbu X dan Grup/Warna |
| Grafik kombo (semua) | Sumbu X dan Grup/Warna |
| Grafik geospasial | Geospasial dan Warna |
| Peta panas | Baris dan Kolom |
| KPIs | Grup Trend |
| Grafik garis (semua) | Sumbu X dan Warna |
| Bagan pai | Kelompok/Warna |
| Plot pencar | Kelompok/Warna |
| Peta pohon | Grup oleh |
**penting**
Drill-down tidak seharusnya untuk tabel atau tabel pivot.
## Menambahkan drill-down
Gunakan prosedur berikut untuk menambahkan level drill-down ke visual.
**Untuk menambahkan level drill-down ke visual**
1. Pada halaman analisis, pilih visual yang ingin Anda tambahkan penelusuran.
1. Seret item bidang ke dalam **Field well**.
1. Jika kumpulan data Anda memiliki hierarki yang ditentukan, Anda dapat menyeret seluruh hierarki ke dalam bidang dengan baik. Contohnya adalah data geospasial atau koordinat. Dalam hal ini, Anda tidak perlu mengikuti langkah-langkah yang tersisa.
Jika Anda tidak memiliki hierarki yang telah ditentukan sebelumnya, Anda dapat membuatnya dalam analisis Anda, seperti yang dijelaskan dalam langkah-langkah yang tersisa.
1. Seret bidang yang ingin Anda gunakan dalam hierarki penelusuran ke bidang yang sesuai dengan baik, tergantung pada jenis visualnya. Pastikan bahwa label untuk bidang yang diseret mengatakan **Add drill-down** layer. Posisikan bidang yang diseret di atas atau di bawah bidang yang ada berdasarkan tempat yang Anda inginkan dalam hierarki yang Anda buat.
1. Lanjutkan sampai Anda telah menambahkan semua tingkat hierarki yang Anda inginkan. Untuk menghapus bidang dari hierarki, pilih bidang, lalu pilih **Hapus**.
1. Untuk menelusuri atau melihat data pada tingkat hierarki yang berbeda, pilih elemen pada visual (seperti garis atau bilah), lalu pilih **Drill down to atau Drill** **up to**. Dalam contoh ini, dari `car-make` level Anda dapat menelusuri `car-model` untuk melihat data pada tingkat itu. Jika Anda menelusuri `car-model` dari **Ford**`car-make`, Anda hanya melihat `car-model` s di mobil itu.
Setelah Anda menelusuri ke `car-model` level, Anda kemudian dapat menelusuri lebih jauh untuk melihat `make-year` data, atau kembali ke level tersebut`car-make`. Jika Anda menelusuri `make-year` dari bar yang mewakili **Ranger**, Anda hanya melihat bertahun-tahun untuk model mobil itu.
# Memilih bidang
Saat menyiapkan data, Anda dapat memilih satu atau beberapa bidang untuk melakukan tindakan pada mereka, seperti mengecualikannya atau menambahkannya ke folder.
Untuk memilih satu atau beberapa bidang di panel persiapan data, klik atau ketuk bidang atau bidang di panel **Bidang** di sebelah kiri. Anda kemudian dapat memilih menu bidang (tiga titik) di sebelah kanan nama bidang dan memilih tindakan yang akan diambil. Tindakan dilakukan pada semua bidang yang dipilih.
Anda dapat memilih atau membatalkan pilihan semua bidang sekaligus dengan memilih **Semua** atau **Tidak Ada** di bagian atas panel **Bidang**.
Jika Anda mengedit kumpulan data dan mengecualikan bidang yang digunakan dalam visual, visual itu akan rusak. Anda dapat memperbaikinya saat berikutnya Anda membuka analisis itu.
## Mencari bidang
Jika Anda memiliki daftar bidang panjang di panel **Bidang**, Anda dapat mencari untuk menemukan bidang tertentu dengan memasukkan istilah **pencarian** untuk bidang Penelusuran. Bidang apa pun yang namanya berisi istilah pencarian ditampilkan.
Pencarian tidak peka huruf besar/kecil dan wildcard tidak didukung. Pilih ikon batal (**X**) di sebelah kanan kotak pencarian untuk kembali melihat semua bidang.
# Mengatur bidang ke dalam folder di Amazon QuickSight
Saat menyiapkan data di Quick Sight, Anda dapat menggunakan folder untuk mengatur bidang Anda untuk beberapa penulis di seluruh perusahaan Anda. Mengatur bidang ke dalam folder dan subfolder dapat memudahkan penulis untuk menemukan dan memahami bidang dalam kumpulan data Anda.
Anda dapat membuat folder sambil menyiapkan kumpulan data Anda, atau saat mengedit kumpulan data. Untuk informasi selengkapnya tentang membuat kumpulan data baru dan menyiapkannya, lihat[Membuat set data](creating-data-sets.md). Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat[Mengedit kumpulan data](edit-a-data-set.md).
Saat melakukan analisis, penulis dapat memperluas dan menciutkan folder, mencari bidang tertentu di dalam folder, dan melihat deskripsi folder Anda di menu folder. Folder muncul di bagian atas panel **Fields** dalam urutan abjad.
## Membuat folder
Gunakan prosedur berikut untuk membuat folder baru di panel **Fields**.
**Untuk membuat folder baru**
1. Pada halaman persiapan data, di **bidang** panel, pilih ikon tiga titik, dan pilih **Tambahkan ke folder**.
Untuk memilih lebih dari satu bidang sekaligus, tekan tombol Ctrl saat Anda memilih (Tombol perintah di Mac).
1. Pada halaman **Tambahkan ke folder** yang muncul, pilih **Buat folder baru** dan masukkan nama untuk folder baru.
1. Pilih **Terapkan**.
Folder muncul di bagian atas panel **Fields** dengan bidang yang Anda pilih di dalamnya. Bidang di dalam folder disusun dalam urutan abjad.
## Membuat subfolder
Untuk mengatur bidang data lebih lanjut di panel **Fields**, Anda dapat membuat subfolder dalam folder induk.
**Untuk membuat subfolder**
1. Pada halaman persiapan data, di panel **Bidang**, pilih menu bidang untuk bidang yang sudah ada di folder dan pilih **Pindah ke folder**.
1. Pada halaman **Pindah ke folder** yang muncul, pilih **Buat folder baru** dan masukkan nama untuk folder baru.
1. Pilih **Terapkan**.
Subfolder muncul di dalam folder induk di bagian atas daftar bidang. Subfolder disusun dalam urutan abjad.
## Menambahkan bidang ke Folder yang ada
Gunakan prosedur berikut untuk menambahkan bidang ke folder yang ada di panel **Fields**.
**Untuk menambahkan satu atau beberapa bidang ke folder**
1. Pada halaman persiapan data, di panel **Bidang**, pilih bidang yang ingin Anda tambahkan ke folder.
Untuk memilih lebih dari satu bidang sekaligus, tekan tombol Ctrl saat Anda memilih (Tombol perintah di Mac).
1. Pada menu bidang, pilih **Tambahkan ke folder**.
1. Pada halaman **Tambahkan ke folder** yang muncul, pilih folder untuk **folder yang ada**.
1. Pilih **Terapkan**.
Bidang atau bidang ditambahkan ke folder.
## Memindahkan bidang antar folder
Gunakan prosedur berikut untuk memindahkan bidang antar folder di panel **Fields**.
**Untuk memindahkan bidang antar folder**
1. Pada halaman persiapan data, di panel **Bidang**, pilih bidang yang ingin Anda pindahkan ke folder lain.
Untuk memilih lebih dari satu bidang sekaligus, tekan tombol Ctrl saat Anda memilih (Tombol perintah di Mac).
1. Pada menu bidang, pilih **Pindah ke folder**.
1. Pada halaman **Pindah ke folder** yang muncul, pilih folder untuk **folder yang ada**.
1. Pilih **Terapkan**.
## Menghapus bidang dari folder
Gunakan prosedur berikut untuk menghapus bidang dari folder di panel **Fields**. Menghapus bidang dari folder tidak menghapus bidang.
**Untuk menghapus bidang dari folder**
1. Pada halaman persiapan data, di panel **Bidang**, pilih bidang yang ingin Anda hapus.
1. Pada menu bidang, pilih **Hapus dari folder**.
Bidang yang Anda pilih akan dihapus dari folder dan ditempatkan kembali dalam daftar bidang dalam urutan abjad.
## Mengedit nama folder dan menambahkan deskripsi folder
Anda dapat mengedit nama atau menambahkan deskripsi folder untuk memberikan konteks tentang bidang data di dalamnya. Nama folder muncul di panel **Fields**. Saat melakukan analisis, penulis dapat membaca deskripsi folder Anda saat mereka memilih menu folder di panel **Fields**.
**Untuk mengedit nama folder atau mengedit atau menambahkan deskripsi untuk folder**
1. Pada halaman persiapan data, di panel **Fields**, pilih menu folder untuk folder yang ingin Anda edit dan pilih **Edit nama & deskripsi**.
1. Pada halaman **Edit folder** yang muncul, lakukan hal berikut:
+ Untuk **Nama**, masukkan nama untuk folder tersebut.
+ Untuk **Deskripsi**, masukkan deskripsi folder.
1. Pilih **Terapkan**.
## Memindahkan folder
Anda dapat memindahkan folder dan subfolder ke folder baru atau yang sudah ada di panel **Fields**.
**Untuk memindahkan folder**
1. Pada halaman persiapan data, di **bidang** panel, pilih **Pindahkan folder** pada menu folder.
1. Pada halaman **folder Pindahkan** yang muncul, lakukan salah satu hal berikut:
+ Pilih **Buat folder baru** dan masukkan nama untuk folder tersebut.
+ Untuk **folder yang ada,** pilih folder.
1. Pilih **Terapkan**.
Folder muncul di dalam folder yang Anda pilih di panel **Fields**.
## Menghapus folder dari panel bidang
Gunakan prosedur berikut untuk menghapus folder dari panel **Fields**.
**Untuk menghapus folder**
1. Pada halaman persiapan data, di **bidang** panel, pilih **Hapus folder** pada menu folder.
1. Di **folder Hapus?** Halaman yang muncul, pilih **Hapus**.
Folder dihapus dari panel **Fields**. Bidang apa pun yang ada di folder ditempatkan kembali dalam daftar bidang dalam urutan abjad. Menghapus folder tidak mengecualikan bidang dari tampilan atau menghapus bidang dari kumpulan data.
# Pemetaan dan penggabungan bidang
Saat Anda menggunakan kumpulan data yang berbeda bersama-sama di Quick Sight, Anda dapat menyederhanakan proses pemetaan bidang atau menggabungkan tabel selama tahap persiapan data. Anda seharusnya sudah memverifikasi bahwa bidang Anda memiliki tipe data yang benar dan nama bidang yang sesuai. Namun, jika Anda sudah tahu kumpulan data mana yang akan digunakan bersama, Anda dapat mengambil beberapa langkah ekstra untuk membuat pekerjaan Anda lebih mudah di kemudian hari.
## Bidang pemetaan
Quick Sight dapat secara otomatis memetakan bidang antar kumpulan data dalam analisis yang sama. Kiat-kiat berikut dapat membantu mempermudah Quick Sight untuk secara otomatis memetakan bidang antar kumpulan data, misalnya jika Anda membuat tindakan filter di seluruh kumpulan data:
+ Nama bidang yang cocok - Nama bidang harus sama persis, tanpa perbedaan dalam kasus, spasi, atau tanda baca. Anda dapat mengganti nama bidang yang menggambarkan data yang sama, sehingga pemetaan otomatis akurat.
+ Pencocokan tipe data — Bidang harus memiliki tipe data yang sama untuk pemetaan otomatis. Anda dapat mengubah tipe data saat Anda menyiapkan data. Langkah ini juga memberi Anda kesempatan untuk mengetahui apakah Anda perlu menyaring data apa pun yang bukan tipe data yang benar.
+ Menggunakan bidang terhitung — Anda dapat menggunakan bidang terhitung untuk membuat bidang yang cocok, dan memberikan nama dan tipe data yang benar untuk pemetaan otomatis.
**catatan**
Setelah pemetaan otomatis ada, Anda dapat mengganti nama bidang tanpa melanggar pemetaan bidang. Namun, jika Anda mengubah tipe data, pemetaan rusak.
Untuk informasi selengkapnya tentang pemetaan bidang untuk tindakan filter di seluruh kumpulan data, lihat. [Membuat dan mengedit tindakan khusus di Amazon Quick Sight](custom-actions.md)
## Bergabung dengan bidang
Anda dapat membuat gabungan antar data dari sumber data yang berbeda, termasuk file atau database. Kiat-kiat berikut dapat membantu memudahkan Anda untuk menggabungkan data dari berbagai file atau sumber data:
+ Nama bidang serupa - Lebih mudah untuk bergabung dengan bidang ketika Anda dapat melihat apa yang harus cocok; misalnya, **ID Pesanan** dan **order-id** tampak seolah-olah mereka harus sama. Tetapi jika salah satunya adalah perintah kerja, dan yang lainnya adalah pesanan pembelian, maka bidangnya mungkin data yang berbeda. Jika memungkinkan, pastikan file dan tabel yang ingin Anda gabungkan memiliki nama bidang yang memperjelas data apa yang dikandungnya.
+ Pencocokan tipe data — Bidang harus memiliki tipe data yang sama sebelum Anda dapat bergabung dengannya. Pastikan file dan tabel yang ingin Anda gabungkan memiliki tipe data yang cocok di bidang gabungan. Anda tidak dapat menggunakan bidang terhitung untuk bergabung. Selain itu, Anda tidak dapat menggabungkan dua kumpulan data yang ada. Anda membuat kumpulan data gabungan dengan mengakses data sumber secara langsung.
Untuk informasi selengkapnya tentang menggabungkan data di seluruh sumber data, lihat[Bergabung dengan data](joining-data.md).
# Memfilter data di Amazon Quick Sight
Anda dapat menggunakan filter untuk menyempurnakan data dalam kumpulan data atau analisis. Misalnya, Anda dapat membuat filter pada bidang wilayah yang mengecualikan data dari wilayah tertentu dalam kumpulan data. Anda juga dapat menambahkan filter ke analisis, seperti filter pada rentang tanggal yang ingin Anda sertakan dalam visual apa pun dalam analisis Anda.
Saat Anda membuat filter dalam kumpulan data, filter tersebut berlaku untuk seluruh kumpulan data. Setiap analisis dan dasbor berikutnya yang dibuat dari kumpulan data tersebut berisi filter. Jika seseorang membuat kumpulan data dari kumpulan data Anda, filter juga ada di kumpulan data baru.
Saat Anda membuat filter dalam analisis, filter itu hanya berlaku untuk analisis itu dan dasbor apa pun yang Anda publikasikan darinya. Jika seseorang menduplikasi analisis Anda, filter tetap ada dalam analisis baru. Dalam analisis, Anda dapat membuat cakupan filter ke satu visual, beberapa visual, semua visual yang menggunakan kumpulan data ini, atau semua visual yang berlaku.
Selain itu, saat Anda membuat filter dalam analisis, Anda dapat menambahkan kontrol filter ke dasbor Anda. Untuk informasi selengkapnya tentang kontrol filter, lihat[Menambahkan kontrol filter ke lembar analisis](filter-controls.md).
Setiap filter yang Anda buat hanya berlaku untuk satu bidang. Anda dapat menerapkan filter ke bidang reguler dan terhitung.
Ada beberapa jenis filter yang dapat Anda tambahkan ke kumpulan data dan analisis. Untuk informasi selengkapnya tentang jenis filter yang dapat Anda tambahkan, dan beberapa opsinya, lihat[Jenis filter di Amazon Quick](filtering-types.md).
Jika Anda membuat beberapa filter, semua filter tingkat atas berlaku bersama menggunakan AND. Jika Anda mengelompokkan filter dengan menambahkannya di dalam filter tingkat atas, filter dalam grup berlaku menggunakan OR.
Amazon Quick Sight menerapkan semua filter yang diaktifkan ke bidang. Misalnya, anggaplah ada satu filter `state = WA` dan filter lain dari`sales >= 500`. Kemudian dataset atau analisis hanya berisi catatan yang memenuhi kedua kriteria tersebut. Jika Anda menonaktifkan salah satunya, hanya satu filter yang berlaku.
Berhati-hatilah agar beberapa filter yang diterapkan ke bidang yang sama tidak saling eksklusif.
Gunakan bagian berikut untuk mempelajari cara melihat, menambah, mengedit, dan menghapus filter.
**Topics**
+ [Melihat filter yang ada](viewing-filters-data-prep.md)
+ [Menambahkan filter](add-a-filter-data-prep.md)
+ [Filter dan kontrol lintas-lembar](cross-sheet-filters.md)
+ [Jenis filter di Amazon Quick](filtering-types.md)
+ [Menambahkan kontrol filter ke lembar analisis](filter-controls.md)
+ [Filter pengeditan](edit-a-filter-data-prep.md)
+ [Mengaktifkan atau menonaktifkan filter](disable-a-filter-data-prep.md)
+ [Menghapus filter](delete-a-filter-data-prep.md)
# Melihat filter yang ada
Saat Anda mengedit kumpulan data atau membuka analisis, Anda dapat melihat filter yang ada yang dibuat. Gunakan prosedur berikut untuk mempelajari caranya.
## Melihat filter dalam kumpulan data
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Data** di sebelah kiri.
1. **Di tab **Datasets**, pilih dataset yang Anda inginkan, lalu pilih Edit dataset.**
1. Pada halaman persiapan data yang terbuka, pilih **Filter** di kiri bawah untuk memperluas bagian **Filter**.
Filter apa pun yang diterapkan ke kumpulan data muncul di sini. Jika satu bidang memiliki beberapa filter, mereka dikelompokkan bersama. Mereka ditampilkan dalam urutan tanggal pembuatan, dengan filter tertua di atas.
## Melihat filter dalam analisis
Gunakan prosedur berikut untuk melihat filter dalam analisis.
**Untuk melihat filter dalam analisis**
1. Dari beranda Cepat, pilih **Analisis.**
1. Pada halaman **Analisis**, pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih ikon **Filter** untuk membuka panel **Filter**.
Filter apa pun yang diterapkan pada analisis muncul di sini.
Cara filter dicakup tercantum di bagian bawah setiap filter. Untuk informasi selengkapnya tentang filter pelingkupan, lihat. [Menambahkan filter](add-a-filter-data-prep.md)
# Menambahkan filter
Anda dapat menambahkan filter ke kumpulan data atau analisis. Gunakan prosedur berikut untuk mempelajari caranya.
## Menambahkan filter ke kumpulan data
Gunakan prosedur berikut untuk menambahkan filter ke kumpulan data.
**Untuk menambahkan filter ke kumpulan data**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Data** di sebelah kiri.
1. **Di tab **Datasets**, pilih dataset yang Anda inginkan, lalu pilih Edit dataset.**
1. Pada halaman persiapan data yang terbuka, pilih **Tambahkan filter** di kiri bawah, lalu pilih bidang yang ingin Anda filter.
Filter ditambahkan ke panel **Filter**.
1. Pilih filter baru di panel untuk mengkonfigurasi filter. Atau Anda dapat memilih tiga titik di sebelah kanan filter baru dan memilih **Edit**.
Bergantung pada tipe data bidang, opsi Anda untuk mengonfigurasi filter bervariasi. Untuk informasi selengkapnya tentang jenis filter yang dapat Anda buat dan konfigurasinya, lihat[Jenis filter di Amazon Quick](filtering-types.md).
1. Setelah selesai, pilih **Terapkan**.
**catatan**
Pratinjau data menunjukkan hasil filter gabungan Anda hanya saat berlaku untuk 1.000 baris pertama. Jika semua dari 1.000 baris pertama disaring, maka tidak ada baris yang ditampilkan di pratinjau. Efek ini terjadi bahkan ketika baris setelah 1.000 pertama tidak disaring.
## Menambahkan filter dalam analisis
Gunakan prosedur berikut untuk menambahkan filter ke analisis.
**Untuk menambahkan filter ke analisis**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Analisis.**
1. Pada halaman **Analisis**, pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih ikon **Filter** untuk membuka panel **Filter**, lalu pilih **ADD**.
1. Pilih filter baru di panel untuk mengkonfigurasinya. Atau Anda dapat memilih tiga titik di sebelah kanan filter baru dan memilih **Edit**.
1. Di panel **Edit filter** yang terbuka, untuk **Diterapkan ke**, pilih salah satu opsi berikut.
+ **Visual tunggal** - Filter hanya berlaku untuk item yang dipilih.
+ **Lembar tunggal** — Filter berlaku untuk satu lembar.
+ **Lembar silang** - Filter berlaku untuk beberapa lembar dalam kumpulan data.
Bergantung pada tipe data bidang, opsi Anda yang tersisa untuk mengonfigurasi filter bervariasi. Untuk informasi selengkapnya tentang jenis filter yang dapat Anda buat dan konfigurasinya, lihat[Jenis filter di Amazon Quick](filtering-types.md).
# Filter dan kontrol lintas-lembar
Filter dan kontrol cross-sheet adalah filter yang mencakup seluruh analisis atau dasbor Anda atau beberapa lembar dalam analisis dan dasbor Anda.
## Penyaring
**Membuat Filter Cross-Sheet**
1. Setelah Anda [Menambahkan filter](https://docs.aws.amazon.com/quicksight/latest/user/add-a-filter-data-prep.html#add-a-filter-data-prep-analyses), Anda memperbarui ruang lingkup filter ke lembar silang. Secara default, ini berlaku untuk semua lembar dalam analisis Anda.
1. Jika kotak **Terapkan cross-dataset** dicentang, maka filter akan diterapkan ke semua visual dari hingga 100 kumpulan data berbeda yang berlaku untuk semua lembar dalam lingkup filter.
1. Jika Anda ingin menyesuaikan lembar yang diterapkan, maka pilih ikon Cross-sheet. Anda kemudian dapat melihat lembar filter yang saat ini diterapkan atau beralih pada lembar pilihan khusus.
1. Saat Anda mengaktifkan **Lembar pilih kustom**, Anda dapat memilih lembar mana yang akan diterapkan filter.
1. Ikuti langkah-langkah di [Mengedit filter dalam analisis.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses) Perubahan Anda akan diterapkan ke semua filter untuk semua lembar yang telah Anda pilih. Ini termasuk lembar yang baru ditambahkan jika filter tercakup ke seluruh analisis Anda.
**Menghapus Filter Cross-Sheet**
**Deleting**
Jika Anda tidak memiliki kontrol yang dibuat dari filter ini, lihat [Menghapus filter dalam analisis](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
Jika Anda memiliki kontrol yang dibuat maka:
****
1. Ikuti petunjuk di [Menghapus filter dalam analisis](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
1. Jika Anda memilih **Hapus Filter dan Kontrol**, kontrol akan dihapus dari semua halaman. Ini dapat memengaruhi tata letak analisis Anda. Atau, Anda dapat menghapus kontrol ini satu per satu.
**Downscoping**
Jika Anda ingin menghapus filter cross-sheet, Anda juga dapat melakukan ini dengan mengubah lingkup filter:
****
1. Ikuti petunjuk di [Mengedit filter dalam analisis](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses) untuk mendapatkan filter.
1. Salah satu pengeditan yang dapat Anda lakukan adalah mengubah ruang lingkup. Anda dapat beralih ke **Single sheet** atau **Single visual**. Anda juga dapat menghapus lembar dari pemilihan Cross-sheet.
Atau pemilihan lembar kustom:
![\[Ini adalah gambar Hapus Filter di Quick Sight.\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/cross-sheet-7.png)
1. Jika ada kontrol, Anda akan melihat modal untuk memperingatkan Anda bahwa Anda akan menghapus kontrol massal dari salah satu lembar di mana filter tidak lagi berlaku dan ini dapat memengaruhi tata letak Anda. Anda juga dapat menghapus kontrol satu per satu. Untuk informasi selengkapnya, lihat [Menghapus Kontrol Cross-Sheet](#cross-sheet-removing-control).
1. Jika Anda menambahkan kontrol ke Bagian **atas semua lembar dalam lingkup filter** maka lembar baru secara default akan ditambahkan dengan kontrol baru ini jika filter dicakup ke seluruh analisis Anda.
## Kontrol
### Membuat Kontrol Cross-Sheet
**Kontrol filter baru**
1. Buat filter cross-sheet. Untuk informasi selengkapnya, lihat [Penyaring](#filters).
1. Dari menu tiga titik, Anda dapat melihat opsi yang mengatakan **Tambahkan kontrol**. Melayang di atas ini, Anda akan melihat tiga opsi:
+ **Bagian atas semua lembar dalam lingkup filter**
+ **Bagian atas lembar ini**
+ **Di dalam lembar ini**
Jika Anda ingin menambahkan ke beberapa lembar di dalam lembaran itu sendiri, Anda dapat melakukannya. sheet-by-sheet Atau Anda dapat menambahkan ke atas dan kemudian menggunakan opsi pada setiap kontrol untuk **Pindah ke lembar**. Untuk informasi selengkapnya, lihat [Mengedit Kontrol Lintas Lembar](#cross-sheet-controls-editing-control).
**Meningkatkan Cakupan Kontrol yang Ada**
1. Arahkan ke filter yang ada dalam analisis
1. Ubah ruang lingkup lembar apa filter ini **Diterapkan ke** **Cross-sheet**.
1. Jika sudah ada kontrol yang dibuat dari filter, Anda akan melihat modal, yang jika Anda mencentang kotak akan menambahkan kontrol secara massal ke bagian atas semua lembar dalam lingkup filter. Ini tidak akan memengaruhi posisi kontrol yang sudah dibuat jika ada di lembar.
### Mengedit Kontrol Lintas Lembar
1. Buka kontrol cross-sheet dan pilih menu tiga titik jika kontrol disematkan ke atas atau ikon pensil edit jika kontrol ada di lembar. Anda akan disajikan dengan opsi-opsi berikut:
+ **Pergi ke filter** (yang mengarahkan Anda ke filter cross-sheet untuk Anda edit atau tinjau
+ **Pindah ke lembar** (yang memindahkan kontrol ke panel analisis)
+ **Setel ulang**
+ **Segarkan**
+ **Sunting**
+ **Hapus**
1. Pilih **Edit**. Ini memunculkan panel **Kontrol Format** di sisi kanan analisis Anda.
1. Anda kemudian dapat mengedit kontrol Anda. Bagian atas berlabel **Pengaturan lintas-lembar** akan berlaku untuk semua kontrol, sedangkan pengaturan apa pun di luar bagian ini tidak berlaku untuk semua kontrol dan hanya untuk kontrol khusus yang Anda edit. Misalnya, **Nilai yang relevan** bukanlah pengaturan kontrol lintas-lembar.
1. Anda juga dapat melihat lembar tempat kontrol ini berada serta lokasi (Atas atau Lembar) tempat kontrol diaktifkan untuk setiap lembar. Anda dapat melakukan ini dengan memilih **Sheets (8)**.
### Menghapus Kontrol Cross-Sheet
Anda dapat menghapus kontrol di dua tempat. Pertama, dari kontrol:
1. Buka kontrol cross-sheet dan pilih menu tiga titik jika kontrol disematkan ke atas atau ikon pensil edit jika kontrol ada di lembar. Anda akan disajikan dengan opsi-opsi berikut:
+ **Pergi ke filter** (yang mengarahkan Anda ke filter cross-sheet untuk Anda edit atau tinjau
+ **Pindah ke lembar** (yang memindahkan kontrol ke panel analisis)
+ **Setel ulang**
+ **Segarkan**
+ **Sunting**
+ **Hapus**
1. Pilih **Hapus**
Kedua, Anda dapat menghapus kontrol dari filter:
1. Pilih menu tiga titik pada filter cross-sheet tempat kontrol cross-sheet dibuat. Anda akan melihat bahwa alih-alih opsi untuk **Tambahkan kontrol** sekarang ada opsi untuk **Kelola kontrol**.
1. Arahkan kursor ke **Kelola kontrol**. Anda akan disajikan dengan opsi-opsi berikut:
+ **Pindah ke dalam lembar ini**
+ **Bagian atas lembar ini**
Opsi ini hanya berlaku untuk kontrol pada lembar, tergantung di mana kontrol saat ini berada. Jika Anda tidak memiliki kontrol pada semua lembar dalam lingkup filter, Anda akan mendapatkan opsi untuk **Tambahkan ke atas semua lembar dalam lingkup filter**. Ini tidak akan memindahkan kontrol lembar ke bagian atas lembar jika Anda telah menambahkannya ke lembar dalam analisis. Anda juga akan mendapatkan opsi untuk **Hapus dari lembar ini** atau **Hapus dari semua lembar**.
# Jenis filter di Amazon Quick
Anda dapat membuat beberapa jenis filter di Quick. Jenis filter yang Anda buat sebagian besar tergantung pada tipe data bidang yang ingin Anda filter.
Dalam kumpulan data, Anda dapat membuat jenis filter berikut:
+ Filter teks
+ Filter numerik
+ Filter tanggal
Dalam analisis, Anda dapat membuat jenis filter yang sama seperti yang Anda bisa di dataset. Anda juga dapat membuat:
+ Filter grup dengan and/or operator
+ Filter Cascading
+ Filter bersarang
Gunakan bagian berikut untuk mempelajari lebih lanjut tentang setiap jenis filter yang dapat Anda buat dan beberapa opsinya.
**Topics**
+ [Menambahkan filter teks](add-a-text-filter-data-prep.md)
+ [Menambahkan filter bersarang](add-a-nested-filter-data-prep.md)
+ [Menambahkan filter numerik](add-a-numeric-filter-data-prep.md)
+ [Menambahkan filter tanggal](add-a-date-filter2.md)
+ [Menambahkan kondisi filter (filter grup) dengan operator AND dan OR](add-a-compound-filter.md)
+ [Membuat filter cascading](use-a-cascading-filter.md)
# Menambahkan filter teks
Saat menambahkan filter menggunakan bidang teks, Anda dapat membuat jenis filter teks berikut:
+ **Daftar filter** (Hanya analisis) - Opsi ini membuat filter yang dapat Anda gunakan untuk memilih satu atau beberapa nilai bidang untuk disertakan atau dikecualikan dari semua nilai yang tersedia di bidang. Untuk informasi selengkapnya tentang membuat jenis filter teks ini, lihat[Memfilter nilai bidang teks menurut daftar (hanya analisis)](#text-filter-list).
+ **Daftar filter khusus** - Dengan opsi ini, Anda dapat memasukkan satu atau beberapa nilai bidang untuk difilter, dan apakah Anda ingin menyertakan atau mengecualikan catatan yang berisi nilai-nilai tersebut. Nilai yang Anda masukkan harus sesuai dengan nilai bidang aktual persis agar filter diterapkan ke catatan tertentu. Untuk informasi selengkapnya tentang membuat jenis filter teks ini, lihat[Memfilter nilai bidang teks dengan daftar kustom](#add-text-custom-filter-list-data-prep).
+ **Filter khusus** - Dengan opsi ini, Anda memasukkan satu nilai yang harus dicocokkan dengan nilai bidang dalam beberapa cara. Anda dapat menentukan bahwa nilai bidang harus sama, tidak sama, dimulai dengan, diakhiri dengan, berisi, atau tidak berisi nilai yang Anda tentukan. Jika Anda memilih perbandingan yang sama, nilai yang ditentukan dan nilai bidang aktual harus sama persis agar filter diterapkan ke catatan tertentu. Untuk informasi selengkapnya tentang membuat jenis filter teks ini, lihat[Memfilter nilai bidang teks tunggal](#add-text-filter-custom-list-data-prep).
+ **Filter atas dan bawah** (Hanya analisis) - Anda dapat menggunakan opsi ini untuk menunjukkan nilai *n* atas atau bawah dari satu bidang yang diberi peringkat berdasarkan nilai di bidang lain. Misalnya, Anda mungkin menunjukkan lima tenaga penjualan teratas berdasarkan pendapatan. Anda juga dapat menggunakan parameter untuk memungkinkan pengguna dasbor secara dinamis memilih berapa banyak nilai peringkat atas atau bawah yang akan ditampilkan. Untuk informasi selengkapnya tentang membuat filter atas dan bawah, lihat[Memfilter bidang teks dengan nilai atas atau bawah (hanya analisis)](#add-text-filter-top-and-bottom).
## Memfilter nilai bidang teks menurut daftar (hanya analisis)
Dalam analisis, Anda dapat memfilter bidang teks dengan memilih nilai yang akan disertakan atau dikecualikan dari daftar semua nilai di bidang.
**Untuk memfilter bidang teks dengan menyertakan dan mengecualikan nilai**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk memperluasnya.
1. Untuk **jenis Filter**, pilih **Filter list**.
1. Untuk **kondisi Filter**, pilih **Sertakan** atau **Kecualikan**.
1. Pilih nilai bidang yang ingin Anda filter. Untuk melakukan ini, pilih kotak centang di depan setiap nilai.
**Jika ada terlalu banyak nilai untuk dipilih, masukkan istilah pencarian ke dalam kotak di atas daftar periksa dan pilih Cari.** Istilah penelusuran tidak peka huruf besar/kecil dan wildcard tidak didukung. Setiap nilai bidang yang berisi istilah pencarian dikembalikan. Misalnya, mencari di L mengembalikan al, AL, la, dan LA.
Nilai ditampilkan menurut abjad dalam kontrol, kecuali ada lebih dari 1.000 nilai yang berbeda. Kemudian kontrol menampilkan kotak pencarian sebagai gantinya. Setiap kali Anda mencari nilai yang ingin Anda gunakan, itu memulai kueri baru. Jika hasilnya berisi lebih dari 1.000 nilai, Anda dapat menggulir nilai dengan pagination.
1. Setelah selesai, pilih **Terapkan**.
## Memfilter nilai bidang teks dengan daftar kustom
Anda dapat menentukan satu atau beberapa nilai bidang untuk difilter, dan apakah Anda ingin menyertakan atau mengecualikan catatan yang berisi nilai-nilai tersebut. Nilai yang ditentukan dan nilai bidang aktual harus sama persis agar filter diterapkan ke catatan yang diberikan.
**Untuk memfilter nilai bidang teks dengan daftar kustom**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk memperluasnya.
1. Untuk **jenis Filter**, pilih **Daftar filter khusus**.
1. Untuk **kondisi Filter**, pilih **Sertakan** atau **Kecualikan**.
1. Untuk **Daftar**, masukkan nilai di kotak teks. Nilai harus sama persis dengan nilai bidang yang ada.
1. (Opsional) Untuk menambahkan nilai tambahan, masukkan di kotak teks, satu per baris.
1. **Untuk **opsi Null pilih Exclude** **nulls, Sertakan nulls****, atau Nulls saja**.**
1. Setelah selesai, pilih **Terapkan**.
## Memfilter nilai bidang teks tunggal
Dengan jenis **filter filter kustom**, Anda menentukan nilai tunggal yang nilai bidang harus sama atau tidak sama, atau harus cocok sebagian. Jika Anda memilih perbandingan yang sama, nilai yang ditentukan dan nilai bidang aktual harus sama persis agar filter diterapkan ke catatan tertentu.
**Untuk memfilter bidang teks dengan satu nilai**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk memperluasnya.
1. Untuk **jenis Filter**, pilih **Filter khusus**.
1. Untuk **kondisi Filter**, pilih salah satu dari berikut ini:
+ **Sama** - Saat Anda memilih opsi ini, nilai yang disertakan atau dikecualikan di bidang harus sesuai dengan nilai yang Anda masukkan dengan tepat.
+ **Tidak sama** - Saat Anda memilih opsi ini, nilai yang disertakan atau dikecualikan di bidang harus sesuai dengan nilai yang Anda masukkan dengan tepat.
+ **Dimulai dengan** - Saat Anda memilih opsi ini, nilai yang disertakan atau dikecualikan di bidang harus dimulai dengan nilai yang Anda masukkan.
+ **Berakhir dengan** - Saat Anda memilih opsi ini, nilai yang disertakan atau dikecualikan di bidang harus dimulai dengan nilai yang Anda masukkan.
+ **Berisi** - Ketika Anda memilih opsi ini, nilai yang disertakan atau dikecualikan dalam bidang harus berisi seluruh nilai yang Anda masukkan.
+ **Tidak mengandung** - Saat Anda memilih opsi ini, nilai yang disertakan atau dikecualikan di bidang tidak boleh berisi bagian apa pun dari nilai yang Anda masukkan.
**catatan**
Jenis perbandingan peka huruf besar/kecil.
1. Lakukan salah satu tindakan berikut:
+ Untuk **Nilai**, masukkan nilai literal.
+ Pilih **Gunakan parameter** untuk menggunakan parameter yang ada, lalu pilih parameter dari daftar.
Agar parameter muncul dalam daftar ini, buat parameter Anda terlebih dahulu. Biasanya, Anda membuat parameter, menambahkan kontrol untuk itu, dan kemudian menambahkan filter untuk itu. Untuk informasi selengkapnya, lihat [Parameter di Amazon Cepat](parameters-in-quicksight.md).
Nilai ditampilkan menurut abjad dalam kontrol, kecuali ada lebih dari 1.000 nilai yang berbeda. Kemudian kontrol menampilkan kotak pencarian sebagai gantinya. Setiap kali Anda mencari nilai yang ingin Anda gunakan, itu memulai kueri baru. Jika hasilnya berisi lebih dari 1.000 nilai, Anda dapat menggulir nilai dengan pagination.
1. **Untuk **opsi Null pilih Exclude** **nulls, Sertakan nulls****, atau Nulls saja**.**
1. Setelah selesai, pilih **Terapkan**.
## Memfilter bidang teks dengan nilai atas atau bawah (hanya analisis)
Anda dapat menggunakan **filter Atas dan bawah** untuk menunjukkan nilai *n* atas atau bawah dari satu bidang yang diberi peringkat berdasarkan nilai di bidang lain. Misalnya, Anda mungkin menunjukkan lima tenaga penjualan teratas berdasarkan pendapatan. Anda juga dapat menggunakan parameter untuk memungkinkan pengguna dasbor secara dinamis memilih berapa banyak nilai peringkat atas atau bawah yang akan ditampilkan.
**Untuk membuat filter teks atas dan bawah**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk memperluasnya.
1. Untuk **jenis Filter**, pilih **Filter atas dan bawah**.
1. Pilih **Atas** atau **Bawah**.
1. Untuk **Tampilkan bilangan bulat atas** (atau **Tampilkan bilangan bulat bawah**), lakukan salah satu hal berikut:
+ Masukkan jumlah item atas atau bawah untuk ditampilkan.
+ Untuk menggunakan parameter untuk jumlah item atas atau bawah yang akan ditampilkan, pilih **Gunakan parameter**. Kemudian pilih parameter integer yang ada.
Misalnya, katakanlah Anda ingin menampilkan tiga tenaga penjualan teratas secara default. Namun, Anda ingin penampil dasbor dapat memilih apakah akan menampilkan 1-10 tenaga penjualan teratas. Dalam hal ini, lakukan tindakan berikut:
+ Buat parameter integer dengan nilai default.
+ Untuk menautkan jumlah item yang ditampilkan ke kontrol parameter, buat kontrol untuk parameter integer. Kemudian Anda membuat kontrol slider dengan ukuran langkah 1, nilai minimum 1, dan nilai maksimum 10.
+ Untuk membuat kontrol berfungsi, tautkan ke filter dengan membuat filter atas dan bawah`Weighted Revenue`, aktifkan **Use parameters**, dan pilih parameter integer Anda. `Salesperson`
1. Untuk **By**, pilih bidang untuk mendasarkan peringkat. Jika Anda ingin menampilkan lima tenaga penjualan teratas per pendapatan, pilih bidang pendapatan. Anda juga dapat mengatur agregat yang ingin Anda lakukan di lapangan.
1. (Opsional) Pilih **Tie breaker** dan kemudian pilih bidang lain untuk menambahkan satu atau lebih agregasi sebagai tie breaker. Ini berguna, dalam kasus contoh ini, ketika ada lebih dari lima hasil yang dikembalikan untuk lima tenaga penjualan teratas per pendapatan. Situasi ini dapat terjadi jika beberapa tenaga penjualan memiliki jumlah pendapatan yang sama.
Untuk menghapus pemutus dasi, gunakan ikon hapus.
1. Setelah selesai, pilih **Terapkan**.
# Menambahkan filter bersarang
Filter bersarang adalah filter lanjutan yang dapat ditambahkan ke analisis Cepat. Filter bersarang menyaring bidang menggunakan subset data yang ditentukan oleh bidang lain dalam kumpulan data yang sama. Hal ini memungkinkan penulis untuk menampilkan data kontekstual tambahan tanpa perlu memfilter data jika titik data tidak memenuhi kondisi awal.
Filter bersarang berfungsi mirip dengan subquery berkorelasi dalam SQL atau analisis keranjang pasar. Misalnya, Anda ingin melakukan analisis keranjang pasar pada data penjualan Anda. Anda dapat menggunakan filter bersarang untuk menemukan jumlah penjualan berdasarkan produk untuk pelanggan yang telah atau belum membeli produk tertentu. Anda juga dapat menggunakan filter bersarang untuk mengidentifikasi grup pelanggan yang tidak membeli produk yang dipilih atau yang hanya membeli daftar produk tertentu.
Filter bersarang hanya dapat ditambahkan pada tingkat analisis. Anda tidak dapat menambahkan filter bersarang ke kumpulan data.
Gunakan prosedur di bawah ini untuk menambahkan filter bersarang ke analisis Cepat.
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Pilih **Analisis**, lalu pilih analisis yang ingin Anda tambahkan filter bersarang.
1. Buat filter baru pada bidang teks yang ingin Anda filter. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter dalam analisis](add-a-filter-data-prep.md#add-a-filter-data-prep-analyses).
1. Setelah Anda membuat filter baru, cari filter baru di panel **Filter**. Pilih elipsis (tiga titik) di sebelah filter baru, lalu pilih **Edit** filter. Atau, pilih entitas filter di panel **Filter** untuk membuka panel **Edit filter**.
1. Panel **Edit filter** terbuka. **Buka menu tarik-turun **jenis Filter**, arahkan ke bagian **filter Avanced, lalu pilih Filter** bersarang.**
1. Untuk **kondisi Kualifikasi**, pilih **Sertakan** atau **Kecualikan**. *Kondisi kualifikasi* memungkinkan Anda untuk menjalankan tidak dalam kueri set pada data dalam analisis Anda. Dalam contoh penjualan kami di atas, kondisi kualifikasi menentukan apakah filter mengembalikan daftar pelanggan yang membeli produk tertentu atau daftar pelanggan yang tidak membeli produk.
1. Untuk **bidang Nested**, pilih bidang teks yang ingin Anda filter data. Bidang bersarang tidak bisa sama dengan bidang utama yang dipilih pada langkah 3. Bidang kategori adalah satu-satunya jenis bidang yang didukung untuk filter bagian dalam.
1. Untuk **jenis filter bersarang**, pilih jenis filter yang Anda inginkan. Jenis filter yang Anda pilih menentukan langkah konfigurasi akhir untuk filter bersarang. Jenis filter yang tersedia dan informasi tentang konfigurasi mereka dapat ditemukan dalam daftar di bawah ini.
+ [Daftar filter](https://docs.aws.amazon.com/quicksuite/latest/userguide/text-filter-list)
+ [Daftar filter kustom](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-custom-filter-list-data-prep)
+ [Filter kustom](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-filter-custom-list-data-prep)
# Menambahkan filter numerik
Bidang dengan tipe data desimal atau int dianggap bidang numerik. Anda membuat filter pada bidang numerik dengan menentukan jenis perbandingan, misalnya **Lebih besar dari** atau **Antara**, dan nilai atau nilai perbandingan yang sesuai dengan jenis perbandingan. Nilai perbandingan harus bilangan bulat positif dan tidak dapat berisi koma.
Anda dapat menggunakan jenis perbandingan berikut dalam filter numerik:
+ Sama dengan
+ Tidak sama
+ Lebih besar dari
+ Lebih besar dari atau sama dengan
+ Kurang dari
+ Kurang dari atau sama dengan
+ Antara
**catatan**
Untuk menggunakan filter atas dan bawah untuk data numerik (hanya analisis), pertama-tama ubah bidang dari ukuran ke dimensi. Melakukan hal ini mengubah data menjadi teks. Kemudian Anda dapat menggunakan filter teks. Untuk informasi selengkapnya, lihat [Menambahkan filter teks](add-a-text-filter-data-prep.md).
****Dalam analisis, untuk kumpulan data berdasarkan kueri database, Anda juga dapat secara opsional menerapkan fungsi agregat ke nilai atau nilai perbandingan, misalnya Jumlah atau Rata-rata.****
Anda dapat menggunakan fungsi agregat berikut dalam filter numerik:
+ Rata-rata
+ Hitungan
+ Hitung berbeda
+ Maks
+ Median
+ Min
+ Persentil
+ Standar deviasi
+ Standar deviasi - populasi
+ Jumlah
+ Varians
+ Varians - populasi
## Membuat filter numerik
Gunakan prosedur berikut untuk membuat filter bidang numerik.
**Untuk membuat filter bidang numerik**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. (Opsional) Untuk **Agregasi**, pilih agregasi. Tidak ada agregasi yang diterapkan secara default. Opsi ini hanya tersedia saat membuat filter numerik dalam analisis.
1. Untuk **kondisi Filter**, pilih jenis perbandingan.
1. Lakukan salah satu tindakan berikut:
+ Jika Anda memilih jenis perbandingan selain **Antara**, masukkan nilai perbandingan.
Jika Anda memilih jenis perbandingan **Antara**, masukkan awal rentang nilai di **Nilai minimum** dan akhir rentang nilai di **Nilai maksimum**.
+ (Hanya analisis) Untuk menggunakan parameter yang ada, aktifkan **Gunakan parameter**, lalu pilih parameter Anda dari daftar.
Agar parameter muncul dalam daftar ini, buat parameter Anda terlebih dahulu. Biasanya, Anda membuat parameter, menambahkan kontrol untuk itu, dan kemudian menambahkan filter untuk itu. Untuk informasi selengkapnya, lihat [Parameter di Amazon Cepat](parameters-in-quicksight.md). Nilai ditampilkan menurut abjad dalam kontrol, kecuali ada lebih dari 1.000 nilai yang berbeda. Kemudian kontrol menampilkan kotak pencarian sebagai gantinya. Setiap kali Anda mencari nilai yang ingin Anda gunakan, itu memulai kueri baru. Jika hasilnya berisi lebih dari 1.000 nilai, Anda dapat menggulir nilai dengan pagination.
1. **(Hanya analisis) Untuk **opsi Null** pilih **Kecualikan nol, **Sertakan nol, atau Nulls**** saja.**
1. Setelah selesai, pilih **Terapkan**.
# Menambahkan filter tanggal
Anda membuat filter pada bidang tanggal dengan memilih kondisi filter dan nilai tanggal yang ingin Anda gunakan. Ada tiga jenis filter untuk tanggal:
+ **Rentang** — Serangkaian tanggal berdasarkan rentang waktu dan jenis perbandingan. Anda dapat memfilter catatan berdasarkan apakah nilai bidang tanggal sebelum atau sesudah tanggal tertentu, atau dalam rentang tanggal. Anda memasukkan nilai tanggal dalam formatMM/DD/YYYY. Anda dapat menggunakan jenis perbandingan berikut:
+ **Antara** - Antara tanggal mulai dan tanggal akhir
+ **Setelah** - Setelah tanggal yang ditentukan
+ **Sebelum** - Sebelum tanggal yang ditentukan
+ **Sama** - Pada tanggal yang ditentukan
Untuk setiap jenis perbandingan, Anda dapat memilih tanggal bergulir relatif terhadap nilai periode atau kumpulan data.
+ **Relatif** (hanya analisis) — Serangkaian elemen tanggal dan waktu berdasarkan tanggal saat ini. Anda dapat memfilter catatan berdasarkan tanggal saat ini dan satuan ukuran yang Anda pilih (UOM). Unit filter tanggal termasuk tahun, kuartal, bulan, minggu, hari, jam, dan menit. Anda dapat mengecualikan periode saat ini, menambahkan dukungan untuk filter N Berikutnya mirip dengan N Terakhir dengan kemampuan tambahan untuk memungkinkan tanggal Anchor. Anda dapat menggunakan jenis perbandingan berikut:
+ **Sebelumnya** — UOM sebelumnya — misalnya, tahun sebelumnya.
+ **Ini** — UOM ini, yang mencakup semua tanggal dan waktu yang termasuk dalam UOM tertentu, bahkan jika itu terjadi di masa depan.
+ **Sampai saat ini *atau* terkini — UOM hingga saat ini, atau UOM hingga sekarang**. Frasa yang ditampilkan menyesuaikan dengan UOM yang Anda pilih. Namun, dalam semua kasus opsi ini menyaring data yang bukan antara awal UOM saat ini dan momen saat ini.
+ ***N* terakhir** — Jumlah terakhir yang ditentukan dari UOM yang diberikan, yang mencakup semua UOM ini dan semua *n* −1 UOM terakhir. Misalnya, katakanlah hari ini adalah 10 Mei 2017. Anda memilih untuk menggunakan *tahun* sebagai UOM Anda, dan mengatur Last *n* years menjadi 3. Data yang difilter mencakup data untuk semua tahun 2017, ditambah semua tahun 2016, dan semua tahun 2015. Jika Anda memiliki data untuk tanggal masa depan tahun berjalan (2017 dalam contoh ini), catatan ini disertakan dalam kumpulan data Anda.
+ **Atas dan bawah** (hanya analisis) — Sejumlah entri tanggal yang diberi peringkat oleh bidang lain. Anda dapat menunjukkan *n* atas atau bawah untuk jenis tanggal atau waktu UOM yang Anda pilih, berdasarkan nilai di bidang lain. Misalnya, Anda dapat memilih untuk menampilkan 5 hari penjualan teratas berdasarkan pendapatan.
Perbandingan diterapkan inklusif pada tanggal yang ditentukan. Misalnya, jika Anda menerapkan filter`Before 1/1/16`, catatan yang dikembalikan menyertakan semua baris dengan nilai tanggal hingga 1/1/16 23:59:59. Jika Anda tidak ingin menyertakan tanggal yang ditentukan, Anda dapat menghapus opsi untuk **Sertakan tanggal ini**. Jika Anda ingin menghilangkan rentang waktu, Anda dapat menggunakan opsi **Kecualikan periode N terakhir** untuk menentukan jumlah dan jenis periode waktu (menit, hari, dan sebagainya) untuk memfilter.
Anda juga dapat memilih untuk menyertakan atau mengecualikan nol, atau secara eksklusif menampilkan baris yang berisi nol di bidang ini. Jika Anda meneruskan parameter tanggal nol (satu tanpa nilai default), itu tidak memfilter data sampai Anda memberikan nilai.
**catatan**
Jika kolom atau atribut tidak memiliki informasi zona waktu, maka mesin kueri klien menetapkan interpretasi default dari data tanggal-waktu tersebut. Misalnya, misalkan kolom berisi stempel waktu, bukan timestamptz, dan Anda berada di zona waktu yang berbeda dari asal data. Dalam hal ini, mesin dapat membuat stempel waktu secara berbeda dari yang Anda harapkan. Amazon Quick dan [SPICE](spice.md)keduanya menggunakan waktu Universal Coordinated Time (UTC).
Gunakan bagian berikut untuk mempelajari cara membuat filter tanggal dalam kumpulan data dan analisis.
## Membuat filter tanggal dalam kumpulan data
Gunakan prosedur berikut untuk membuat filter rentang untuk bidang tanggal dalam kumpulan data.
**Untuk membuat filter rentang untuk bidang tanggal dalam kumpulan data**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. Untuk **Kondisi**, pilih jenis perbandingan: **Antara**, **Setelah**, atau **Sebelum**.
Untuk menggunakan **Antara** sebagai perbandingan, pilih **Tanggal mulai** dan **Tanggal akhir** dan pilih tanggal dari kontrol pemilih tanggal yang muncul.
Anda dapat memilih apakah Anda ingin memasukkan salah satu atau kedua tanggal mulai dan berakhir dalam rentang dengan memilih **Sertakan tanggal mulai** atau **Sertakan tanggal akhir**.
Untuk menggunakan perbandingan **Sebelum** atau **Setelah**, masukkan tanggal atau pilih bidang tanggal untuk menampilkan kontrol pemilih tanggal dan pilih tanggal sebagai gantinya. Anda dapat menyertakan tanggal ini (yang Anda pilih), untuk mengecualikan N periode waktu terakhir, dan menentukan cara menangani nol.
1. **Untuk **perincian Waktu**, pilih **Hari**, **Jam**, **Menit**, atau Detik.**
1. Setelah selesai, pilih **Terapkan**.
## Membuat filter tanggal dalam analisis
Anda dapat membuat filter tanggal dalam analisis seperti yang dijelaskan berikut.
### Membuat filter tanggal rentang dalam analisis
Gunakan prosedur berikut untuk membuat filter rentang untuk bidang tanggal dalam analisis.
**Untuk membuat filter rentang untuk bidang tanggal dalam analisis**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. Untuk **jenis Filter**, pilih **Tanggal & rentang waktu**.
1. Untuk **Kondisi**, pilih jenis perbandingan: **Antara**, **Setelah**, **Sebelum**, atau **Sama.**
Untuk menggunakan **Antara** sebagai perbandingan, pilih **Tanggal mulai** dan **Tanggal akhir** dan pilih tanggal dari kontrol pemilih tanggal yang muncul.
Anda dapat memilih untuk menyertakan salah satu atau kedua tanggal mulai dan berakhir dalam rentang dengan memilih **Sertakan tanggal mulai** atau **Sertakan tanggal akhir**.
Untuk menggunakan perbandingan **Sebelum**, **Setelah**, atau **Sama** dengan, masukkan tanggal atau pilih bidang tanggal untuk menampilkan kontrol pemilih tanggal dan pilih tanggal sebagai gantinya. Anda dapat menyertakan tanggal ini (yang Anda pilih), untuk mengecualikan N periode waktu terakhir, dan menentukan cara menangani nol.
Untuk **Menetapkan tanggal bergulir** untuk perbandingan Anda, pilih **Tetapkan tanggal bergulir**.
Di panel **Tetapkan tanggal bergulir** yang terbuka, pilih **Tanggal relatif** lalu pilih apakah Anda ingin mengatur tanggal ke **Hari Ini**, **Kemarin**, atau Anda dapat menentukan **kondisi Filter** (awal atau akhir), **Rentang** (ini, sebelumnya, atau berikutnya), dan **Periode** (tahun, kuartal, bulan, minggu, atau hari).
1. **Untuk **perincian Waktu**, pilih **Hari**, **Jam**, **Menit**, atau Detik.**
1. (Opsional) Jika Anda memfilter menggunakan parameter yang ada, alih-alih tanggal tertentu, pilih **Gunakan parameter**, lalu pilih parameter atau parameter Anda dari daftar. Untuk menggunakan perbandingan **Sebelum**, **Setelah**, atau **Sama dengan**, pilih satu parameter tanggal. Anda dapat memasukkan tanggal ini dalam kisaran.
Untuk menggunakan **Antara**, masukkan parameter tanggal mulai dan tanggal akhir secara terpisah. Anda dapat memasukkan tanggal mulai, tanggal akhir, atau keduanya dalam rentang.
Untuk menggunakan parameter dalam filter, buat terlebih dahulu. Biasanya, Anda membuat parameter, menambahkan kontrol untuk itu, dan kemudian menambahkan filter untuk itu. Untuk informasi selengkapnya, lihat [Parameter di Amazon Cepat](parameters-in-quicksight.md).
1. **Untuk **opsi Null pilih Exclude** **nulls, Sertakan nulls****, atau Nulls saja**.**
1. Setelah selesai, pilih **Terapkan**.
### Membuat filter tanggal relatif dalam analisis
Gunakan prosedur berikut untuk membuat filter relatif untuk bidang tanggal dalam analisis.
**Untuk membuat filter relatif untuk bidang tanggal dalam analisis**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. Untuk **jenis Filter**, pilih **Tanggal relatif**.
1. Untuk **granularitas waktu**, pilih perincian waktu yang ingin Anda filter berdasarkan (hari, jam, menit).
1. Untuk **Periode**, pilih satuan waktu (tahun, kuartal, kuartal, bulan, minggu, hari).
1. Untuk **Range**, pilih bagaimana Anda ingin filter berhubungan dengan kerangka waktu. Misalnya, jika Anda memilih untuk melaporkan bulan, opsi Anda adalah bulan sebelumnya, bulan ini, bulan ke tanggal, N bulan terakhir, dan N bulan berikutnya.
Jika Anda memilih N Terakhir atau Next N tahun, kuartal, bulan, minggu, atau hari, masukkan **nomor untuk Jumlah**. Misalnya, 3 tahun terakhir, 5 kuartal berikutnya, 5 hari terakhir.
1. **Untuk **opsi Null pilih Exclude** **nulls, Sertakan nulls****, atau Nulls saja**.**
1. Untuk **Tetapkan tanggal relatif terhadap**, pilih salah satu opsi berikut:
+ **Waktu tanggal saat** ini - Jika Anda memilih opsi ini, Anda dapat mengaturnya ke **Kecualikan terakhir**, lalu tentukan jumlah dan jenis periode waktu.
+ **Tanggal dan waktu dari parameter** - Jika Anda memilih opsi ini, Anda dapat memilih parameter datetime yang ada.
1. (Opsional) Jika Anda memfilter dengan menggunakan parameter yang ada, alih-alih tanggal tertentu, aktifkan **Gunakan parameter**, lalu pilih parameter atau parameter Anda dari daftar.
Untuk menggunakan parameter dalam filter, buat terlebih dahulu. Biasanya, Anda membuat parameter, menambahkan kontrol untuk itu, dan kemudian menambahkan filter untuk itu. Untuk informasi selengkapnya, lihat [Parameter di Amazon Cepat](parameters-in-quicksight.md).
1. Setelah selesai, pilih **Terapkan**.
### Membuat filter tanggal atas dan bawah dalam analisis
Gunakan prosedur berikut untuk membuat filter atas dan bawah untuk bidang tanggal dalam analisis.
**Untuk membuat filter atas dan bawah untuk bidang tanggal dalam analisis**
1. Buat filter baru menggunakan bidang teks. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. Untuk **jenis Filter**, pilih **Atas dan bawah**.
1. Pilih **Atas** atau **Bawah**.
1. Untuk **Tampilkan**, masukkan jumlah item atas atau bawah yang ingin Anda tampilkan dan pilih satuan waktu (tahun, kuartal, bulan, minggu hari, jam, menit).
1. Untuk **By**, pilih bidang untuk mendasarkan peringkat.
1. (Opsional) Tambahkan bidang lain sebagai pemutus dasi, jika bidang untuk **By** memiliki duplikat. Pilih **Tie breaker**, lalu pilih bidang lain. Untuk menghapus pemutus dasi, gunakan ikon hapus.
1. (Opsional) Jika Anda memfilter menggunakan parameter yang ada, alih-alih tanggal tertentu, pilih **Gunakan parameter**, lalu pilih parameter atau parameter Anda dari daftar.
Untuk menggunakan parameter untuk **Atas dan bawah**, pilih parameter integer untuk jumlah item atas atau bawah yang akan ditampilkan.
Untuk menggunakan parameter dalam filter, buat terlebih dahulu. Biasanya, Anda membuat parameter, menambahkan kontrol untuk itu, dan kemudian menambahkan filter untuk itu. Untuk informasi selengkapnya, lihat [Parameter di Amazon Cepat](parameters-in-quicksight.md).
1. Setelah selesai, pilih **Terapkan**.
# Menambahkan kondisi filter (filter grup) dengan operator AND dan OR
Dalam analisis, saat Anda menambahkan beberapa filter ke visual, Quick menggunakan operator AND untuk menggabungkannya. Anda juga dapat menambahkan kondisi filter ke satu filter dengan operator OR. Ini disebut filter senyawa, atau grup filter.
Untuk menambahkan beberapa filter menggunakan operator OR, buat grup filter. Pengelompokan filter tersedia untuk semua jenis filter dalam analisis.
Saat Anda memfilter pada beberapa ukuran (bidang hijau ditandai dengan \$1), Anda dapat menerapkan kondisi filter ke agregat bidang tersebut. Filter dalam grup dapat berisi bidang agregat atau nonagregat, tetapi tidak keduanya.
**Untuk membuat grup filter**
1. Buat filter baru dalam analisis. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih filter baru untuk mengembangkannya.
1. Di filter yang diperluas, pilih **Tambahkan kondisi filter** di bagian bawah, lalu pilih bidang untuk difilter.
1. Pilih kondisi untuk difilter.
Tipe data bidang yang Anda pilih menentukan opsi yang tersedia di sini. Misalnya, jika Anda memilih bidang numerik, Anda dapat menentukan agregasi, kondisi filter, dan nilai. Jika Anda memilih bidang teks, Anda dapat memilih jenis filter, kondisi filter, dan nilai. Dan jika Anda memilih bidang tanggal, Anda dapat menentukan jenis filter, kondisi, dan perincian waktu. Untuk informasi selengkapnya tentang opsi ini, lihat [Jenis filter di Amazon Quick](filtering-types.md).
1. (Opsional) Anda dapat menambahkan kondisi filter tambahan ke grup filter dengan memilih **Tambahkan kondisi filter** lagi di bagian bawah.
1. (Opsional) Untuk menghapus filter dari grup filter, pilih ikon tempat sampah di dekat nama bidang.
1. Setelah selesai, pilih **Terapkan**.
Filter muncul sebagai grup di panel **Filter**.
# Membuat filter cascading
Gagasan di balik cascading tindakan apa pun, seperti filter, adalah bahwa pilihan di tingkat hierarki yang lebih tinggi memengaruhi tingkat hierarki yang lebih rendah. Istilah *cascading* berasal dari cara air terjun kaskade mengalir dari satu tingkat ke tingkat berikutnya.
Untuk mengatur filter cascading, Anda memerlukan titik pemicu di mana filter diaktifkan, dan titik target di mana filter diterapkan. Di Quick, pemicu dan titik target disertakan dalam visual.
Untuk membuat filter cascading, Anda mengatur tindakan, bukan filter. Pendekatan ini karena Anda perlu menentukan bagaimana filter cascading diaktifkan, bidang mana yang terlibat, dan visual mana yang difilter saat seseorang mengaktifkannya. Untuk informasi selengkapnya, termasuk step-by-step petunjuk, lihat[Menggunakan tindakan khusus untuk memfilter dan menavigasi](quicksight-actions.md).
Ada dua cara lain untuk mengaktifkan filter di beberapa visual:
+ **Untuk filter yang diaktifkan dari widget di dasbor** - Widget ini disebut *kontrol lembar,* yang merupakan menu khusus yang dapat Anda tambahkan ke bagian atas analisis atau dasbor Anda. Kontrol lembar yang paling umum adalah daftar drop-down, yang menampilkan daftar opsi untuk dipilih saat Anda membukanya. Untuk menambahkan salah satunya ke analisis Anda, buat parameter, tambahkan kontrol ke parameter, lalu tambahkan filter yang menggunakan parameter. Lihat informasi selengkapnya di [Menyiapkan parameter di Amazon Quick](parameters-set-up.md), [Menggunakan kontrol dengan parameter di Amazon Quick](parameters-controls.md), dan [Menambahkan kontrol filter ke lembar analisis](filter-controls.md).
+ **Untuk filter yang selalu berlaku untuk beberapa visual** — Ini adalah filter biasa, kecuali Anda mengatur cakupannya untuk diterapkan ke beberapa (atau semua) visual. Jenis filter ini tidak benar-benar mengalir, karena tidak ada titik pemicu. Itu selalu menyaring semua visual yang dikonfigurasi untuk disaring. Untuk menambahkan jenis filter ini ke analisis Anda, buat atau edit filter dan kemudian pilih cakupannya: **Visual tunggal**, **Lembar tunggal, atau Lembar** **silang**. Perhatikan opsi untuk **Menerapkan cross-dataset**. Jika kotak ini dicentang, maka filter akan diterapkan ke semua visual dari kumpulan data berbeda yang berlaku pada semua lembar dalam lingkup filter. Lihat informasi yang lebih lengkap di [Penyaring](cross-sheet-filters.md#filters).
# Menambahkan kontrol filter ke lembar analisis
Saat merancang analisis, Anda dapat menambahkan filter ke lembar analisis di dekat visual yang ingin Anda filter. Itu muncul di lembar sebagai kontrol yang dapat digunakan pemirsa dasbor saat Anda mempublikasikan analisis sebagai dasbor. Kontrol menggunakan pengaturan tema analisis sehingga sepertinya itu bagian dari lembar.
Kontrol filter berbagi beberapa pengaturan dengan filternya. Mereka berlaku untuk satu, beberapa, atau semua objek pada lembar yang sama.
Gunakan bagian berikut untuk menambahkan dan menyesuaikan kontrol filter ke analisis. Untuk mempelajari cara menambahkan kontrol lintas-lembar, lihat[Kontrol](cross-sheet-filters.md#cross-sheet-controls).
**Topics**
+ [Menambahkan kontrol filter](#filter-controls-add)
+ [Menyematkan kontrol filter ke bagian atas lembar](#filter-controls-pin)
+ [Menyesuaikan kontrol filter](#filter-controls-customize)
+ [Kontrol filter Cascading](#cascading-controls)
## Menambahkan kontrol filter
Gunakan prosedur berikut untuk menambahkan kontrol filter.
**Untuk menambahkan kontrol filter**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Analisis**, lalu pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih **Filter**.
1. Jika Anda belum memiliki beberapa filter yang tersedia, buat satu. Untuk informasi selengkapnya tentang membuat filter, lihat[Menambahkan filter](add-a-filter-data-prep.md).
1. Di panel **Filter**, pilih tiga titik di sebelah kanan filter yang ingin Anda tambahkan kontrol, dan pilih **Tambahkan ke lembar**.
Kontrol filter ditambahkan ke lembaran, biasanya di bagian bawah. Anda dapat mengubah ukurannya atau menyeretnya ke posisi yang berbeda pada lembar. Anda juga dapat menyesuaikan tampilannya dan bagaimana pemirsa dasbor dapat berinteraksi dengannya. Untuk informasi selengkapnya tentang menyesuaikan kontrol filter, lihat bagian berikut.
## Menyematkan kontrol filter ke bagian atas lembar
Gunakan prosedur berikut untuk menyematkan kontrol filter ke bagian atas lembar.
**Untuk menyematkan kontrol ke bagian atas lembaran**
1. Pada kontrol filter yang ingin Anda pindahkan, pilih tiga titik di sebelah ikon pensil dan pilih **Sematkan ke atas**.
Filter disematkan ke bagian atas lembaran dan diciutkan. Anda dapat mengkliknya untuk memperluasnya.
1. (Opsional) Untuk melepaskan pin kontrol, perluas dan arahkan kursor ke atasnya di bagian atas lembar hingga tiga titik muncul. Pilih tiga titik, lalu pilih **Pindahkan ke lembar**.
## Menyesuaikan kontrol filter
Bergantung pada tipe data bidang dan jenis filter, kontrol filter memiliki pengaturan berbeda yang tersedia. Anda dapat menyesuaikan tampilannya di lembar dan bagaimana pemirsa dasbor dapat berinteraksi dengan mereka.
**Untuk menyesuaikan kontrol filter**
1. Pilih kontrol filter di lembar.
1. Pada kontrol filter, pilih ikon pensil.
Jika kontrol filter disematkan ke bagian atas lembar, perluas dan arahkan kursor Anda ke atasnya sampai tiga titik muncul. Pilih tiga titik, lalu pilih **Edit**.
1. Di panel **kontrol Format** yang terbuka, lakukan hal berikut:
1. Untuk **nama Tampilan**, masukkan nama untuk kontrol filter.
1. (Opsional) Untuk menyembunyikan nama tampilan dari kontrol filter, kosongkan kotak centang untuk **Tampilkan judul**.
1. Untuk **ukuran font Judul**, pilih ukuran font judul yang ingin Anda gunakan. Pilihannya berkisar dari ekstra kecil hingga ekstra besar. Pengaturan defaultnya adalah medium.
Langkah-langkah yang tersisa tergantung pada jenis bidang yang direferensikan kontrol. Untuk opsi berdasarkan jenis filter, lihat bagian berikut.
### Filter tanggal
Jika kontrol filter Anda berasal dari filter tanggal, gunakan prosedur berikut untuk menyesuaikan opsi yang tersisa.
**Untuk menyesuaikan opsi lebih lanjut untuk filter tanggal**
1. Di panel **kontrol Format**, untuk **Gaya**, pilih salah satu opsi berikut:
+ **Pemilih tanggal - rentang** - Menampilkan satu set dua bidang untuk menentukan rentang waktu. Anda dapat memasukkan tanggal atau waktu, atau Anda dapat memilih tanggal dari kontrol kalender. Anda juga dapat menyesuaikan bagaimana Anda ingin tanggal muncul di kontrol dengan memasukkan token tanggal untuk **format Tanggal**. Untuk informasi selengkapnya, lihat [Menyesuaikan format tanggal dalam Quick](format-visual-date-controls.md).
+ **Pemilih tanggal - relatif** - Menampilkan pengaturan seperti periode waktu, hubungannya dengan tanggal dan waktu saat ini, dan opsi untuk mengecualikan periode waktu. Anda juga dapat menyesuaikan bagaimana Anda ingin tanggal muncul di kontrol dengan memasukkan token tanggal untuk **format Tanggal**. Untuk informasi selengkapnya, lihat [Menyesuaikan format tanggal dalam Quick](format-visual-date-controls.md).
+ **Bidang teks** - Menampilkan kotak tempat Anda dapat memasukkan tanggal *N* atas atau bawah.
Teks pembantu disertakan dalam kontrol bidang teks secara default, tetapi Anda dapat memilih untuk menghapusnya dengan menghapus opsi **Tampilkan teks pembantu di** kontrol.
Secara default, visual Cepat dimuat ulang setiap kali perubahan dilakukan pada kontrol. **Untuk kontrol pemilih tanggal Kalender dan Relatif, penulis dapat menambahkan tombol **Terapkan** ke kontrol yang menunda pemuatan ulang visual hingga pengguna memilih Terapkan.** Hal ini memungkinkan pengguna untuk membuat beberapa perubahan pada satu waktu tanpa pertanyaan tambahan. Pengaturan ini dapat dikonfigurasi dengan kotak centang **Tampilkan tombol terapkan** di bagian **Opsi kontrol** pada panel **kontrol Format**.
1. Setelah selesai, pilih **Terapkan**.
### Filter teks
Jika kontrol filter Anda berasal dari filter teks, misalnya dimensi, kategori, atau label, gunakan prosedur berikut untuk menyesuaikan opsi yang tersisa.
**Untuk menyesuaikan opsi lebih lanjut untuk filter teks**
1. Di panel **kontrol Format**, untuk **Gaya**, pilih salah satu opsi berikut:
+ **Dropdown** - Menampilkan daftar dropdown dengan tombol yang dapat Anda gunakan untuk memilih satu nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Anda juga dapat memilih untuk **Menyembunyikan Pilih semua opsi dari nilai kontrol**. Ini menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Dropdown - multiselect** - Menampilkan daftar dropdown dengan kotak yang dapat Anda gunakan untuk memilih beberapa nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Secara default, visual Cepat dimuat ulang setiap kali perubahan dilakukan pada kontrol. **Untuk kontrol tarik-turun Multiselect, penulis dapat menambahkan tombol **Terapkan** ke kontrol yang menunda pemuatan ulang visual hingga pengguna memilih Terapkan.** Hal ini memungkinkan pengguna untuk membuat beberapa perubahan pada satu waktu tanpa pertanyaan tambahan. Pengaturan ini dapat dikonfigurasi dengan kotak centang **Tampilkan tombol terapkan** di bagian **Opsi kontrol** pada panel **kontrol Format**.
+ **Daftar** - Menampilkan daftar dengan tombol yang dapat Anda gunakan untuk memilih satu nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Anda juga dapat memilih yang berikut:
+ **Sembunyikan bilah pencarian saat kontrol ada di lembar** — Menyembunyikan bilah pencarian di kontrol filter, sehingga pengguna tidak dapat mencari nilai tertentu.
+ **Sembunyikan Pilih semua opsi dari nilai kontrol** - Menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Daftar - multiselect** - Menampilkan daftar dengan kotak yang dapat Anda gunakan untuk memilih beberapa nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Anda juga dapat memilih yang berikut:
+ **Sembunyikan bilah pencarian saat kontrol ada di lembar** — Menyembunyikan bilah pencarian di kontrol filter, sehingga pengguna tidak dapat mencari nilai tertentu.
+ **Sembunyikan Pilih semua opsi dari nilai kontrol** - Menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Bidang teks** - Menampilkan kotak teks tempat Anda dapat memasukkan satu entri. Bidang teks mendukung hingga 79950 karakter.
Ketika Anda memilih opsi ini, Anda dapat memilih yang berikut:
+ **Tampilkan teks pembantu dalam kontrol** - Menghapus teks pembantu di bidang teks.
+ **Bidang teks - multiline** - Menampilkan kotak teks tempat Anda dapat memasukkan beberapa entri. Bidang teks multiline mendukung hingga 79950 karakter di semua entri.
Ketika Anda memilih opsi ini, Anda dapat memilih yang berikut:
+ Untuk **Pisahkan nilai dengan**, pilih bagaimana Anda ingin memisahkan nilai yang Anda masukkan ke dalam kontrol filter. Anda dapat memilih untuk memisahkan nilai dengan jeda baris, koma, pipa (\$1), atau titik koma.
+ **Tampilkan teks pembantu dalam kontrol** - Menghapus teks pembantu di bidang teks.
1. Setelah selesai, pilih **Terapkan**.
### Filter numerik
Jika kontrol filter Anda berasal dari filter numerik, gunakan prosedur berikut untuk menyesuaikan opsi yang tersisa.
**Untuk menyesuaikan opsi lebih lanjut untuk filter numerik**
1. Di panel **kontrol Format**, untuk **Gaya**, pilih salah satu opsi berikut:
+ **Dropdown** - Menampilkan daftar di mana Anda dapat memilih satu nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Anda juga dapat memilih untuk **Menyembunyikan Pilih semua opsi dari nilai kontrol**. Ini menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
+ **Sembunyikan Pilih semua opsi dari nilai kontrol** - Menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Daftar** - Menampilkan daftar dengan tombol yang memungkinkan memilih satu nilai.
Ketika Anda memilih opsi ini, Anda dapat memilih opsi berikut untuk **Nilai**:
+ **Filter** - Menampilkan semua nilai yang tersedia di filter.
+ **Nilai spesifik** - Memungkinkan Anda memasukkan nilai yang akan ditampilkan, satu entri per baris.
Anda juga dapat memilih yang berikut:
+ **Sembunyikan bilah pencarian saat kontrol ada di lembar** — Menyembunyikan bilah pencarian di kontrol filter, sehingga pengguna tidak dapat mencari nilai tertentu.
+ **Sembunyikan Pilih semua opsi dari nilai kontrol** - Menghapus opsi untuk memilih atau menghapus pemilihan semua nilai dalam kontrol filter.
+ **Slider** - Menampilkan bar horisontal dengan toggle yang dapat Anda geser untuk mengubah nilai. Jika Anda memiliki filter rentang untuk nilai antara minimum dan maksimum, slider menyediakan sakelar untuk setiap angka. Untuk slider, Anda dapat menentukan opsi berikut:
+ **Nilai minimum** - Menampilkan nilai yang lebih kecil di sebelah kiri slider.
+ **Nilai maksimum** - Menampilkan nilai yang lebih besar di sebelah kanan slider.
+ **Ukuran langkah** - Memungkinkan Anda mengatur jumlah kenaikan yang dibagi menjadi bilah.
+ **Kotak teks** - Menampilkan kotak di mana Anda dapat memasukkan nilai. Ketika Anda memilih opsi ini, Anda dapat memilih yang berikut:
+ **Tampilkan teks pembantu dalam kontrol** - Menghapus teks pembantu di bidang teks.
1. Setelah selesai, pilih **Terapkan**.
## Kontrol filter Cascading
Anda dapat membatasi nilai yang ditampilkan di kontrol, sehingga hanya menampilkan nilai yang valid untuk apa yang dipilih di kontrol lain. Ini disebut kontrol cascading.
**Saat membuat kontrol cascading, batasan berikut berlaku:**
1. Kontrol cascading harus diikat ke kolom dataset dari kumpulan data yang sama.
1. Kontrol anak harus berupa dropdown atau kontrol daftar.
1. Untuk kontrol parameter, kontrol anak harus ditautkan ke kolom dataset.
1. Untuk kontrol filter, kontrol anak harus ditautkan ke filter (bukan hanya menampilkan nilai tertentu).
1. Kontrol induk harus salah satu dari yang berikut:
1. Sebuah string, integer, atau kontrol parameter numerik.
1. Kontrol filter string (tidak termasuk filter atas-bawah).
1. Kontrol filter numerik non-agregat.
1. Kontrol filter tanggal (tidak termasuk filter atas-bawah).
**Untuk membuat kontrol cascading**
1. Pilih **Tampilkan nilai yang relevan saja.** Perhatikan bahwa opsi ini mungkin tidak tersedia untuk semua jenis kontrol filter.
1. Di panel **Tampilkan hanya nilai yang relevan** yang terbuka, pilih satu atau beberapa kontrol dari daftar yang tersedia.
1. Pilih bidang yang sesuai dengan nilainya.
1. Pilih **Perbarui**.
# Filter pengeditan
Anda dapat mengedit filter kapan saja dalam kumpulan data atau analisis.
Anda tidak dapat mengubah bidang yang diterapkan filter. Untuk menerapkan filter ke bidang yang berbeda, buat filter baru sebagai gantinya.
Gunakan prosedur berikut untuk mempelajari cara mengedit filter.
## Mengedit filter dalam kumpulan data
Gunakan prosedur berikut untuk mengedit filter dalam kumpulan data.
**Untuk mengedit filter dalam kumpulan data**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Data** di sebelah kiri.
1. **Di bawah tab **Datasets**, pilih dataset yang Anda inginkan, lalu pilih Edit dataset.**
1. Pada halaman persiapan data yang terbuka, pilih **Filter** di kiri bawah.
1. Pilih filter yang ingin Anda edit.
1. Setelah selesai mengedit, pilih **Terapkan**.
## Mengedit filter dalam analisis
Gunakan prosedur berikut untuk mengedit filter dalam analisis.
**Untuk mengedit filter dalam analisis**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Analisis** di sebelah kiri.
1. Pada halaman **Analisis**, pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih ikon **Filter** yang ditampilkan untuk membuka panel **Filter**.
1. Pilih filter yang ingin Anda edit.
1. Setelah selesai mengedit, pilih **Terapkan**.
# Mengaktifkan atau menonaktifkan filter
Anda dapat menggunakan menu filter untuk mengaktifkan atau menonaktifkan filter dalam kumpulan data atau analisis. Saat Anda membuat filter, itu diaktifkan secara default. Menonaktifkan filter akan menghapus filter dari bidang, tetapi tidak menghapus filter dari kumpulan data atau analisis. Filter yang dinonaktifkan berwarna abu-abu di panel filter. Jika Anda ingin menerapkan kembali filter ke bidang, Anda cukup mengaktifkannya.
Gunakan prosedur berikut untuk mempelajari cara mengaktifkan atau menonaktifkan filter.
## Menonaktifkan filter dalam kumpulan data
Gunakan prosedur berikut untuk menonaktifkan filter dalam kumpulan data.
**Untuk menonaktifkan filter dalam kumpulan data**
1. Dari beranda Cepat, pilih **Data** di sebelah kiri.
1. **Di bawah tab **Datasets**, pilih dataset yang Anda inginkan, lalu pilih Edit dataset.**
1. Pada halaman persiapan data yang terbuka, pilih **Filter** di kiri bawah.
1. Di panel **Filter** di sebelah kiri, pilih tiga titik di sebelah kanan filter yang ingin Anda nonaktifkan, lalu pilih **Nonaktifkan**. Untuk mengaktifkan filter yang dinonaktifkan, pilih **Aktifkan**.
## Menonaktifkan filter dalam analisis
Gunakan prosedur berikut untuk menonaktifkan filter dalam analisis.
**Untuk menonaktifkan filter dalam analisis**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Analisis.**
1. Pada halaman **Analisis**, pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih ikon **Filter** untuk membuka panel **Filter**.
1. Di panel **Filter** yang terbuka, pilih tiga titik di sebelah kanan filter yang ingin Anda nonaktifkan, lalu pilih **Nonaktifkan**. Untuk mengaktifkan filter yang dinonaktifkan, pilih **Aktifkan**.
# Menghapus filter
Anda dapat menghapus filter kapan saja dalam kumpulan data atau analisis. Gunakan prosedur berikut untuk mempelajari caranya.
## Menghapus filter dalam kumpulan data
Gunakan prosedur berikut untuk menghapus filter dalam kumpulan data.
**Untuk menghapus filter dalam kumpulan data**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Data**.
1. **Di bawah tab **Datasets**, pilih dataset yang Anda inginkan, lalu pilih Edit dataset.**
1. Pada halaman persiapan data yang terbuka, pilih **Filter** di kiri bawah.
1. Pilih filter yang ingin Anda hapus, lalu pilih **Hapus filter**.
## Menghapus filter dalam analisis
Gunakan prosedur berikut untuk menghapus filter dalam analisis.
**Untuk menghapus filter dalam analisis**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Dari beranda Cepat, pilih **Analisis.**
1. Pada halaman **Analisis**, pilih analisis yang ingin Anda kerjakan.
1. Dalam analisis, pilih ikon **Filter** untuk membuka panel **Filter**.
1. Pilih filter yang ingin Anda hapus, lalu pilih **Hapus filter**.
# Mempratinjau tabel dalam kumpulan data
Anda dapat melihat pratinjau setiap tabel data individual dalam kumpulan data. Saat Anda memilih tabel data untuk dipratinjau, pratinjau tabel hanya-baca muncul di tab baru di bagian pratinjau data. Anda dapat memiliki beberapa tab pratinjau tabel terbuka sekaligus.
Anda hanya dapat melihat pratinjau tabel yang dapat Anda akses dalam kumpulan data. Jika tabel tidak muncul di bagian atas ruang persiapan data, Anda tidak dapat melihat pratinjau tabel.
Tab **Dataset** berisi semua transformasi, seperti kolom atau filter baru. Tab pratinjau tabel tidak menampilkan transformasi apa pun.
**Untuk melihat pratinjau tabel data**
1. Di beranda Cepat, pilih **Data** di sebelah kiri.
1. Di tab **Data**, pilih kumpulan data yang Anda inginkan, dan pilih **Edit kumpulan data**.
1. Pilih tabel data yang ingin Anda pratinjau, pilih panah bawah untuk membuka menu, dan pilih **Tampilkan pratinjau tabel**.
# Menggunakan SQL untuk menyesuaikan data
Saat membuat kumpulan data atau menyiapkan data untuk digunakan dalam analisis, Anda dapat menyesuaikan data di editor kueri.
Editor kueri terdiri dari beberapa komponen, sebagai berikut:
+ ****Mode kueri**** - Di kiri atas, Anda dapat memilih antara mode kueri atau SPICE kueri langsung:
+ **Kueri langsung** - Untuk menjalankan pernyataan SELECT secara langsung terhadap database
+ **SPICE**— Untuk menjalankan pernyataan SELECT terhadap data yang sebelumnya disimpan dalam memori
+ ****Bidang**** - Gunakan bagian ini untuk menonaktifkan bidang yang ingin Anda hapus dari kumpulan data akhir. Anda dapat menambahkan bidang terhitung di bagian ini, dan menambah data Anda dengan AI SageMaker
+ ****Arsip kueri**** - Gunakan bagian ini untuk menemukan versi sebelumnya dari kueri SQL Anda.
+ ****Filter**** — Gunakan bagian ini untuk menambah, mengedit, atau menghapus filter.
+ ****Schema explorer**** - Bagian ini hanya muncul saat Anda mengedit SQL. Anda dapat menggunakannya untuk menjelajahi skema, tabel, bidang, dan tipe data Anda.
+ ****Editor SQL**** — Gunakan ini untuk mengedit SQL Anda. Editor SQL, yang menawarkan penyorotan sintaks, pelengkapan otomatis dasar, indentasi otomatis, dan penomoran baris. Anda dapat menentukan query SQL hanya untuk dataset yang berasal dari sumber data yang kompatibel dengan SQL. SQL Anda harus sesuai dengan persyaratan database target mengenai sintaks, kapitalisasi, penghentian perintah, dan sebagainya. Jika mau, Anda bisa menempelkan SQL dari editor lain.
+ ****Ruang kerja data**** — Ketika editor SQL ditutup, ruang kerja data ditampilkan di kanan atas dengan latar belakang kisi. Di sini Anda dapat melihat representasi grafis dari objek data Anda, termasuk kueri, tabel, file, dan gabungan yang dibuat di editor gabungan.
Untuk melihat detail tentang setiap tabel, gunakan menu opsi sumber data dan pilih **Detail tabel** atau **Edit Kueri SQL**. Detail ditampilkan untuk nama tabel dan alias, skema, nama sumber data, dan tipe sumber data. Untuk pengaturan upload pada file, pilih **Konfigurasikan pengaturan unggahan** dari menu opsi sumber data untuk melihat atau mengubah pengaturan berikut:
+ Format — format file, CSV, CUSTOM, CLF, dan sebagainya
+ Baris awal — baris untuk memulai
+ Kualifikasi teks - kutipan ganda atau kutipan tunggal
+ Header - menunjukkan jika file menyertakan baris header
+ ****Baris**** pratinjau — Pratinjau baris sampel muncul di kanan bawah saat editor konfigurasi gabungan tidak digunakan.
+ ****Gabung editor konfigurasi**** - Editor gabungan terbuka ketika Anda memiliki lebih dari satu objek data di ruang kerja data. Untuk mengedit gabungan, Anda memilih ikon gabungan di antara dua tabel (atau file). Pilih jenis gabungan dan bidang untuk bergabung, dengan menggunakan panel konfigurasi gabungan di bagian bawah layar. Kemudian pilih **Terapkan** untuk membuat bergabung. Anda harus menyelesaikan semua bergabung sebelum Anda dapat menyimpan pekerjaan Anda.
Untuk menambahkan lebih banyak kueri, tabel, atau file, gunakan opsi **Tambahkan data** di atas ruang kerja.
## Membuat kueri SQL dasar
Gunakan prosedur berikut untuk menyambung ke sumber data dengan menggunakan kueri SQL kustom.
**Untuk membuat query SQL dasar**
1. Buat sumber data baru dan validasi koneksi.
1. Isi opsi yang diperlukan untuk koneksi, namun Anda tidak perlu memilih skema atau tabel.
1. Pilih **Gunakan SQL kustom**.
1. (Opsional) Anda dapat memasukkan kueri Anda di editor SQL, atau melanjutkan ke langkah berikutnya untuk menggunakan versi layar penuh. Untuk memasukkannya sekarang, buat nama untuk kueri. Kemudian ketik atau tempel kueri SQL ke editor. Editor SQL menawarkan penyorotan sintaks, pelengkapan otomatis dasar, indentasi otomatis, dan penomoran baris.
(Opsional) Pilih **Konfirmasi kueri** untuk memvalidasinya dan melihat pengaturan untuk kueri langsung, SPICE memori, dan pengaturan SageMaker AI.
1. Pilih **Edit/Pratinjau data**. Editor kueri lengkap muncul dengan editor SQL ditampilkan. Kueri diproses dan sampel hasil kueri ditampilkan di panel pratinjau data. Anda dapat membuat perubahan pada SQL dan mengonfirmasinya dengan memilih **Terapkan**. Setelah selesai dengan SQL, pilih **Tutup** untuk melanjutkan.
1. Di bagian atas, masukkan nama untuk kumpulan data. Kemudian pilih **Simpan & visualisasikan**.
### Memodifikasi kueri yang ada
**Untuk memperbarui kueri SQL**
1. Buka kumpulan data yang ingin Anda gunakan.
1. Di ruang kerja dengan kisi, cari objek berbentuk kotak yang mewakili kueri yang ada.
1. Buka menu opsi pada objek kueri dan pilih **Edit query SQL**. Jika opsi ini tidak muncul dalam daftar, objek kueri tidak didasarkan pada SQL.
Untuk melihat versi kueri sebelumnya, buka **arsip Kueri** di sebelah kiri.
# Menambahkan data geospasial
Anda dapat menandai bidang geografis dalam data Anda, sehingga Amazon Quick Sight dapat menampilkannya di peta. Amazon Quick Sight dapat memetakan koordinat lintang dan bujur. Ini juga mengenali komponen geografis seperti negara, negara bagian atau wilayah, kabupaten atau kabupaten, kota, dan kode pos atau kode pos. Anda juga dapat membuat hierarki geografis yang dapat membedakan entitas serupa, misalnya nama kota yang sama di dua negara bagian.
**catatan**
Grafik geospasial di Amazon Quick Sight saat ini tidak didukung di beberapa Wilayah AWS, termasuk di Tiongkok. Kami sedang berupaya menambahkan dukungan untuk lebih banyak Wilayah.
Gunakan prosedur berikut untuk menambahkan tipe dan hierarki data geospasial ke kumpulan data Anda.
**Untuk menambahkan tipe dan hierarki data geospasial ke kumpulan data Anda**
1. Pada halaman persiapan data, beri label komponen geografis dengan tipe data yang benar.
Ada beberapa cara untuk melakukan ini. Salah satunya adalah memilih bidang di bawah **Fields** dan menggunakan ikon elips (**...**) untuk membuka menu konteks.
Kemudian pilih tipe data geospasial yang benar.
Anda juga dapat mengubah tipe data di area kerja dengan sampel data. Untuk melakukan ini, pilih tipe data yang tercantum di bawah nama bidang. Kemudian pilih tipe data yang ingin Anda tetapkan.
1. Verifikasi bahwa semua bidang geospasial yang diperlukan untuk pemetaan diberi label sebagai tipe data geospasial. Anda dapat memeriksanya dengan mencari ikon penanda tempat. Ikon ini muncul di bawah nama bidang di bagian atas halaman, dan juga di panel **Fields** di sebelah kiri.
Periksa juga nama tipe data, misalnya garis lintang atau negara.
1. (Opsional) Anda dapat mengatur hierarki atau pengelompokan untuk komponen geografis (negara bagian, kota), atau untuk koordinat lintang dan bujur. Untuk koordinat, Anda harus menambahkan garis lintang dan bujur ke sumur medan geospasial.
Untuk membuat hierarki atau pengelompokan, pertama-tama pilih salah satu bidang ini di panel **Bidang**. Setiap bidang hanya dapat dimiliki oleh satu hierarki. Tidak masalah yang mana yang Anda pilih terlebih dahulu, atau urutan apa yang Anda tambahkan bidang.
Pilih ikon elipsis (**...**) di sebelah nama bidang. Kemudian pilih **Tambahkan ke hierarki.**
1. Pada **Tambahkan bidang ke hierarki** layar, pilih salah satu dari berikut ini:
+ Pilih **Buat hierarki geospasial baru** untuk membuat pengelompokan baru.
+ Pilih **Tambahkan ke hierarki geospasial yang ada** untuk menambahkan bidang ke pengelompokan yang sudah ada. Hirarki yang ada yang ditampilkan hanya mencakup jenis geospasial yang cocok.
Pilih **Tambah** untuk mengonfirmasi pilihan Anda.
1. Pada layar **Buat hierarki**, beri nama hierarki Anda.
Jika Anda membuat pengelompokan lintang dan bujur, layar **Buat hierarki** akan muncul. Bergantung pada apakah Anda memilih garis lintang atau bujur pada langkah sebelumnya, tampilan garis lintang atau bujur di layar ini. Pastikan bidang lintang Anda ditampilkan di bawah **Bidang yang akan digunakan untuk garis lintang**. Juga pastikan bahwa bujur Anda menunjukkan di bawah **Field untuk digunakan untuk bujur**.
Untuk komponen geografis, layar **Buat hierarki** memiliki dua pilihan:
+ Pilih **Hirarki ini untuk satu negara** jika data Anda hanya berisi satu negara. Pilih negara tertentu dari daftar. Data Anda tidak perlu berisi setiap tingkat hierarki. Anda dapat menambahkan bidang ke hierarki dalam urutan apa pun.
+ Pilih **Hirarki ini untuk beberapa negara** jika data Anda berisi lebih dari satu negara. Pilih bidang yang berisi nama negara.
Untuk salah satu jenis hierarki, pilih **Perbarui** untuk melanjutkan.
1. Lanjutkan dengan menambahkan sebanyak mungkin bidang ke hierarki yang Anda butuhkan.
Pengelompokan geospasial Anda muncul di panel **Fields**.
# Mengubah pengelompokan geospasial
Anda dapat mengubah hierarki geospasial atau pengelompokan yang ada dalam kumpulan data.
Gunakan prosedur berikut untuk mengedit atau membubarkan hierarki geospasial.
**Untuk mengedit atau membubarkan hierarki geospasial**
1. Buka dataset. Di panel **Fields**, pilih nama hierarki.
1. **Pilih ikon elipsis (...** ), lalu pilih salah satu opsi berikut.
Pilih **Bubarkan hierarki** untuk menghapus hierarki dari kumpulan data. Anda tidak dapat membatalkan operasi ini. Namun, Anda dapat membuat ulang hierarki atau pengelompokan Anda dengan memulai lagi pada langkah 1. Membubarkan hierarki tidak menghapus bidang apa pun dari kumpulan data.
Pilih **Edit hierarki** untuk membuat perubahan pada hierarki. Melakukan hal ini membuka kembali layar pembuatan, sehingga Anda dapat membuat pilihan yang berbeda dalam membangun kembali hierarki Anda.
# Pemecahan masalah geospasial
Gunakan bagian ini untuk menemukan persyaratan Amazon Quick Sight untuk memproses data geospasial dengan benar. Jika Amazon Quick Sight tidak mengenali data geospasial Anda sebagai geospasial, gunakan bagian ini untuk membantu memecahkan masalah. Pastikan data Anda mengikuti pedoman yang tercantum, sehingga berfungsi dalam visual geospasial.
**catatan**
Grafik geospasial di Amazon Quick Sight saat ini tidak didukung di beberapa Wilayah AWS, termasuk di Tiongkok. Kami sedang berupaya menambahkan dukungan untuk lebih banyak Wilayah.
Jika geografi Anda mengikuti semua pedoman yang tercantum di sini, dan masih menghasilkan kesalahan, hubungi tim Amazon Quick Sight dari dalam konsol Amazon Quick Sight.
**Topics**
+ [Masalah geocoding](#geocoding)
+ [Masalah dengan garis lintang dan bujur](#latitude-and-longitude)
+ [Wilayah administratif dan kode pos yang didukung menurut negara](#supported-admin-areas-postal-codes)
## Masalah geocoding
Geocode Amazon Quick Sight menempatkan nama ke koordinat lintang dan bujur. Ini menggunakan koordinat ini untuk menampilkan nama tempat di peta. Amazon Quick Sight melewatkan tempat mana pun yang tidak dapat di-geocode.
Agar proses ini berfungsi dengan baik, data Anda harus mencakup setidaknya negara. Juga, tidak mungkin ada nama tempat duplikat di dalam nama tempat induk.
Beberapa masalah mencegah nama tempat muncul di bagan peta. Masalah-masalah ini termasuk lokasi yang tidak didukung, ambigu, atau tidak valid, seperti yang dijelaskan berikut.
**Topics**
+ [Masalah dengan area yang tidak didukung](#geospatial-unsupported-areas)
+ [Masalah dengan lokasi yang ambigu](#geospatial-ambiguous-locations)
+ [Masalah dengan data geospasial yang tidak valid](#geospatial-invalid-data)
+ [Masalah dengan negara default dalam geocoding](#geospatial-default-country)
### Masalah dengan area yang tidak didukung
Untuk memetakan lokasi yang tidak didukung, sertakan koordinat lintang dan bujur dalam data Anda. Gunakan koordinat ini di bidang geospasial dengan baik untuk membuat lokasi ditampilkan pada bagan peta.
### Masalah dengan lokasi yang ambigu
Data geospasial tidak dapat berisi lokasi yang ambigu. Misalnya, misalkan data berisi kota bernama**Springfield**, tetapi tingkat berikutnya dalam hierarki adalah negara. Karena beberapa negara bagian memiliki nama kota**Springfield**, tidak mungkin untuk membuat geokode lokasi ke titik tertentu pada peta.
Untuk menghindari masalah ini, Anda dapat menambahkan data geografis yang cukup untuk menunjukkan lokasi apa yang harus ditampilkan pada bagan peta. Misalnya, Anda dapat menambahkan tingkat status ke dalam data Anda dan hierarkinya. Atau, Anda dapat menambahkan garis lintang dan bujur.
### Masalah dengan data geospasial yang tidak valid
Data geospasial tidak valid terjadi ketika nama tempat (kota, misalnya) terdaftar di bawah induk yang salah (negara bagian, misalnya). Masalah ini mungkin kesalahan ejaan sederhana, atau kesalahan entri data.
**catatan**
Amazon Quick Sight tidak mendukung wilayah (misalnya, Pantai Barat atau Selatan) sebagai data geospasial. Namun, Anda dapat menggunakan wilayah sebagai filter dalam visual.
### Masalah dengan negara default dalam geocoding
Pastikan Anda menggunakan negara default yang benar.
Default untuk setiap hierarki didasarkan pada bidang negara atau negara yang Anda pilih saat membuat hierarki.
Untuk mengubah default ini, Anda dapat kembali ke layar **Buat hierarki**. Kemudian edit atau buat hierarki, dan pilih negara yang berbeda.
Jika Anda tidak membuat hierarki, negara default Anda didasarkan pada Anda Wilayah AWS. Untuk detailnya, lihat tabel berikut.
| Region | Negara default |
| --- | --- |
| Wilayah AS Barat (Oregon) Wilayah AS Timur (Ohio) Wilayah AS Timur (Virginia Utara) | AS |
| Asia Pasifik (Singapura) | Singapura |
| Asia Pasifik (Sydney) | Australia |
| Wilayah Eropa (Irlandia) | Ireland |
## Masalah dengan garis lintang dan bujur
Amazon Quick Sight menggunakan koordinat lintang dan bujur di latar belakang untuk menemukan nama tempat di peta. Namun, Anda juga dapat menggunakan koordinat untuk membuat peta tanpa menggunakan nama tempat. Pendekatan ini juga bekerja dengan nama tempat yang tidak didukung.
Nilai lintang dan bujur harus numerik. Misalnya, titik peta yang ditunjukkan oleh **28.5383355 -81.3792365** kompatibel dengan Amazon Quick Sight. Tapi **28° 32' 18.0096'' N 81° 22' 45.2424'' W** tidak.
**Topics**
+ [Rentang yang valid untuk koordinat lintang dan bujur](#valid-ranges-for-coordinates)
+ [Menggunakan koordinat dalam format derajat, menit, dan detik (DMS)](#using-coordinates-in-dms-format)
### Rentang yang valid untuk koordinat lintang dan bujur
Amazon Quick Sight mendukung koordinat lintang dan bujur dalam rentang tertentu.
| Koordinat | Rentang yang valid |
| --- | --- |
| Lintang | Antara -90 dan 90 |
| Bujur | Antara -180 hingga 180 |
Amazon Quick Sight melewatkan data apa pun di luar rentang ini. Out-of-rangepoin tidak dapat dipetakan pada bagan peta.
### Menggunakan koordinat dalam format derajat, menit, dan detik (DMS)
Anda dapat menggunakan bidang terhitung dengan rumus untuk membuat lintang numerik dan bujur dari string karakter. Gunakan bagian ini untuk menemukan berbagai cara agar Anda dapat membuat bidang terhitung di Amazon Quick Sight, untuk mengurai garis lintang dan bujur GPS menjadi lintang dan bujur numerik.
Contoh berikut mengkonversi lintang dan bujur ke format numerik dari bidang terpisah. Misalnya, anggaplah Anda mengurai **51° 30' 26.4636'' N 0° 7' 39.9288'' W** menggunakan spasi sebagai pembatas. Dalam hal ini, Anda dapat menggunakan sesuatu seperti contoh berikut untuk mengonversi bidang yang dihasilkan menjadi garis lintang dan bujur numerik.
Dalam contoh ini, detik diikuti oleh dua tanda kutip tunggal. Jika data Anda memiliki tanda kutip ganda sebagai gantinya, maka Anda dapat menggunakan `strlen(LatSec)-1)` sebagai gantinya. `strlen(LatSec)-2)`
```
/*Latitude*/
ifelse(
LatDir = "N",
parseInt(split(LatDeg, "°", 1)) +
(parseDecimal(split(LatMin, "'", 1) ) /60) +
(parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600),
(parseInt(split(LatDeg, "°", 1)) +
(parseDecimal(split(LatMin, "'", 1) ) /60) +
(parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600)) * -1
)
/*Longitude*/
ifelse(
LongDir = "E",
parseInt(split(LongDeg, "°", 1)) +
(parseDecimal(split(LongMin, "'", 1) ) /60) +
(parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600),
(parseInt(split(LongDeg, "°", 1)) +
(parseDecimal(split(LongMin, "'", 1) ) /60) +
(parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600)) * -1
)
```
Jika data Anda tidak menyertakan simbol untuk derajat, menit dan detik, rumusnya terlihat seperti berikut.
```
/*Latitude*/
ifelse(
LatDir = "N",
(LatDeg + (LatMin / 60) + (LatSec / 3600)),
(LatDeg + (LatMin / 60) + (LatSec / 3600)) * -1
)
/*Longitude*/
ifelse(
LongDir = "E",
(LongDeg + (LongMin / 60) + (LongSec / 3600)),
(LongDeg + (LongMin / 60) + (LongSec / 3600)) * -1
)
```
Sampel berikut mengkonversi **53°21'N 06°15'W** ke format numerik. Namun, tanpa detik, lokasi ini tidak dipetakan secara akurat.
```
/*Latitude*/
ifelse(
right(Latitude, 1) = "N",
(parseInt(split(Latitude, '°', 1)) +
parseDecimal(substring(Latitude, (locate(Latitude, '°',3)+1), 2) ) / 60) ,
(parseInt(split(Latitude, '°', 1)) +
parseDecimal(substring(Latitude, (locate(Latitude, '°',3)+1), 2) ) / 60) * -1
)
/*Longitude*/
ifelse(
right(Longitude, 1) = "E",
(parseInt(split(Longitude, '°', 1)) +
parseDecimal(substring(Longitude, (locate(Longitude, '°',3)+1), 2) ) / 60) ,
(parseInt(split(Longitude, '°', 1)) +
parseDecimal(substring(Longitude, (locate(Longitude, '°',3)+1), 2) ) / 60) * -1
)
```
Format lintang dan bujur GPS dapat bervariasi, jadi sesuaikan rumus Anda agar sesuai dengan data Anda. Untuk informasi selengkapnya, lihat berikut ini:
+ [Derajat Menit Detik ke Derajat Desimal](https://www.latlong.net/degrees-minutes-seconds-to-decimal-degrees) di .net LatLong
+ [Mengonversi Degrees/Minutes/Seconds ke Desimal menggunakan SQL](https://stackoverflow.com/questions/12186110/converts-degrees-minutes-seconds-to-decimals-using-sql) pada Stack Overflow
+ [Konversi Koordinat Geografis](https://en.wikipedia.org/wiki/Geographic_coordinate_conversion) di Wikipedia
## Wilayah administratif dan kode pos yang didukung menurut negara
Berikut ini adalah daftar wilayah administratif yang didukung menurut negara.
**Area administrasi yang didukung**
| Nama negara | Kode negara | Negara | Status | Kabupaten | Kota |
| --- | --- | --- | --- | --- | --- |
| Aruba | ABW | Negara | Wilayah | Zona | |
| Afghanistan | AFG | Negara | Wilayat | Wuleswali | Lokalitas/Wilayah Perkotaan |
| Angola | LALU | Negara | Provinsi/Províncias | Municipios | Lokalitas/Wilayah Perkotaan |
| Anguilla | AIA | Negara | Paroki | | |
| Albania | ALB | Negara | Qarqe/Qark | Komun/Bashki | Daerah Një si/Localities/Urban |
| Andorra | DAN | Negara | Paroki/Parroquies | Lokalitas/Wilayah Perkotaan | |
| Uni Emirat Arab | ADALAH | Negara | Emirates | Kotamadya | Cities/Localities/UrbanArea |
| Argentina | ARG | Negara | Provinsi/Provinsi | Departamentos/Departemen | Komuna/Barrios |
| Armenia | LENGAN | Negara | Provinsi/Marzpet | | Lokalitas/Wilayah Perkotaan |
| Samoa Amerika | ASM | Negara | Distrik | Kabupaten | Desa |
| Antartika | ATA | Negara | | | |
| Wilayah Selatan Prancis | ATF | Negara | Distrik | | |
| Antigua dan Barbuda | ATG | Negara | Paroki | | Lokalitas/Wilayah Perkotaan |
| Australia | AUS | Negara | Status | Wilayah Pemerintahan Lokal | Pinggiran kota/Pusat Kota |
| Austria | AUT | Negara | Negara Bagian/Bundesländer | Kabupaten/Bezirke | Municipalities/Gemeinden/Urban Areas/Stadtteil |
| Azerbaijan | AZE | Negara | Wilayah/Iqtisadi Rayonlar | Kabupaten/Rayonlar | Lokalitas/Wilayah Perkotaan |
| Burundi | BDI | Negara | Provinsi | Komune | Lokalitas/Wilayah Perkotaan |
| Belgium | BEL | Negara | Wilayah/Gewest | Provinsi/Provinsi | Districts/Arrondissements/Municipalities/Communes |
| Benin | BEN | Negara | Departemen | Komune | Lokalitas/Wilayah Perkotaan |
| Bonaire, Sint Eustasius, dan Saba | BES | Negara | Kotamadya | | Lokalitas/Wilayah Perkotaan |
| Burkina Faso | BFA | Negara | Wilayah | Provinsi | Communes/Localities/UrbanArea |
| Bangladesh | BGD | Negara | Divisi/Bibhag | Kabupaten/Zila | Subdistricts/Upzila/ Localities/UrbanArea |
| Bulgaria | BGR | Negara | Oblast | OBSHTINA | Lokalitas/Wilayah Perkotaan |
| Bahrain | BHR | Negara | Kegubernuran | Konstituensi | Lokalitas |
| Bahama | BHS | Negara | Grup Pulau | Distrik | Kota-kota |
| Bosnia dan Herzegovina | BIH | Negara | Federasi/Republik | Kanton | Area Opš tina/Localities/Urban |
| Santo Barthélemy | BLM | Negara | | | Lokalitas/Wilayah Perkotaan |
| Belarus | BLR | Negara | Voblas | Rayon | Selsoviet/Localities/UrbanArea |
| Belize | BLZ | Negara | Distrik | Konstituensi | Lokalitas/Wilayah Perkotaan |
| Bermuda | BMU | Negara | Paroki | | Lokalitas/Wilayah Perkotaan |
| Bolivia | BOL | Negara | Provinsi/Provinsi | Departamentos/Departemen | Municipalities/Municipios/Localities/UrbanArea |
| Brazil | BRA | Negara | Provinces/States/Unidades | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Barbados | BRB | Negara | Paroki | | Lokalitas/Wilayah Perkotaan |
| Brunei | BRN | Negara | Kabupaten/Dawaïr | Kecamatan/Mukim | Villages/Kampung/Localities/UrbanArea |
| Bhutan | BTN | Negara | Kabupaten/Dzongkhag | | Lokalitas/Wilayah Perkotaan |
| Pulau Bouvet | BVT | Negara | | | |
| Botswana | BWA | Negara | Distrik | Kecamatan | Lokalitas/Wilayah Perkotaan |
| Republik Afrika Tengah | KAFE | Negara | Wilayah | Prefektur | Sub Prefektur/Komune |
| Kanada | BISA | Negara | Provinsi/Wilayah | Divisi Sensus | Area Sensus Subdivisions/Localities/Urban |
| Swiss | CHE | Negara | Cantons/Kanton/Cantone/Chantun | District/Bezirk/Distretto/Circul | “Commune/Gemeinde/Comune/Cumün/Localities/UrbanArea” |
| Chili | CHL | Negara | Wilayah/Wilayah | Provinsi/Provinsi | Communes/Comunas/Localities/UrbanArea |
| Tiongkok, Republik Rakyat | CHN | Negara | Provinsi | Prefektur | Kota/Kabupaten |
| Pantai Gading | CIV | Negara | Distrik | Wilayah | Departemen/Sub Prefektur |
| Kamerun | CMR | Negara | Provinsi/Wilayah | Departemen | Arondisemen/Kota |
| Kongo, Republik Demokratik | IKAN COD | Negara | Provinsi | Distrik | Lokalitas/Wilayah Perkotaan |
| Kongo, Republik | RODA GIGI | Negara | Departemen | | Komun/Arondisemen |
| Kepulauan Cook | COK | Negara | Dewan Pulau | | |
| Kolombia | COL | Negara | Departemen | Municipios | Lokalitas/Wilayah Perkotaan |
| Komoro | COM | Negara | Pulau Otonom/Otonomi Îles | | Villes/Desa |
| Pulau Clipperton | CPT | Negara | | | |
| Tanjung Verde | CPV | Negara | Ilhas | Konselos | Lokalitas/Wilayah Perkotaan |
| Kosta Rika | CRI | Negara | Provinsi | Kanton | Distritos/Localities/UrbanArea |
| Kuba | ANAK | Negara | Provinsi | Municipios | Lokalitas/Wilayah Perkotaan |
| Curacoa | CUW | Negara | | | Lokalitas/Wilayah Perkotaan |
| Kepulauan Cayman | CYM | Negara | Distrik | | |
| Cyprus | CYP | Negara | Kabupaten/Eparki | Kotamadya | Localities/Urban Areas/Sinikia |
| Czech Republic | CZE | Negara | Wilayah/Kraj | Kotamadya Orp | Obec/Mesto |
| Germany | DEU | Negara | Bundesland/Amerika Serikat | Kreis/Distrik | Gemeinde/Municipalities/Stadtteil/Localities/UrbanArea |
| Djibouti | DJI | Negara | Wilayah | | Lokalitas/Wilayah Perkotaan |
| Dominika | DMA | Negara | Paroki | | Lokalitas/Wilayah Perkotaan |
| Denmark | DNK | Negara | Wilayah | Provinsi | Municipalities/Localities/UrbanArea |
| Republik Dominika | DOM | Negara | Wilayah/Wilayah | Provinsi/Provinsi | Municipalities/Municipios/Localities/UrbanArea |
| Aljazair | DZA | Negara | Provinsi/Wilayas | Distrik | Municipalities/Baladiyas/Localities/UrbanArea |
| Ekuador | ECU | Negara | Provinsi | Kanton | Parishes/Localities/UrbanArea |
| Mesir | EGY | Negara | Kegubernuran/Muhafazat | Divisi Kotama/Markaz | Towns/Cities/SubDivisi Kota |
| Eritrea | ERI | Negara | Wilayah/Zoba | Kabupaten/Subzobas | Lokalitas/Wilayah Perkotaan |
| Spain | ESP | Negara | Communities/Comunidados Otonomi Otonom | Provinsi | Municipios/Localities/UrbanArea |
| Estonia | EST | Negara | Maakond | Omavalitsus/Linn/Vald | Kawasan Kü la/Localities/Urban |
| Etiopia | ETH | Negara | Wilayah/Kililoch | Zona/Zonouch | Lokalitas/Wilayah Perkotaan |
| Finland | SIRIP | Negara | Wilayah/Maakunta | Sub-Wilayah/Seutukunta | Municipalities/Kunta/Localities/UrbanArea |
| Fiji | FJI | Negara | Divisi | Provinsi | Kabupaten/Desa |
| Kepulauan Falkland | FLK | Negara | | | |
| France | FRA | Negara | Wilayah | Départements | Arondisemen/Kanton |
| Kepulauan Faroe | DARI | Negara | Wilayah/Syslur | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Negara Federasi Mikronesia | FSM | Negara | Status | | |
| Gabon | MENGOCEH | Negara | Provinsi | Departemen | Lokalitas/Wilayah Perkotaan |
| Britania Raya | GBR | Negara | Bangsa-Bangsa | Kabupaten | Districts/Localities/UrbanArea |
| Georgia | GEO | Negara | Wilayah/Mkhare | Kotamada/Munitsipaliteti | Lokalitas/Wilayah Perkotaan |
| Ghana | GHA | Negara | Wilayah | Distrik | Lokalitas/Wilayah Perkotaan |
| Gibraltar | GIB | Negara | | | Lokalitas/Wilayah Perkotaan |
| Guinea | GIN | Negara | Wilayah | Prefektur | Sub Prefectures/Localities/Urban Area |
| Guadeloupe | GLP | Negara | Arondisemen | Komune | Lokalitas/Wilayah Perkotaan |
| Gambia | GMB | Negara | Wilayah | Distrik | Lokalitas/Wilayah Perkotaan |
| Guinea Bissau | GNB | Negara | Wilayah | Sektor | Lokalitas/Wilayah Perkotaan |
| Guinea Khatulistiwa | GNQ | Negara | Wilayah | Provinsi | Distritos/Localities/UrbanArea |
| Greece | GRC | Negara | Wilayah/Periphenies | Unit Regional Peri Enoditas | Municipalities/Domoi/Localities/UrbanArea |
| Grenada | GRD | Negara | Status | Paroki/Dependensi | Lokalitas/Wilayah Perkotaan |
| Greenland | GRL | Negara | Kotamadya | | |
| Guatemala | GTM | Negara | Departementos | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Guyana Prancis | GUF | Negara | Arondisemen | Komune | Lokalitas/Wilayah Perkotaan |
| Guam | | Negara = Amerika Serikat | Status | Distrik | |
| Guyana | PRIA | Negara | Wilayah | Dewan Lingkungan | Lokalitas/Wilayah Perkotaan |
| Hong Kong | HKG | Negara | Distrik | Kecamatan | Lokalitas/Wilayah Perkotaan |
| Heard dan McDonald Kepulauan | HMD | Negara | | | |
| Honduras | HND | Negara | Departementos | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Croatia | HRV | Negara | Kabupaten | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Haiti | HTI | Negara | Departemen/Departemen | Kabupaten/Arondisemen | Communes/Localities/UrbanArea |
| Hungary | HUN | Negara | Regiok | Megyék | Járások/Városok |
| Indonesia | IDN | Negara | Provinsi/Provinsi | Kabupaten/Kabupaten | Districts/Kecamatan/ Localities/UrbanArea |
| India | IND | Negara | Negara Bagian/Wilayah | Distrik | Subdistricts/Towns/Localities/UrbanArea |
| Wilayah Samudra Hindia Britania | IOT | Negara | | | |
| Ireland | IRL | Negara | Wilayah | Kabupaten | Area Pemilu Divisions/Localities/Urban |
| Iran | IRN | Negara | Provinsi/Ostanha | Kabupaten/Shahrestan | Lokal/Dehestân |
| Irak | IRQ | Negara | Kegubernuran/Muhafazat | Districts/Qadaa/Kaza | Daerah Perkotaan/Lokalitas |
| Islandia | ISL | Negara | Wilayah/Landsvaedi | Kotamada/Sveitarfelog | Lokalitas/Wilayah Perkotaan |
| Israel | ISR | Negara | Distrik | Kota/Dewan Lokal | Lokalitas/Wilayah Perkotaan |
| Italy | ITA | Negara | Wilayah | Provinsi | Communes/Localities/UrbanArea |
| Jamaika | SELAI | Negara | Kabupaten | Paroki | Constituencies/Localities/UrbanArea |
| Yordania | JOR | Negara | Kegubernuran | Distrik | Kecamatan/Kota |
| Jepang | JPN | Negara | Prefektur | | Cities/Districts/Municipalities |
| Kazakstan | KAZ | Negara | Wilayah/Oblystar | Kabupaten/Audandar | Towns/Kent/Localities/UrbanArea |
| Kenya | KEN | Negara | Kabupaten | Konstituensi | Localities/Urban Areas/Suburbs |
| Kirgistan | KGZ | Negara | Wilayah/Oblasttar | Kabupaten/Raions | Lokalitas/Wilayah Perkotaan |
| Kamboja | KHM | Negara | Provinsi/Khaet | Kabupaten/Srŏk | Communes/Khum/Localities/UrbanArea |
| Kiribati | KIR | Negara | Distrik | Dewan Pulau | |
| Saint Kitts dan Nevis | KNA | Negara | Paroki | Status | Lokalitas/Wilayah Perkotaan |
| Korea Selatan | KOR | Negara | Provinsi/Do | Districts/Si/Gun | Lokalitas/Wilayah Perkotaan |
| Kuwait | KWT | Negara | Kegubernuran/Muhafazah | Areas/Mintaqah | Kota/Komunitas |
| Laos | LAO | Negara | Provinsi/Khoueng | Kabupaten/Muang | Lokalitas/Wilayah Perkotaan |
| Libanon | LBN | Negara | Kegubernuran/Muhafazat | Kabupaten/Qadaa | Municipalities/Localities/UrbanArea |
| Liberia | LBR | Negara | Kabupaten | Distrik | Clans/Localities/UrbanArea |
| Libya | LBY | Negara | Kabupaten/Shabiya | | Cities/Localities/UrbanArea |
| Saint Lucia | LCA | Negara | Kabupaten/Tempat | | Lokalitas/Wilayah Perkotaan |
| Liechtenstein | BERBARING | Negara | Kabupaten/Bezirk | Kotamada/Gemeinden | Lokalitas/Wilayah Perkotaan |
| Sri Lanka | LKA | Negara | Provinsi | Distrik | Area Divisi Secretariats/Localities/Urban |
| Lesotho | LSO | Negara | Distrik | Konstituensi | Dewan Komunitas/Lokalitas |
| Lithuania | LTU | Negara | Askritis | Savivaldybé | Seniūnija |
| Luxembourg | LUX | Negara | Cantons/Kantounen/Kantone | Communes/Gemengen/Gemeinden | Localities/Ortschaft/Uertschaft/Cities |
| Latvia | LVA | Negara | Wilayah | Kotamadya | Daerah Pilsē tas/Pagasti/Localities/Urban |
| Makao | MAC | Negara | Paroki | Distrik | |
| Santo Martin | MAF | Negara | | | Lokalitas/Wilayah Perkotaan |
| Maroko | MAR | Negara | Wilayah | Provinsi/Prefektur | Communes/Localities/UrbanArea |
| Monako | MCO | Negara | Komune | Bangsal/Kuartier | |
| Moldova | MDA | Negara | Raion | Comuna | Lokalitas/Wilayah Perkotaan |
| Madagaskar | MDG | Negara | Wilayah/Faritra | Distrik | Communes/Localities/UrbanArea |
| Maladewa | MDV | Negara | Atoll/Kota | Kepulauan | |
| Meksiko | MEX | Negara | Amerika Serikat | Municipios/Delegasi | Colonias/Localities/UrbanArea |
| Kepulauan Marshall | MHL | Negara | Kotamadya | | |
| Makedonia | MKD | Negara | Wilayah Statistik | Opstina | Lokalitas/Wilayah Perkotaan |
| Mali | MLI | Negara | Wilayah | Komune | Lokalitas/Wilayah Perkotaan |
| Malta | MLT | Negara | Distrik | Councils/Kunsilli Lokali Lokal | Lokalitas/Wilayah Perkotaan |
| Myanmar | MMR | Negara | States/Regions/UnionWilayah | Distrik | Townships/Localities/UrbanArea |
| Montenegro | MNE | Negara | Opštine/Kotamadya | | Lokalitas/Wilayah Perkotaan |
| Mongolia | MNG | Negara | Wilayah | Provinsi/Aimag | Districts/Sums/Localities/UrbanArea |
| Kepulauan Mariana Utara | MNP | Negara | Kotamadya | | |
| Mozambik | MOZ | Negara | Provinsi | Kabupaten/Distritos | Lokalitas/Wilayah Perkotaan |
| Mauritania | MRT | Negara | Wilayah | Départements | Lokalitas/Wilayah Perkotaan |
| Montserrat | MSR | Negara | Paroki | Wilayah | Lokalitas/Wilayah Perkotaan |
| Martinik | MTQ | Negara | Arondisemen | Komune | Lokalitas/Wilayah Perkotaan |
| Mauritius | MUS | Negara | Kepulauan | Distrik | Wards/Localities/UrbanArea |
| Malawi | MWI | Negara | Wilayah | Distrik | Lokalitas/Wilayah Perkotaan |
| Malaysia | MYS | Negara | Negara Bagian/Negeri | Districts/Daïra/Daerah | Subdistricts/Mukim/Localities/Urban Area/BahagianKecil |
| Mayotte | MYT | Negara | Komune | | Desa |
| Namibia | NAM | Negara | Provinsi | Konstituensi | Pinggiran Suburan/Lokalitas |
| Kaledonia Baru | NCL | Negara | Provinsi | Komune | |
| Niger | NER | Negara | Wilayah | Departemen | Lokalitas/Wilayah Perkotaan |
| Nigeria | NGA | Negara | Status | Wilayah Pemerintahan Lokal | Kota/Kota |
| Nikaragua | NIC | Negara | Departementos | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Niue | NIU | Negara | Desa | | Kota-kota |
| Netherlands | NLD | Negara | Kabupaten/Fylker | Kabupaten/Okonomisk | Kotamadya, Kommuner, Lokalitas, atau Area Perkotaan |
| Norwegia | JUGA TIDAK | Negara | Kabupaten/Fylker | Kabupaten/Okonomisk | Kotamadya, Kommuner, Lokalitas, atau Area Perkotaan |
| Nepal | NPL | Negara | Provinsi/Pradeshaharu | Kabupaten/Jilla | Municipalities/Localities/UrbanArea |
| Nauru | NRU | Negara | Distrik | | |
| Selandia Baru | NZL | Negara | Wilayah | Otoritas Teritorial | Areas/Localities/UrbanWilayah Statistik |
| Oman | OMN | Negara | Kegubernuran/Muhafazah | Provinsi/Wilayat | Cities/Urban Areas/Communities |
| Pakistan | PAK | Negara | Provinsi | Distrik | Lokal/Tehsils |
| Panama | PANCI | Negara | Provinsi/Provinsi | Kabupaten/Distrito | Corregimientos/Localities/UrbanArea |
| Kepulauan Pitcairn | PCN | Negara | Kepulauan | | |
| Peru | PER | Negara | Wilayah | Distrik | Distritos/Localities/UrbanArea |
| Filipina | PHL | Negara | Wilayah/Wilayah | Provinsi/Lalawigan | Municipalities/Munisipiyos/Cities/Lungsod |
| Palau | PLW | Negara | Status | | |
| Papua Nugini | PNG | Negara | Wilayah | Provinsi | Districts/Localities/UrbanArea |
| Poland | POL | Negara | Provinsi/Provinsi | Kabupaten/Powiats | Communes/Gminas/Towns/Dzielnicas |
| Korea Utara | PRK | Negara | Provinsi | | Lokalitas/Wilayah Perkotaan |
| Portugal | PRT | Negara | Kabupaten/Distritos | Kotamadya | Parish/Freguesias/Localities/UrbanWilayah Sipil |
| Paraguay | CUNGKIL | Negara | Departemen | Distritos | Lokalitas/Wilayah Perkotaan |
| Palestina | PSE | Negara | Wilayah | Kegubernuran/Muhafazat | Lokalitas/Wilayah Perkotaan |
| Polinesia Prancis | PYF | Negara | Subdivisi/Iles | Komune | |
| Qatar | QAT | Negara | Kotamadya | Zona | Lokalitas/Wilayah Perkotaan |
| Reuni | REU | Negara | Arondisemen | Komune | Lokalitas/Wilayah Perkotaan |
| Romania | ROU | Negara | Wilayah/Judete | Komune | Kota/Oraş |
| Rusia | RUS | Negara | Distrik Federal/Federal'nyy Okrug | Oblast' | Rayon/Raion/Urban Area/Gorod |
| Rwanda | RWA | Negara | Provinsi | Distrik | Sectors/Secteurs/Localities/UrbanArea |
| Arab Saudi | SAU | Negara | Wilayah/Manatiq | Kegubernuran/Muhafazat | Kotamadya |
| Sudan | SDN | Negara | Negara Bagian/Wilaya'at | | Lokalitas/Wilayah Perkotaan |
| Senegal | SEN | Negara | Wilayah | Departemen | Arrondissements/Localities/UrbanArea |
| Singapura | SGP | Negara | Distrik | Konstituensi | Bangsal |
| Saint Helena | SHN | Negara | Kepulauan | Distrik | Lokalitas/Wilayah Perkotaan |
| Kepulauan Solomon | SLB | Negara | Provinsi | Konstituensi | Bangsal |
| Sierra Leone | SLE | Negara | Provinsi | Distrik | Chiefdoms/Localities/UrbanArea |
| El Salvador | SLV | Negara | Departementos | Kotamadya | Lokalitas/Wilayah Perkotaan |
| San Marino | SMR | Negara | Kotama/Castelli | Lokalitas/Wilayah Perkotaan | |
| Somalia | SOM | Negara | Wilayah/Gobolada | | Lokalitas/Wilayah Perkotaan |
| Saint Pierre dan Miquelon | SPM | Negara | Komune | | |
| Serbia | SRB | Negara | Autonomna Pokrajina/Daerah | Okrug/Kecamatan | Opstina/Municipalities/Localities/UrbanArea |
| Sudan Selatan | SSD | Negara | Negara Bagian/Wilayat | Kabupaten | Lokalitas/Wilayah Perkotaan |
| Sao Tomé dan Principe | STP | Negara | Provinsi | Distrik | Lokalitas/Wilayah Perkotaan |
| Suriname | SUR | Negara | Kabupaten/Distrikt | Resor | Lokalitas/Wilayah Perkotaan |
| Slovakia | SVK | Negara | Wilayah/Kraje | Kabupaten/Okresy | Municipalities/Obec/Mestská cast |
| Slovenia | SVN | Negara | Wilayah/Regi | Upravne Enote | Municipalities/Obcine/Localities/UrbanArea |
| Sweden | SWE | Negara | Kabupaten | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Eswatini | SWZ | Negara | Wilayah | Tinkhundla | Towns/Suburbs/Localities |
| Sint Maarten | SXM | Negara | Pemukiman | | |
| Seychelles | SYC | Negara | Distrik | | Lokalitas/Wilayah Perkotaan |
| Syria | SYR | Negara | Kegubernuran | Kabupaten/Muhafazah | Cities/Localities/UrbanArea |
| Kepulauan Turks dan Caicos | TCA | Negara | Distrik | Lokalitas | |
| Chad | TCD | Negara | Wilayah | Départements | Arrondissements/Localities/UrbanArea |
| Togo | TGO | Negara | Wilayah/Provinsi | Prefektur | Lokalitas/Wilayah Perkotaan |
| Thailand | THA | Negara | Provinsi/Changwat | Kabupaten/Amphoe | Subdistricts/Tambon/ Localities/UrbanArea |
| Tajikistan | TJK | Negara | Provinsi/Wilayah | Districts/Raion/Rayon | Lokalitas/Wilayah Perkotaan |
| Tokelau | TKL | Negara | Atoll | | |
| Turkmenistan | TKM | Negara | Provinsi/Welayat | Kabupaten/Etraplar | Kota-kota |
| Timor Leste (Timor-Leste) | TLS | Negara | Kotamadya | Pos Administratif | Lokalitas/Wilayah Perkotaan |
| Tonga | TON | Negara | Subdivisi | | |
| Trinidad dan Tobago | TTO | Negara | Kotamadya | | Lokalitas/Wilayah Perkotaan |
| Tunisia | TUN | Negara | Pemerintah/Wilayah | Delegasi/Mutamadiyat | Municipalities/Shaykhats/Localities/UrbanArea |
| Turki | TUR | Negara | Provinsi/Il | Kabupaten/Ilce | Perkotaan Areas/Belde/Subdistricts/Bucak/Neighborhoods/Mahalle |
| Tuvalu | TUV | Negara | Kepulauan | | |
| Taiwan | TWN | Negara | Provinsi | Kabupaten | Kotapada/Lingkungan Lokal |
| Tanzania | TZA | Negara | Provinsi/Mkoa | Kabupaten/Wilaya | Lokalitas/Wilayah Perkotaan |
| Uganda | UGA | Negara | Wilayah | Distrik | Counties/Localities/UrbanArea |
| Ukraina | UKR | Negara | Oblast/Mista/AvtonomnaRespublika | Raions | Councils/Rural Councils/Localities/UrbanArea Pemukiman |
| Kepulauan Terluar Kecil Amerika Serikat | UMI | Negara | Pulau/Atoll | | |
| Uruguay | URY | Negara | Departementos | Municipios/Municipalities/Secciones | Segmentos/Localities/UrbanArea |
| Amerika Serikat | USA | Negara | Negara Bagian/Wilayah | Kabupaten | MCD/CCD/Post Localities/Municipalities |
| Uzbekistan | UZB | Negara | Wilayah/Viloyatlar | Kabupaten/Tumanlar | Lokalitas/Wilayah Perkotaan |
| Kota Vatikan | TONG | Negara | | | Lokalitas/Wilayah Perkotaan |
| Saint Vincent dan Grenadines | VCT | Negara | Paroki | Divisi | Lokalitas/Wilayah Perkotaan |
| Venezuela | VEN | Negara | Negara Bagian/Amerika | Kotamadya | Localities/Urban Areas/Parish/Parroquias |
| Kepulauan Virgin Britania | VGB | Negara | Distrik | | |
| Vietnam | VNM | Negara | Provinsi/Kota | Distrik | Wards/Localities/UrbanArea |
| Vanuatu | VUT | Negara | Provinsi | | |
| Kepulauan Wallis dan Futuna | WLF | Negara | Kabupaten/Rayaumes | | |
| Samoa | WSM | Negara | Kabupaten/Itūmālō | Kota-kota | Lokalitas/Wilayah Perkotaan |
| Kosovo | XKS | Negara | Distrik | Kotamadya | Lokalitas/Wilayah Perkotaan |
| Yaman | YA | Negara | Kegubernuran/Muhafazat | Kabupaten/Muderiah | Lokalitas/Wilayah Perkotaan |
| Afrika Selatan | ZAF | Negara | Provinsi | Distrik | Kotamadya |
| Zambia | ZMB | Negara | Provinsi | Distrik | Pinggiran Suburan/Lokalitas |
| Zimbabwe | ZWE | Negara | Provinsi | Kabupaten/Muderiah | Lokalitas/Wilayah Perkotaan |
Berikut ini adalah daftar format kode pos yang didukung menurut negara, termasuk jumlah digit dan contoh kode pos.
**catatan**
Kode pos PO BOX tidak didukung format kode pos. Kode pos wilayah serikat yang digunakan di India juga tidak didukung.
**Kode pos yang didukung**
| Negara | Format pos | Contoh |
| --- | --- | --- |
| Afghanistan | 4 digit | 1001 |
| Albania | 4 digit | 1001 |
| Aljazair | 5 digit | 01000 |
| Samoa Amerika | 5 digit | 96799 |
| Andorra | 5 digit | AD100 |
| Anguilla | 6 digit | AI-2640 |
| Argentina | 5 digit | A4126 |
| Armenia | 2 digit | 00 |
| Australia | 4 digit | 0800 |
| Austria | 4 digit | 1010 |
| Azerbaijan | 2 digit | 01 |
| Brunei Darussalam | 6 digit | BA1111 |
| Bahrain | 4 digit | 0101 |
| Bangladesh | 2 digit | 10 |
| Belarus | 6 digit | 202115 |
| Belgium | 4 digit | 1000 |
| Bermuda | 4 digit | CR 01 |
| Bhutan | 2 digit | 11 |
| Bosnia dan Herzegovina | 5 digit | 70101 |
| Brazil | 5 digit | 01001 |
| Wilayah Samudra Hindia Britania | Alfanumerik - 5 digit | BBND 1 |
| Kepulauan Virgin Britania | 4 digit | 1110 |
| Bulgaria | 4 digit | 1000 |
| Cabo Verde | 4 digit | 1101 |
| Kamboja | 2 digit | 01 |
| Kanada | 3 digit | A0A |
| Kepulauan Cayman | Alfanumerik - 7 digit | KY1-1000 |
| Chili | 3 digit | 100 |
| Tiongkok | 4 digit | 0100 |
| Kolombia | 4 digit | 0500 |
| Kosta Rika | 5 digit | 10101 |
| Croatia | 5 digit | 10000 |
| Kuba | 1 digit | 1 |
| Cyprus | 4 digit | 1010 |
| Ceko | 5 digit | 100 00 |
| Republik Demokrasi Kongo | 4 digit | 1001 |
| Denmark | 4 digit | 1050 |
| Republik Dominika | 5 digit | 10101 |
| Ekuador | 6 digit | 010101 |
| Mesir | 2 digit | 11 |
| El Salvador | 4 digit | 1101 |
| Estonia | 5 digit | 10001 |
| Kepulauan Falkland | Alfanumerik - 5 digit | FIQQ 1 |
| Kepulauan Faroe | 3 digit | 100 |
| Finland | 5 digit | 00100 |
| France | 5 digit | 01000 |
| Guyana Prancis | 5 digit | 97300 |
| Polinesia Prancis | 5 digit | 98701 |
| Georgia | 2 digit | 01 |
| Germany | 5 digit | 01067 |
| Ghana | 2 digit | A2 |
| Gibraltar | Alfanumerik - 5 digit | GX11 1 |
| Greece | 5 digit | 104 31 |
| Greenland | 4 digit | 3900 |
| Guadeloupe | 5 digit | 97100 |
| Guam | 5 digit | 96910 |
| Guatemala | 5 digit | 01001 |
| Guernsey | Alfanumerik - 4 digit, 5 digit | GY1 1, GY10 1 |
| Guinea-Bissau | 4 digit | 1000 |
| Haiti | 4 digit | 1110 |
| Tahta Suci | 5 digit | 00120 |
| Honduras | 2 digit | 11 |
| Hungary | 4 digit | 1007 |
| Islandia | 3 digit | 101 |
| India | 6 digit | 110001 |
| Indonesia | 5 digit | 10110 |
| Iran | 2 digit | 11 |
| Irak | 2 digit | 10 |
| Ireland | 3 digit | A41 |
| Pulau Man | Alfanumerik - 4 digit | IM1 1 |
| Israel | 5 digit | 10292 |
| Italy | 5 digit | 00010 |
| Jepang | 7 digit | 001-0010 |
| Jersey | Alfanumerik - 4 digit | JE2 3 |
| Yordania | 5 digit | 11100 |
| Kazakstan | 4 digit | 0100 |
| Kenya | 1 digit | 0 |
| Kiribati | 6 digit | KI0101 |
| Kosovo | 5 digit | 10000 |
| Kuwait | 2 digit | 00 |
| Kirgistan | 4 digit | 7200 |
| Laos | 2 digit | 01 |
| Latvia | 4 digit | 1001 |
| Lesotho | 1 digit | 1 |
| Liberia | 2 digit | 10 |
| Liechtenstein | 4 digit | 9485 |
| Lithuania | 5 digit | 00100 |
| Luxembourg | 4 digit | 1110 |
| Makedonia | 4 digit | 1000 |
| Madagaskar | 3 digit | 101 |
| Malawi | 3 digit | 101 |
| Malaysia | 5 digit | 01000 |
| Maladewa | 2 digit | 00 |
| Malta | 3 digit | ATD |
| Kepulauan Marshall | 3 digit | 969 |
| Martinik | 5 digit | 97200 |
| Mauritius | 3 digit | 111 |
| Mayotte | 5 digit | 97600 |
| Meksiko | 5 digit | 01000 |
| Mikronesia | 5 digit | 96941 |
| Moldova | 4 digit | 2001 |
| Monako | 5 digit | 98000 |
| Mongolia | 4 digit | 1200 |
| Montenegro | 5 digit | 81000 |
| Montserrat | 4 digit | 1120 |
| Maroko | 5 digit | 10000 |
| Mozambik | 4 digit | 1100 |
| Myanmar | 2 digit | 01 |
| Namibia | 3 digit | 100 |
| Nepal | 3 digit | 101 |
| Netherlands | 4 digit | 1011 |
| Kaledonia Baru | 5 digit | 98800 |
| Selandia Baru | 4 digit | 0110 |
| Nikaragua | 3 digit | 110 |
| Niger | 4 digit | 1000 |
| Nigeria | 4 digit | 1002 |
| Niue | 4 digit | 9974 |
| Pulau Norfolk | 4 digit | 2899 |
| Kepulauan Mariana Utara | 5 digit | 96950 |
| Norwegia | 4 digit | 0010 |
| Oman | 1 digit | 1 |
| Pakistan | 2 digit | 10 |
| Palau | 5 digit | 96939 |
| Palestina | 4 digit | P104 |
| Papua Nugini | 3 digit | 111 |
| Paraguay | 6 digit | 001001 |
| Peru | 5 digit | 01000 |
| Filipina | 4 digit | 1000 |
| Pitcairn | Alfanumerik - 5 digit | PCRN 1 |
| Poland | 5 digit | 00-002 |
| Portugal | 4 digit | 1000 |
| Puerto Riko | 5 digit | 00601 |
| Romania | 6 digit | 010011 |
| Rusia | 6 digit | 101000 |
| Reuni | 5 digit | 97400 |
| Santo Barthélemy | 5 digit | 97133 |
| Saint Helena, Kenaikan dan Tristan da Cunha | Alfanumerik - 5 digit | ASCN 1 |
| Saint Lucia | 7 digit | LC01 101 |
| Santo Martin | 5 digit | 97150 |
| Saint Pierre dan Miquelon | 5 digit | 97500 |
| Saint Vincent dan Grenadines | 4 digit | VC01 |
| Samoa | 2 digit | 11 |
| San Marino | 5 digit | 47890 |
| Arab Saudi | 2 digit | 12 |
| Senegal | 5 digit | 10000 |
| Serbia | 5 digit | 11000 |
| Singapura | 6 digit | 018906 |
| Slovakia | 5 digit | 010 01 |
| Slovenia | 4 digit | 1000 |
| Afrika Selatan | 4 digit | 0001 |
| Georgia Selatan dan Kepulauan Sandwich Selatan | Alfanumerik - 5 digit | SIQQ 1 |
| Korea Selatan | 5 digit | 01000 |
| Spain | 5 digit | 01001 |
| Sri Lanka | 2 digit | 00 |
| Sudan | 2 digit | 11 |
| Svalbard dan Jan Mayen | 4 digit | 8099 |
| Swaziland | 1 digit | H |
| Sweden | 5 digit | 111 15 |
| Swiss | 4 digit | 1000 |
| Taiwan | 3 digit | 100 |
| Tajikistan | 4 digit | 7340 |
| Tanzania, Republik Bersatu | 3 digit | 111 |
| Thailand | 5 digit | 10100 |
| Timor-Leste | 4 digit | TL10 |
| Trinidad dan Tobago | 2 digit | 10 |
| Tunisia | 4 digit | 1000 |
| Turki | 5 digit | 01010 |
| Turkmenistan | 3 digit | 744 |
| Kepulauan Turks dan Caicos | Alfanumerik - 5 digit | TKCA 1 |
| Kepulauan Virgin AS | 5 digit | 00802 |
| Ukraina | 3 digit, 5 digit | 070, 01001 |
| Britania Raya | Alfanumerik - 2 hingga 5 digit | B1,, AL1 AB10, AB10 1 |
| Amerika Serikat | 5 digit | 00001 |
| Uruguay | 5 digit | 11000 |
| Uzbekistan | 4 digit | 1000 |
| Venezuela | 4 digit | 0000 |
| Vietnam | 5 digit | 01106 |
| Wallis dan Futuna | 5 digit | 98600 |
| Zambia | 5 digit | 10100 |
# Menggunakan tanggal yang tidak didukung atau kustom
Amazon Quick Sight secara native mendukung sejumlah format tanggal terbatas. Namun, Anda tidak selalu dapat mengontrol format data yang diberikan kepada Anda. Saat data Anda berisi tanggal dalam format yang tidak didukung, Anda dapat memberi tahu Amazon Quick Sight cara menafsirkannya.
Anda dapat melakukan ini dengan mengedit kumpulan data, dan mengubah format kolom dari teks atau numerik hingga saat ini. Layar muncul setelah Anda melakukan perubahan ini, sehingga Anda dapat memasukkan format. Misalnya, jika Anda menggunakan sumber data relasional, Anda dapat menentukan MM-dd-yyyy bidang teks yang berisi '09-19-2017', sehingga ditafsirkan sebagai 2017-09-19T 00:00:00.000 Z. Jika Anda menggunakan sumber data nonrelasional, Anda dapat melakukan hal yang sama dimulai dengan bidang numerik atau bidang teks.
Amazon Quick Sight hanya mendukung teks hingga saat ini untuk sumber relasional (SQL).
Untuk informasi selengkapnya tentang format tanggal yang didukung, lihat[Format tanggal yang didukung](supported-data-types-and-values.md#supported-date-formats).
Gunakan prosedur ini untuk membantu Amazon Quick Sight memahami tanggal dalam format yang berbeda.
1. Untuk kumpulan data yang berisi format tanggal yang tidak didukung, edit data sebagai berikut. Untuk kolom yang berisi data datetime Anda, ubah tipe data dari teks ke tanggal. Lakukan ini dengan memilih ikon tipe data berwarna di bawah nama kolom di pratinjau data.
**catatan**
Tanggal integer yang bukan waktu tanggal epoch Unix tidak berfungsi apa adanya. Misalnya, format ini tidak didukung sebagai bilangan bulat:`MMddyy`,,`MMddyyyy`, `ddMMyy``ddMMyyyy`, dan`yyMMdd`. Solusinya adalah terlebih dahulu mengubahnya menjadi format teks. Pastikan semua baris Anda berisi enam digit (bukan lima). Kemudian ubah tipe data teks menjadi datetime.
Untuk informasi lebih lanjut tentang waktu tanggal epoch Unix, lihat. [epochDate](epochDate-function.md)
Saat Anda mengubah tipe data hingga saat ini, **Edit format tanggal** layar muncul.
1. Masukkan format tanggal Anda, yang menunjukkan bagian mana yang bulan, tanggal, tahun, atau waktu. Format peka huruf besar/kecil.
1. Pilih **Validasi** untuk memastikan Amazon Quick Sight sekarang dapat menafsirkan data datetime Anda dengan format yang Anda tentukan. Baris yang tidak memvalidasi dilewati dan dihilangkan dari kumpulan data.
1. Ketika Anda puas dengan hasilnya, pilih **Perbarui**. Jika tidak, pilih **Tutup**.
# Menambahkan kunci unik ke kumpulan data Amazon Quick Sight
Penulis cepat dapat mengonfigurasi kolom kunci unik ke kumpulan data Quick Sight selama persiapan data. Kunci unik ini bertindak sebagai kunci pengurutan global untuk kumpulan data dan mengoptimalkan pembuatan kueri untuk visual tabel. Saat pengguna membuat visual tabel di Quick Sight dan menambahkan kolom kunci unik ke bidang nilai dengan baik, data diurutkan dari kiri ke kanan hingga kolom kunci unik. Semua kolom di sebelah kanan kolom kunci unik diabaikan dalam urutan pengurutan. Tabel yang tidak berisi kunci unik diurutkan berdasarkan urutan kolom yang muncul dalam kumpulan data.
Batasan berikut berlaku untuk kunci unik:
+ Kunci unik hanya didukung untuk tabel yang tidak teragregasi.
+ Jika kolom dataset digunakan untuk keamanan tingkat kolom (CLS), kolom juga tidak dapat digunakan sebagai kunci unik.
Gunakan prosedur berikut untuk menetapkan kunci unik untuk kumpulan data di Amazon Quick Sight.
**Untuk mengatur kunci unik**
1. Buka [konsol Cepat](https://quicksight.aws.amazon.com/).
1. Pilih **Data**.
1. Lakukan salah satu tindakan berikut:
1. **Arahkan ke kumpulan data yang ingin Anda tambahkan kunci unik, pilih ellpisis (tiga titik) di sebelah kumpulan data, lalu pilih Edit.**
1. Pilih **Baru** lalu **Dataset**. Pilih kumpulan data yang ingin Anda tambahkan lalu pilih **Edit sumber data**. Untuk informasi selengkapnya tentang membuat kumpulan data baru di Amazon Quick Sight, lihat. [Membuat set data](creating-data-sets.md)
1. Halaman persiapan data untuk kumpulan data terbuka. Arahkan ke panel **Fields** dan temukan bidang yang ingin Anda tetapkan sebagai kunci unik.
1. Pilih elipsis (tiga titik) di sebelah nama bidang, lalu pilih **Set as unique key**.
Setelah Anda membuat kunci unik, ikon kunci muncul di sebelah bidang untuk menunjukkan bahwa bidang tersebut sekarang menjadi kunci unik untuk kumpulan data. Saat Anda menyimpan dan mempublikasikan kumpulan data, konfigurasi kunci unik diterapkan ke kumpulan data dan ke semua dasbor dan analisis yang dibuat dengan kumpulan data tersebut. Untuk menghapus kunci unik dari kumpulan data, navigasikan ke halaman persiapan data untuk kumpulan data, pilih elipsis di sebelah bidang kunci unik, lalu pilih **Hapus** sebagai kunci unik. Setelah menghapus kunci unik dari kumpulan data, Anda dapat menetapkan bidang yang berbeda sebagai kunci unik.
# Mengintegrasikan model Amazon SageMaker AI dengan Amazon Quick Sight
**catatan**
Anda tidak memerlukan pengalaman teknis apa pun dalam pembelajaran mesin (ML) untuk membuat analisis dan dasbor yang menggunakan fitur bertenaga ML di Amazon Quick Sight.
Anda dapat menambah data edisi Amazon Quick Enterprise dengan model pembelajaran mesin Amazon SageMaker AI. Anda dapat menjalankan inferensi pada data yang disimpan di SPICE impor dari sumber data apa pun yang didukung oleh Quick. Untuk daftar lengkap sumber data yang didukung, lihat[Sumber data yang didukung](supported-data-sources.md).
Menggunakan model Quick with SageMaker AI dapat menghemat waktu yang mungkin Anda habiskan untuk mengelola pergerakan data dan menulis kode. Hasilnya berguna baik untuk mengevaluasi model dan—ketika Anda puas dengan hasilnya—untuk dibagikan dengan pengambil keputusan. Anda dapat mulai segera setelah model dibangun. Melakukan hal ini memunculkan model bawaan ilmuwan data Anda, dan memungkinkan Anda menerapkan ilmu data ke kumpulan data Anda. Kemudian Anda dapat membagikan wawasan ini di dasbor prediktif Anda. Dengan pendekatan Quick serverless, proses menskalakan dengan mulus, sehingga Anda tidak perlu khawatir tentang inferensi atau kapasitas kueri.
Amazon Quick mendukung model SageMaker AI yang menggunakan algoritma regresi dan klasifikasi. Anda dapat menerapkan fitur ini untuk mendapatkan prediksi untuk hampir semua kasus penggunaan bisnis. Beberapa contoh termasuk memprediksi kemungkinan churn pelanggan, gesekan karyawan, penilaian prospek penjualan, dan menilai risiko kredit. Untuk menggunakan Quick untuk memberikan prediksi, data model SageMaker AI untuk input dan output harus dalam format tabel. Dalam kasus penggunaan klasifikasi multikelas atau multilabel, setiap kolom keluaran harus berisi satu nilai. Quick tidak mendukung beberapa nilai dalam satu kolom.
**Topics**
+ [Bagaimana integrasi SageMaker AI bekerja](#sagemaker-how-it-works)
+ [Biaya yang dikeluarkan (tidak ada biaya tambahan dengan integrasi itu sendiri)](#sagemaker-cost-of-use)
+ [Pedoman penggunaan](#sagemaker-usage-guidelines)
+ [Mendefinisikan file skema](#sagemaker-schema-file)
+ [Menambahkan model SageMaker AI ke kumpulan data Quick Sight Anda](#sagemaker-using)
+ [Bangun model prediktif dengan SageMaker AI Canvas](sagemaker-canvas-integration.md)
## Bagaimana integrasi SageMaker AI bekerja
Secara umum, prosesnya bekerja seperti ini:
1. Administrator Amazon Quick menambahkan izin untuk Quick to access SageMaker AI. Untuk melakukan ini, buka pengaturan **Keamanan & Izin** dari halaman **Kelola Cepat**. Buka **Akses cepat ke AWS layanan**, dan tambahkan SageMaker AI.
Saat Anda menambahkan izin ini, Quick ditambahkan ke peran AWS Identity and Access Management (IAM) yang menyediakan akses untuk mencantumkan semua model SageMaker AI di akun Anda AWS . Ini juga memberikan izin untuk menjalankan pekerjaan SageMaker AI yang memiliki nama yang diawali. `quicksight-auto-generated-`
1. Kami menyarankan Anda terhubung ke model SageMaker AI yang memiliki pipeline inferensi, karena secara otomatis melakukan prapemrosesan data. Untuk informasi selengkapnya, lihat [Menerapkan Saluran Inferensi](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html) di Panduan *Pengembang SageMaker AI*.
1. Setelah Anda mengidentifikasi data dan model yang telah dilatih sebelumnya yang ingin Anda gunakan bersama, pemilik model membuat dan menyediakan file skema. File JSON ini adalah kontrak dengan SageMaker AI. Ini menyediakan metadata tentang bidang, tipe data, urutan kolom, output, dan pengaturan yang diharapkan model. Komponen pengaturan opsional menyediakan ukuran instans dan jumlah instance komputasi yang akan digunakan untuk pekerjaan tersebut.
Jika Anda adalah ilmuwan data yang membuat model, buat file skema ini menggunakan format yang didokumentasikan berikut. Jika Anda adalah konsumen model, dapatkan file skema dari pemilik model.
1. Di Quick, Anda mulai dengan membuat dataset baru dengan data yang ingin Anda prediksi. Jika Anda mengunggah file, Anda dapat menambahkan model SageMaker AI di layar pengaturan unggah. Jika tidak, tambahkan model pada halaman persiapan data.
Sebelum Anda melanjutkan, verifikasi pemetaan antara kumpulan data dan model.
1. Setelah data diimpor ke kumpulan data, bidang keluaran berisi data yang dikembalikan dari SageMaker AI. Anda menggunakan bidang ini sama seperti Anda menggunakan bidang lain, dalam pedoman yang dijelaskan dalam[Pedoman penggunaan](#sagemaker-usage-guidelines).
Saat Anda menjalankan integrasi SageMaker AI, Quick meneruskan permintaan ke SageMaker AI untuk menjalankan pekerjaan transformasi batch dengan pipeline inferensi. Ketentuan mulai cepat dan penyebaran instans yang diperlukan di akun Anda AWS . Saat pemrosesan selesai, instance ini dimatikan dan dihentikan. Kapasitas komputasi menimbulkan biaya hanya ketika memproses model.
Untuk memudahkan Anda mengidentifikasi mereka, Quick memberi nama semua pekerjaan SageMaker AI-nya dengan awalan`quicksight-auto-generated-`.
1. Output dari inferensi disimpan SPICE dan ditambahkan ke dataset. Segera setelah inferensi selesai, Anda dapat menggunakan kumpulan data untuk membuat visualisasi dan dasbor menggunakan data prediksi.
1. Penyegaran data dimulai setiap kali Anda menyimpan kumpulan data. Anda dapat memulai proses penyegaran data secara manual dengan menyegarkan SPICE kumpulan data, atau Anda dapat menjadwalkannya untuk dijalankan secara berkala. Selama setiap penyegaran data, sistem secara otomatis memanggil transformasi batch SageMaker AI untuk memperbarui bidang output dengan data baru.
Anda dapat menggunakan operasi API SPICE konsumsi Amazon Quick Sight untuk mengontrol proses penyegaran data. Untuk informasi selengkapnya tentang penggunaan operasi API ini, lihat [Referensi API Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/APIReference/qs-api-overview.html).
## Biaya yang dikeluarkan (tidak ada biaya tambahan dengan integrasi itu sendiri)
Menggunakan fitur ini sendiri tidak memerlukan biaya tambahan. Biaya Anda termasuk yang berikut:
+ Biaya penerapan model melalui SageMaker AI, yang dikeluarkan hanya ketika model sedang berjalan. Menyimpan dataset — setelah membuat atau mengeditnya — atau menyegarkan datanya memulai proses konsumsi data. Proses ini termasuk memanggil SageMaker AI jika kumpulan data memiliki bidang yang disimpulkan. Biaya dikeluarkan di AWS akun yang sama di mana langganan Cepat Anda berada.
+ Biaya berlangganan Cepat Anda adalah sebagai berikut:
+ Biaya penyimpanan data Anda di mesin perhitungan dalam memori di Quick (SPICE). Jika Anda menambahkan data baruSPICE, Anda mungkin perlu membeli SPICE kapasitas yang cukup untuk mengakomodasi itu.
+ Langganan cepat untuk penulis atau admin yang membuat kumpulan data.
+ Pay-per-session biaya untuk pemirsa (pembaca) untuk mengakses dasbor interaktif.
## Pedoman penggunaan
Di Amazon Quick, pedoman penggunaan berikut berlaku untuk fitur edisi Enterprise ini:
+ Pemrosesan model terjadi diSPICE. Oleh karena itu, ini hanya dapat berlaku untuk kumpulan data yang disimpan di. SPICE Proses saat ini mendukung hingga 500 juta baris per kumpulan data.
+ Hanya admin atau penulis Cepat yang dapat menambah kumpulan data dengan model ML. Pembaca hanya dapat melihat hasilnya ketika mereka adalah bagian dari dasbor.
+ Setiap dataset dapat bekerja dengan satu dan hanya satu model ML.
+ Bidang keluaran tidak dapat digunakan untuk menghitung bidang baru.
+ Kumpulan data tidak dapat difilter berdasarkan bidang yang terintegrasi dengan model. Dengan kata lain, jika bidang dataset Anda saat ini dipetakan ke model ML, Anda tidak dapat memfilter pada bidang itu.
Di SageMaker AI, pedoman penggunaan berikut berlaku untuk model terlatih yang Anda gunakan dengan Amazon Quick Sight:
+ Saat Anda membuat model, kaitkan dengan Amazon Resource Name (ARN) untuk peran IAM yang sesuai. Peran IAM untuk model SageMaker AI perlu memiliki akses ke bucket Amazon S3 yang digunakan Amazon Quick Sight.
+ Pastikan model Anda mendukung file.csv untuk input dan output. Pastikan data Anda dalam format tabel.
+ Berikan file skema yang berisi metadata tentang model, termasuk daftar bidang input dan output. Saat ini, Anda harus membuat file skema ini secara manual.
+ Pertimbangkan jumlah waktu yang diperlukan untuk menyelesaikan inferensi Anda, yang tergantung pada sejumlah faktor. Ini termasuk kompleksitas model, jumlah data, dan kapasitas komputasi yang ditentukan. Menyelesaikan inferensi dapat memakan waktu beberapa menit hingga beberapa jam. Amazon Quick Sight membatasi semua konsumsi data dan pekerjaan inferensi hingga maksimal 10 jam. Untuk mengurangi waktu yang diperlukan untuk melakukan inferensi, pertimbangkan untuk meningkatkan ukuran instans atau jumlah instance.
+ Saat ini, Anda hanya dapat menggunakan transformasi batch untuk integrasi dengan SageMaker AI, bukan data real-time. Anda tidak dapat menggunakan titik akhir SageMaker AI.
## Mendefinisikan file skema
Sebelum Anda menggunakan model SageMaker AI dengan data Quick Sight, buat file skema JSON yang berisi metadata yang dibutuhkan Amazon Quick Sight untuk memproses model tersebut. Penulis atau admin Amazon Quick mengunggah file skema saat mengonfigurasi kumpulan data.
Bidang skema didefinisikan sebagai berikut. Semua bidang diperlukan kecuali ditentukan dalam deskripsi berikut. Atribut peka huruf besar/kecil.
*inputContentType*
Jenis konten yang diharapkan model SageMaker AI ini untuk data input. Satu-satunya nilai yang didukung untuk ini adalah`"text/csv"`. Quick Sight tidak menyertakan nama header apa pun yang Anda tambahkan ke file input.
*outputContentType*
Jenis konten output yang dihasilkan oleh model SageMaker AI yang ingin Anda gunakan. Satu-satunya nilai yang didukung untuk ini adalah`"text/csv"`.
*masukan*
Daftar fitur yang diharapkan model dalam data input. Quick Sight menghasilkan data input dalam urutan yang persis sama. Daftar ini berisi atribut berikut:
+ *Nama* - Nama kolom. Jika memungkinkan, buat ini sama dengan nama kolom yang sesuai dalam QuickSight kumpulan data. Atribut ini dibatasi hingga 100 karakter.
+ *type — Tipe* data dari kolom ini. Atribut ini mengambil nilai-nilai`"INTEGER"`,`"STRING"`, dan`"DECIMAL"`.
+ *nullable* - (Opsional) Nullability lapangan. Nilai default-nya adalah `true`. Jika Anda `nullable` menyetelnya`false`, Quick Sight akan menjatuhkan baris yang tidak berisi nilai ini sebelum memanggil SageMaker AI. Melakukan hal ini membantu menghindari menyebabkan SageMaker AI gagal pada data yang diperlukan yang hilang.
*keluaran*
Daftar kolom keluaran yang dihasilkan model SageMaker AI. Quick Sight mengharapkan bidang-bidang ini dalam urutan yang persis sama. Daftar ini berisi atribut berikut:
+ *name* — Nama ini menjadi nama default untuk kolom baru yang sesuai yang dibuat di Quick Sight. Anda dapat mengganti nama yang ditentukan di sini di Quick Sight. Atribut ini dibatasi hingga 100 karakter.
+ *type — Tipe* data dari kolom ini. Atribut ini mengambil nilai-nilai`"INTEGER"`,`"STRING"`, dan`"DECIMAL"`.
*InstanceTypes*
Daftar jenis instans ML yang dapat disediakan SageMaker AI untuk menjalankan tugas transformasi. Daftar ini disediakan untuk pengguna Amazon Quick untuk dipilih. Daftar ini terbatas pada jenis yang didukung oleh SageMaker AI. Untuk informasi selengkapnya tentang jenis yang didukung, lihat [TransformResources](https://docs.aws.amazon.com/sagemaker/latest/dg/API_TransformResources.html)di *Panduan Pengembang SageMaker AI.*
*defaultInstanceType*
(Opsional) Jenis instans yang disajikan sebagai opsi default di wizard SageMaker AI di Quick Sight. Sertakan jenis contoh ini di`instanceTypes`.
*InstanceCount*
(Opsional) Jumlah instans menentukan berapa banyak instance yang dipilih untuk disediakan SageMaker AI untuk menjalankan pekerjaan transformasi. Nilai ini harus berupa bilangan bulat positif.
*deskripsi*
Bidang ini menyediakan tempat bagi orang yang memiliki model SageMaker AI untuk berkomunikasi dengan orang yang menggunakan model ini di Quick Sight. Gunakan bidang ini untuk memberikan petunjuk tentang berhasil menggunakan model ini. Misalnya, bidang ini dapat berisi informasi tentang memilih jenis instans yang efektif untuk dipilih dari daftar`instanceTypes`, berdasarkan ukuran kumpulan data. Bidang ini dibatasi hingga 1.000 karakter.
*versi*
Versi skema, misalnya "`1.0"`.
Contoh berikut menunjukkan struktur JSON dalam file skema.
```
{
"inputContentType": "CSV",
"outputContentType": "CSV",
"input": [
{
"name": "buying",
"type": "STRING"
},
{
"name": "maint",
"type": "STRING"
},
{
"name": "doors",
"type": "INTEGER"
},
{
"name": "persons",
"type": "INTEGER"
},
{
"name": "lug_boot",
"type": "STRING"
},
{
"name": "safety",
"type": "STRING"
}
],
"output": [
{
"name": "Acceptability",
"type": "STRING"
}
],
"description": "Use ml.m4.xlarge instance for small datasets, and ml.m4.4xlarge for datasets over 10 GB",
"version": "1.0",
"instanceCount": 1,
"instanceTypes": [
"ml.m4.xlarge",
"ml.m4.4xlarge"
],
"defaultInstanceType": "ml.m4.xlarge"
}
```
Struktur file skema terkait dengan jenis model yang digunakan dalam contoh yang disediakan oleh SageMaker AI.
## Menambahkan model SageMaker AI ke kumpulan data Quick Sight Anda
Dengan menggunakan prosedur berikut, Anda dapat menambahkan model SageMaker AI yang telah dilatih sebelumnya ke kumpulan data Anda, sehingga Anda dapat menggunakan data prediktif dalam analisis dan dasbor.
Sebelum Anda mulai, sediakan item berikut:
+ Data yang ingin Anda gunakan untuk membangun dataset.
+ Nama model SageMaker AI yang ingin Anda gunakan untuk menambah dataset.
+ Skema model. Skema ini mencakup pemetaan nama bidang dan tipe data. Akan sangat membantu jika juga berisi pengaturan yang disarankan untuk jenis instance dan jumlah instance yang akan digunakan.
**Untuk menambah dataset Amazon Quick Sight Anda dengan AI SageMaker**
1. **Buat kumpulan data baru dari halaman awal dengan memilih **Datasets, lalu pilih Dataset** baru.**
Anda juga dapat mengedit kumpulan data yang ada.
1. Pilih **Augment dengan SageMaker** pada layar persiapan data.
1. Untuk **Pilih model Anda**, pilih pengaturan berikut:
+ **Model** — Pilih model SageMaker AI yang akan digunakan untuk menyimpulkan bidang.
+ **Nama** — Berikan nama deskriptif untuk model.
+ **Skema** - Unggah file skema JSON yang disediakan untuk model.
+ **Pengaturan lanjutan** — QuickSight merekomendasikan default yang dipilih berdasarkan kumpulan data Anda. Anda dapat menggunakan pengaturan runtime tertentu untuk menyeimbangkan kecepatan dan biaya pekerjaan Anda. Untuk melakukan ini, masukkan jenis instans SageMaker AI ML untuk **tipe Instance** dan jumlah instance untuk **Count**.
Pilih **Next** untuk melanjutkan.
1. Untuk **masukan Tinjauan**, tinjau bidang yang dipetakan ke kumpulan data Anda. Quick Sight mencoba untuk secara otomatis memetakan bidang dalam skema Anda ke bidang dalam kumpulan data Anda. Anda dapat membuat perubahan di sini jika pemetaan perlu penyesuaian.
Pilih **Next** untuk melanjutkan.
1. Untuk **keluaran Tinjauan**, lihat bidang yang ditambahkan ke kumpulan data Anda.
Pilih **Simpan dan siapkan data** untuk mengonfirmasi pilihan Anda.
1. Untuk menyegarkan data, pilih kumpulan data untuk melihat detail. Kemudian pilih **Refresh Now** untuk menyegarkan data secara manual, atau pilih **Jadwalkan penyegaran** untuk mengatur interval penyegaran reguler. Selama setiap penyegaran data, sistem secara otomatis menjalankan pekerjaan transformasi batch SageMaker AI untuk memperbarui bidang output dengan data baru.
# Bangun model prediktif dengan SageMaker AI Canvas
Penulis Amazon Quick dapat mengekspor data ke SageMaker AI Canvas untuk membangun model ML yang dapat dikirim kembali ke Quick. Penulis dapat menggunakan model ML ini untuk menambah kumpulan data mereka dengan analitik prediktif yang dapat digunakan untuk membangun analisis dan dasbor.
**Prasyarat**
+ Akun Cepat yang terintegrasi dengan IAM Identity Center. Jika akun Cepat Anda tidak terintegrasi dengan IAM Identity Center, buat akun Cepat baru dan pilih **Gunakan aplikasi yang diaktifkan Pusat Identitas IAM** sebagai penyedia identitas.
+ Untuk informasi selengkapnya tentang Pusat Identitas IAM, lihat [Memulai](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html).
+ Untuk mempelajari lebih lanjut tentang mengintegrasikan Quick Anda dengan IAM Identity Center, lihat. [Konfigurasikan akun Amazon Quick Anda dengan IAM Identity Center](setting-up-sso.md#sec-identity-management-identity-center)
+ Untuk mengimpor aset dari akun Cepat yang ada ke akun Cepat baru yang terintegrasi dengan Pusat Identitas IAM, lihat [Operasi bundel aset](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html).
+ Domain SageMaker AI baru yang terintegrasi dengan IAM Identity Center. Untuk informasi selengkapnya tentang orientasi ke Domain SageMaker AI dengan IAM Identity Center, lihat [Onboard to SageMaker AI Domain menggunakan IAM Identity](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html) Center.
**Topics**
+ [Bangun model prediktif di SageMaker AI Canvas dari Amazon Quick Sight](#sagemaker-canvas-integration-create-model)
+ [Buat kumpulan data dengan model SageMaker AI Canvas](#sagemaker-canvas-integration-create-dataset)
+ [Pertimbangan-pertimbangan](#sagemaker-canvas-integration-considerations)
## Bangun model prediktif di SageMaker AI Canvas dari Amazon Quick Sight
**Untuk membangun model prediktif di SageMaker AI Canvas**
1. Masuk ke Amazon Quick dan arahkan ke tabel tabular atau tabel pivot yang ingin Anda buat model prediktif.
1. Buka menu on-visual dan pilih **Build a predictive model**.
1. Dalam **Build a predictive model in SageMaker AI Canvas** pop up yang muncul, tinjau informasi yang disajikan lalu pilih **EXPORT DATA TO SAGEMAKER** CANVAS.
1. Di panel **Ekspor** yang muncul, pilih **GO TO SAGEMAKER CANVAS saat ekspor selesai untuk pergi ke konsol AI Canvas**. SageMaker
1. Di SageMaker AI Canvas, buat model prediktif dengan data yang Anda ekspor dari Quick Sight. Anda dapat memilih untuk mengikuti tur berpemandu yang membantu Anda membuat model prediktif, atau Anda dapat melewatkan tur dan bekerja dengan kecepatan Anda sendiri. Untuk informasi selengkapnya tentang membuat model prediktif di SageMaker AI Canvas, lihat [Membangun model](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical).
1. Kirim model prediktif kembali ke Quick Sight. Untuk informasi selengkapnya tentang mengirim model dari SageMaker AI Canvas ke Amazon Quick Sight, lihat [Mengirim model Anda ke Amazon Quick Sight](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html).
## Buat kumpulan data dengan model SageMaker AI Canvas
Setelah Anda membuat model prediktif di SageMaker AI Canvas dan mengirimkannya kembali ke Quick Sight, gunakan model baru untuk membuat kumpulan data baru atau menerapkannya ke kumpulan data yang ada.
**Untuk menambahkan bidang prediktif ke kumpulan data**
1. Buka konsol Cepat, pilih **Data** di sebelah kiri, dan pilih tab **Datasets**.
1. Unggah kumpulan data baru atau pilih kumpulan data yang sudah ada.
1. Pilih **Edit**.
1. **Pada halaman persiapan data set data, pilih ADD, lalu pilih **Tambahkan** **bidang prediktif** untuk membuka modal Augment with AI. SageMaker **
1. Untuk **Model**, pilih model yang Anda kirim ke Quick Sight dari SageMaker AI Canvas. File skema secara otomatis terisi di panel **Pengaturan lanjutan**. Tinjau input, lalu pilih **Berikutnya**.
1. Pada panel **Review output**, masukkan nama bidang dan deskripsi untuk colum yang akan ditargetkan oleh model yang Anda buat di SageMaker AI Canvas.
1. Setelah selesai, pilih **Siapkan data**.
1. Setelah Anda memilih **Siapkan data**, Anda akan diarahkan ke halaman dataset. Untuk mempublikasikan dataset baru, pilih, **Publish & Visuallize**.
Saat Anda mempublikasikan kumpulan data baru yang menggunakan model dari SageMaker AI Canvas, data diimpor ke SPICE dan pekerjaan inferensi batch dimulai di SageMaker AI. Diperlukan waktu hingga 10 menit untuk menyelesaikan proses ini.
## Pertimbangan-pertimbangan
Keterbatasan berikut berlaku untuk pembuatan model SageMaker AI Canvas dengan data Quick Sight.
+ Opsi **Build a predictive model** yang digunakan untuk mengirim data ke SageMaker AI Canvas hanya tersedia pada tabel dan visual tabel pivot tabular. Tabel atau tabel pivot visual harus memiliki antara 2 dan 1.000 bidang dan setidaknya 500 baris.
+ Kumpulan data yang berisi tipe data integer atau geografis akan mengalami kesalahan pemetaan skema saat Anda menambahkan bidang prediktif ke kumpulan data. Untuk mengatasi masalah ini, hapus tipe data integer atau geografis dari kumpulan data atau konversikan ke tipe data baru.
# Mempersiapkan contoh dataset
Anda dapat menyiapkan data dalam kumpulan data apa pun agar lebih cocok untuk analisis, misalnya mengubah nama bidang atau menambahkan bidang terhitung. Untuk kumpulan data database, Anda juga dapat menentukan data yang digunakan dengan menentukan kueri SQL atau menggabungkan dua atau lebih tabel.
Gunakan topik berikut untuk mempelajari cara menyiapkan kumpulan data.
**Topics**
+ [Mempersiapkan dataset berdasarkan data file](prepare-file-data.md)
+ [Mempersiapkan dataset berdasarkan data Salesforce](prepare-salesforce-data.md)
+ [Mempersiapkan dataset berdasarkan data database](prepare-database-data.md)
# Mempersiapkan dataset berdasarkan data file
Gunakan prosedur berikut untuk menyiapkan kumpulan data berdasarkan teks atau file Microsoft Excel dari jaringan lokal Anda atau Amazon S3.
**Untuk menyiapkan kumpulan data berdasarkan teks atau file Microsoft Excel dari jaringan lokal atau S3**
1. Buka kumpulan data file untuk persiapan data dengan memilih salah satu opsi berikut:
+ Buat kumpulan data file lokal baru, lalu pilih **Edit/Pratinjau** data. Untuk informasi selengkapnya tentang membuat kumpulan data baru dari file teks lokal, lihat [Membuat kumpulan data menggunakan file teks lokal](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-file.html). Untuk informasi selengkapnya tentang membuat kumpulan data baru dari file Microsoft Excel, lihat [Membuat kumpulan data menggunakan file Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ **Buat kumpulan data Amazon S3 baru, lalu pilih Edit/Pratinjau data.** Untuk informasi selengkapnya tentang membuat kumpulan data Amazon S3 baru menggunakan sumber data Amazon S3 baru, lihat [Membuat kumpulan data menggunakan](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-s3.html) file Amazon S3. Untuk informasi selengkapnya tentang membuat kumpulan data Amazon S3 baru menggunakan sumber data Amazon S3 yang ada, lihat [Membuat kumpulan data menggunakan sumber data Amazon S3 yang ada](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-s3.html).
+ Buka Amazon S3, file teks, atau kumpulan data Microsoft Excel yang ada untuk diedit, baik dari halaman analisis atau halaman Kumpulan Data **Anda**. Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat [Mengedit kumpulan data](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html).
1. (Opsional) Pada halaman persiapan data, masukkan nama baru ke dalam kotak nama kumpulan data di bilah aplikasi.
Nama ini default ke nama file untuk file lokal. Misalnya, defaultnya untuk file Amazon **Group 1** S3.
1. Tinjau pengaturan unggahan file dan perbaiki jika perlu. Untuk informasi selengkapnya tentang setelan unggahan file, lihat [Memilih setelan unggahan file](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**penting**
Jika Anda ingin mengubah pengaturan unggahan, lakukan perubahan ini sebelum Anda membuat perubahan lain pada kumpulan data. Pengaturan unggahan baru menyebabkan Amazon Quick Sight mengimpor ulang file. Proses ini menimpa semua perubahan Anda yang lain.
1. Siapkan data dengan melakukan satu atau lebih hal berikut:
+ [Memilih bidang](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Mengedit nama dan deskripsi bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Mengubah tipe data bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Menambahkan bidang terhitung](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Memfilter data di Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Periksa [SPICE](spice.md)indikator untuk melihat apakah Anda memiliki kapasitas yang cukup untuk mengimpor dataset. Kumpulan data file secara otomatis dimuat ke dalam. SPICE Impor terjadi ketika Anda memilih **Simpan & memvisualisasikan** atau **Simpan**.
Jika Anda tidak memiliki akses ke SPICE kapasitas yang cukup, Anda dapat membuat kumpulan data lebih kecil dengan menggunakan salah satu opsi berikut:
+ Terapkan filter untuk membatasi jumlah baris.
+ Pilih bidang yang akan dihapus dari kumpulan data.
**catatan**
SPICEIndikator tidak memperbarui berapa banyak ruang yang Anda simpan dengan menghapus bidang atau memfilter data. Ini terus mencerminkan SPICE penggunaan dari impor terakhir.
1. Pilih **Simpan** untuk menyimpan pekerjaan Anda, atau **Batalkan** untuk membatalkannya.
Anda mungkin juga melihat **Simpan & memvisualisasikan**. Opsi ini muncul berdasarkan layar tempat Anda memulai. Jika opsi ini tidak ada, Anda dapat membuat visualisasi baru dengan memulai dari layar kumpulan data.
## Mempersiapkan kumpulan data berdasarkan file Microsoft Excel
Gunakan prosedur berikut untuk menyiapkan dataset Microsoft Excel.
**Untuk menyiapkan kumpulan data Microsoft Excel**
1. Buka kumpulan data file teks untuk persiapan dengan memilih salah satu opsi berikut:
+ Buat kumpulan data Microsoft Excel baru, lalu pilih **Edit/Pratinjau** data. Untuk informasi selengkapnya tentang membuat kumpulan data Excel baru, lihat [Membuat kumpulan data menggunakan file Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ Buka kumpulan data Excel yang ada untuk diedit. Anda dapat melakukan ini dari halaman analisis atau halaman **Datasets Anda**. Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat [Mengedit kumpulan data](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html).
1. (Opsional) Pada halaman persiapan data, masukkan nama ke dalam kotak nama kumpulan data di bilah aplikasi. Jika Anda tidak mengganti nama dataset, namanya default ke nama file Excel.
1. Tinjau pengaturan unggahan file dan perbaiki jika perlu. Untuk informasi selengkapnya tentang setelan unggahan file, lihat [Memilih setelan unggahan file](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**penting**
Jika perlu mengubah pengaturan unggahan, lakukan perubahan ini sebelum Anda membuat perubahan lain pada kumpulan data. Mengubah pengaturan unggahan menyebabkan Amazon Quick Sight mengimpor ulang file. Proses ini menimpa setiap perubahan yang telah Anda buat sejauh ini.
1. (Opsional) Ubah pemilihan lembar kerja.
1. (Opsional) Ubah pemilihan rentang. Untuk melakukan ini, buka **Upload Settings** dari menu on-dataset di bawah nama login di kanan atas.
1. Siapkan data dengan melakukan satu atau lebih hal berikut:
+ [Memilih bidang](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Mengedit nama dan deskripsi bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Mengubah tipe data bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Menambahkan bidang terhitung](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Memfilter data dalam Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Periksa [SPICE](spice.md)indikator untuk melihat apakah Anda memiliki cukup ruang untuk mengimpor dataset. Amazon Quick Sight harus mengimpor kumpulan data Excel ke dalam. SPICE Impor ini terjadi ketika Anda memilih **Simpan & memvisualisasikan** atau **Simpan**.
Jika Anda tidak memiliki SPICE kapasitas yang cukup, Anda dapat memilih untuk membuat kumpulan data lebih kecil menggunakan salah satu metode berikut:
+ Terapkan filter untuk membatasi jumlah baris.
+ Pilih bidang yang akan dihapus dari kumpulan data.
+ Tentukan rentang data yang lebih kecil untuk diimpor.
**catatan**
SPICEIndikator tidak diperbarui untuk mencerminkan perubahan Anda sampai setelah Anda memuatnya. Ini menunjukkan SPICE penggunaan dari impor terakhir.
1. Pilih **Simpan** untuk menyimpan pekerjaan Anda, atau **Batalkan** untuk membatalkannya.
Anda mungkin juga melihat **Simpan & memvisualisasikan**. Opsi ini muncul berdasarkan layar tempat Anda memulai. Jika opsi ini tidak ada, Anda dapat membuat visualisasi baru dengan memulai dari layar kumpulan data.
# Mempersiapkan dataset berdasarkan data Salesforce
Gunakan prosedur berikut untuk menyiapkan dataset Salesforce.
**Untuk menyiapkan dataset Salesforce**
1. Buka dataset Salesforce untuk persiapan dengan memilih salah satu opsi berikut:
+ **Buat dataset Salesforce baru dan pilih Edit/Pratinjau data.** Untuk informasi selengkapnya tentang membuat dataset Salesforce baru menggunakan sumber data Salesforce baru, lihat [Membuat](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-salesforce.html) kumpulan data dari Salesforce. Untuk informasi selengkapnya tentang membuat dataset Salesforce baru menggunakan sumber data Salesforce yang ada, lihat [Membuat kumpulan data menggunakan sumber data Salesforce yang](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-salesforce.html) ada.
+ Buka dataset Salesforce yang ada untuk mengedit dari halaman analisis atau halaman Datasets **Anda**. Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat [Mengedit kumpulan data](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html).
1. (Opsional) Pada halaman persiapan data, masukkan nama ke dalam kotak nama kumpulan data di bilah aplikasi jika Anda ingin mengubah nama kumpulan data. Nama ini default ke laporan atau nama objek.
1. (Opsional) Ubah pemilihan elemen data untuk melihat laporan atau objek.
1. (Opsional) Ubah pemilihan data untuk memilih laporan atau objek yang berbeda.
Jika Anda memiliki daftar panjang di panel **Data**, Anda dapat mencari untuk menemukan item tertentu dengan memasukkan istilah pencarian ke dalam kotak **Tabel pencarian**. Item apa pun yang namanya berisi istilah pencarian ditampilkan. Pencarian tidak peka huruf besar/kecil dan wildcard tidak didukung. Pilih ikon batal (**X**) di sebelah kanan kotak pencarian untuk kembali melihat semua item.
1. Siapkan data dengan melakukan satu atau lebih hal berikut:
+ [Memilih bidang](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Mengedit nama dan deskripsi bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Mengubah tipe data bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Menambahkan bidang terhitung](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Memfilter data dalam Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Periksa [SPICE](spice.md)indikator untuk melihat apakah Anda memiliki cukup ruang untuk mengimpor dataset. Mengimpor data ke SPICE diperlukan untuk dataset Salesforce. **Mengimpor terjadi ketika Anda memilih **Simpan & memvisualisasikan** atau Menyimpan.**
Jika Anda tidak memiliki SPICE kapasitas yang cukup, Anda dapat menghapus bidang dari kumpulan data atau menerapkan filter untuk mengurangi ukurannya. Untuk informasi selengkapnya tentang menambahkan dan menghapus bidang dari kumpulan data, lihat [Memilih bidang](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html).
**catatan**
SPICEIndikator tidak diperbarui untuk mencerminkan potensi penghematan menghapus bidang atau memfilter data. Ini terus mencerminkan ukuran dataset yang diambil dari sumber data.
1. Pilih **Simpan** untuk menyimpan pekerjaan Anda, atau **Batalkan** untuk membatalkannya.
Anda mungkin juga melihat **Simpan & memvisualisasikan**. Opsi ini muncul berdasarkan layar tempat Anda memulai. Jika opsi ini tidak ada, Anda dapat membuat visualisasi baru dengan memulai dari layar kumpulan data.
# Mempersiapkan dataset berdasarkan data database
Gunakan prosedur berikut untuk menyiapkan kumpulan data berdasarkan kueri ke database. Data untuk kumpulan data ini dapat berasal dari sumber data AWS database seperti Amazon Athena, Amazon RDS, atau Amazon Redshift, atau dari instance database eksternal. Anda dapat memilih apakah akan mengimpor salinan data Anda ke [SPICE](spice.md), atau untuk menanyakan data secara langsung.
**Untuk menyiapkan dataset berdasarkan kueri ke database**
1. Buka dataset database untuk persiapan dengan memilih salah satu opsi berikut:
+ Buat dataset database baru dan pilih **Edit/Pratinjau** data. Untuk informasi selengkapnya tentang membuat kumpulan data baru menggunakan sumber data database baru, lihat [Membuat kumpulan data dari](https://docs.aws.amazon.com/quicksight/latest/user/create-a-database-data-set.html) database. Untuk informasi selengkapnya tentang membuat kumpulan data baru menggunakan sumber data database yang ada, lihat [Membuat kumpulan data menggunakan sumber data database yang ada](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-database.html).
+ Buka dataset database yang ada untuk diedit baik dari halaman analisis atau halaman **Datasets Anda**. Untuk informasi selengkapnya tentang membuka kumpulan data yang ada untuk persiapan data, lihat [Mengedit kumpulan data](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html).
1. (Opsional) Pada halaman persiapan data, masukkan nama ke dalam kotak nama kumpulan data di bilah aplikasi.
Nama ini default ke nama tabel jika Anda memilih satu sebelum persiapan data. Kalau tidak, itu**Untitled data source**.
1. Tentukan bagaimana data Anda dipilih dengan memilih salah satu dari berikut ini:
+ Untuk menggunakan tabel tunggal untuk menyediakan data, pilih tabel atau ubah pemilihan tabel.
Jika Anda memiliki daftar tabel panjang di panel **Tabel**, Anda dapat mencari tabel tertentu dengan mengetikkan istilah **pencarian** untuk tabel Penelusuran.
Setiap tabel yang namanya berisi istilah pencarian ditampilkan. Pencarian tidak peka huruf besar/kecil dan wildcard tidak didukung. Pilih ikon batal (**X**) di sebelah kanan kotak pencarian untuk kembali melihat semua tabel.
+ Untuk menggunakan dua atau lebih tabel gabungan untuk menyediakan data, pilih dua tabel dan gabungkan menggunakan panel gabungan. Anda harus mengimpor data ke Quick Sight jika Anda memilih untuk menggunakan tabel gabungan. Untuk informasi selengkapnya tentang menggabungkan data menggunakan antarmuka Amazon Quick Sight, lihat [Menggabungkan data](https://docs.aws.amazon.com/quicksight/latest/user/joining-data.html).
+ **Untuk menggunakan kueri SQL khusus untuk menyediakan data dalam kumpulan data baru, pilih **Beralih ke alat SQL Kustom** pada panel Tabel.** Untuk informasi selengkapnya, lihat [Menggunakan SQL untuk menyesuaikan data](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-SQL-query.html).
Untuk mengubah kueri SQL dalam kumpulan data yang ada, pilih **Edit SQL** di panel **Fields** untuk membuka panel SQL dan mengedit kueri.
1. Siapkan data dengan melakukan satu atau lebih hal berikut:
+ [Memilih bidang](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Mengedit nama dan deskripsi bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Mengubah tipe data bidang](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Menambahkan bidang terhitung](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Memfilter data dalam Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Jika Anda tidak bergabung dengan tabel, pilih apakah akan menanyakan database secara langsung atau mengimpor data ke dalam SPICE dengan memilih tombol **Query** atau **SPICE**radio. Kami merekomendasikan penggunaan SPICE untuk meningkatkan kinerja.
Jika Anda ingin menggunakanSPICE, periksa SPICE indikator untuk melihat apakah Anda memiliki cukup ruang untuk mengimpor dataset. **Mengimpor terjadi ketika Anda memilih **Simpan & memvisualisasikan** atau Menyimpan.**
Jika Anda tidak memiliki cukup ruang, Anda dapat menghapus bidang dari kumpulan data atau menerapkan filter untuk mengurangi ukurannya.
**catatan**
SPICEIndikator tidak diperbarui untuk mencerminkan potensi penghematan menghapus bidang atau memfilter data. Ini terus mencerminkan ukuran dataset yang diambil dari sumber data.
1. Pilih **Simpan** untuk menyimpan pekerjaan Anda, atau **Batalkan** untuk membatalkannya.
Anda mungkin juga melihat opsi untuk **Menyimpan & memvisualisasikan**. Opsi ini muncul berdasarkan layar tempat Anda memulai. Jika opsi ini tidak ada, Anda dapat membuat visualisasi baru dengan memulai dari layar kumpulan data.