Menulis unit test kerap jadi tugas paling membosankan bagi developer. Setelah berjam-jam menulis fitur, harus duduk lagi menulis skenario uji yang panjang. Kabar baiknya, AI coding modern seperti GitHub Copilot, Cursor, hingga Claude Code bisa mengotomatisasi sebagian besar pekerjaan ini. Namun, asal pakai tanpa strategi justru menghasilkan test yang menyesatkan. Artikel ini membahas praktik terbaik menggunakan AI untuk menulis unit test yang benar-benar melindungi kode, bukan sekadar menaikkan angka coverage.

Mengapa Unit Test Tetap Penting di Era AI

AI bisa menulis kode cepat, tetapi kode yang sama juga bisa rusak lebih cepat. Unit test adalah jaring pengaman. Tanpa test yang baik, refactoring jadi judi. AI yang menulis fitur juga butuh AI yang menulis test-nya, dengan pengawasan manusia. Nilai utama unit test bukan pada jumlah baris, melainkan pada kemampuan menangkap regresi sebelum masuk produksi.

Peran AI dalam Siklus Penulisan Test

AI unggul dalam tiga area: kecepatan membuat kerangka test, eksplorasi skenario tepi (edge case), dan konsistensi gaya penulisan. Tiga hal ini memakan waktu paling banyak ketika dikerjakan manual.

Kerangka Test dalam Hitungan Detik

Berikan AI satu fungsi murni (pure function) dan minta test case dasar. Contoh prompt:

"Buat unit test untuk fungsi calculateDiscount(price, userType) menggunakan Jest. Sertakan skenario: user biasa, member, admin, harga nol, harga negatif, dan angka desimal."

AI akan langsung menghasilkan file test lengkap. Tugas Anda bukan menulis ulang, tetapi memeriksa apakah ekspektasi di tiap test sesuai dengan spesifikasi bisnis.

Eksplorasi Edge Case yang Terlewat

Manusia cenderung menguji jalur bahagia. AI bisa diminta mencari celah. Prompt lanjutan:

"Apa saja edge case yang belum tercakup dari test calculateDiscount ini?"

AI sering menemukan kombinasi yang tidak terpikirkan, misalnya nilai maksimum integer, input null, atau tipe data tak terduga. Gunakan saran ini sebagai daftar periksa, bukan sebagai kebenaran mutlak.

Praktik Terbaik Menggunakan AI untuk Unit Test

Ada lima aturan yang menjaga kualitas test buatan AI tetap tinggi.

1. Validasi Manusia Tetap Wajib

AI tidak memahami konteks bisnis. Ia hanya melihat pola. Test yang dihasilkan bisa salah ekspektasi, misalnya menganggap diskon admin seharusnya 50% padahal bisnis menetapkan 10%. Selalu baca setiap test case sebelum disimpan. Jangan pernah menjalankan test AI secara buta lalu menganggap semua hijau berarti benar.

2. Beri Konteks, Bukan Hanya Kode

Prompt yang bagus menyertakan konteks. Bandingkan dua prompt ini:

  • Kurang efektif: "Buat test untuk file userService.js"
  • Efektif: "Buat test untuk userService.js. Fungsi registerUser menolak email duplikat, mengirim email verifikasi, dan melempar error jika password kurang dari 8 karakter."

Semakin spesifik perilaku yang Anda jelaskan, semakin akurat test yang dihasilkan AI.

3. Uji Perilaku, Bukan Implementasi

AI sering tergoda menulis test yang menempel pada detail internal: memanggil fungsi private, mengecek urutan pemanggilan, atau menguji variabel internal. Ini menghasilkan test rapuh. Arahkan AI dengan prompt:

"Tulis test berdasarkan perilaku publik, jangan menguji detail implementasi internal."

Test yang menguji hasil akhir akan tetap relevan meskipun struktur internal kode berubah total.

4. Gunakan Pola Arrange-Act-Assert

Minta AI mengikuti pola AAA (Arrange-Act-Assert) secara konsisten. Pola ini membuat test mudah dibaca dan mudah dilacak ketika gagal. Contoh prompt:

"Tulis test dengan pola Arrange-Act-Assert. Pisahkan setup, pemanggilan fungsi, dan pengecekan ekspektasi."

5. Integrasikan dengan Alat Ukur Coverage

Setelah AI menghasilkan test, jalankan alat coverage bawaan seperti jest --coverage atau pytest --cov. Lihat bagian kode yang belum tersentuh. Kirim daftar fungsi tanpa coverage ke AI dan minta test tambahan. Cara ini mengubah proses dari menebak menjadi terukur.

Kesalahan Umum yang Harus Dihindari

  • Test yang hanya menyalin logika kode. Jika kode salah, test ikut salah. Test harus memverifikasi perilaku yang diharapkan, bukan mengulang perhitungan yang sama.
  • Mock berlebihan. AI suka mem-mock semuanya. Terlalu banyak mock membuat test tidak menguji apa pun. Batasi mock hanya untuk batas eksternal seperti database atau API.
  • Mengabaikan test yang gagal. Test gagal dari AI bukan berarti kode rusak; bisa jadi ekspektasi AI salah. Periksa dulu sebelum memperbaiki kode.
  • Menerima test tanpa menjalankannya. Selalu jalankan. Test yang tidak pernah dieksekusi sama dengan tidak ada.

Alur Kerja Praktis yang Direkomendasikan

  1. Tulis atau ubah fungsi bisnis terlebih dahulu.
  2. Minta AI membuat test dasar dengan konteks perilaku yang jelas.
  3. Jalankan semua test. Perbaiki ekspektasi yang salah secara manual.
  4. Jalankan alat coverage dan identifikasi kode yang belum diuji.
  5. Minta AI menambahkan test untuk area kosong tersebut.
  6. Jalankan seluruh suite sekali lagi, lalu commit.

Alur ini memakan waktu lebih sedikit daripada menulis test manual, tetapi tetap menghasilkan jaring pengaman yang kuat.

💡 Baca Juga & Rekomendasi Jaringan AI Network:

  • Gunakan racikan prompt profesional di SolusiAI.my.id (Rekomendasi Tools & Otomatisasi AI).
  • Pelajari tutorial skrip dan otomatisasi teknis di PromptHack.my.id (Kumpulan AI Prompt & Content Growth).

Kesimpulan

AI bukan pengganti developer dalam menulis unit test, melainkan asisten yang mempercepat bagian mekanis. Kualitas akhir tetap ditentukan oleh manusia yang memahami perilaku bisnis. Gunakan AI untuk kecepatan, gunakan judgment manusia untuk kebenaran. Dengan prompt yang kaya konteks, validasi ketat, dan fokus pada perilaku publik, Anda bisa mengotomatisasi penulisan unit test tanpa mengorbankan kualitas. Mulai dari satu file, evaluasi hasilnya, lalu terapkan pola yang sama ke seluruh proyek.

Post a Comment

Lebih baru Lebih lama