Menulis test otomatis sering jadi pekerjaan yang paling akhir dikerjakan, padahal test adalah jaring pengaman yang menentukan apakah kode bisa dipercaya saat masuk produksi. Dengan bantuan AI Coding, proses menulis test yang biasanya memakan waktu berjam-jam bisa dipangkas jadi hitungan menit. Artikel ini membahas cara memakai AI untuk menulis test dari level unit hingga end-to-end, termasuk prompt yang efektif dan jebakan yang harus dihindari.
📌 Baca Juga (AI Coding): Prompt Engineering Patterns for AI Coding Assistants
Kenapa Test Otomatis Sering Dilewatkan
Alasan paling umum bukan karena developer tidak tahu pentingnya test, tapi karena tiga hal: waktu, rasa bosan, dan ketidakjelasan harus mulai dari mana. Menulis test untuk satu fungsi kecil terasa mudah, tapi ketika harus menutup seluruh modul dengan skenario edge case, pekerjaan itu berubah jadi membosankan dan rawan dilewatkan.
Di sinilah Otomatisasi AI masuk akal. AI tidak menggantikan pemahaman developer soal domain bisnis, tapi AI sangat baik untuk pekerjaan repetitif: membuat kerangka test, menebak edge case, dan menulis boilerplate assertion yang membosankan.
Peran AI dalam Alur Testing Modern
AI bisa dipakai di tiga lapisan testing yang berbeda, dan masing-masing punya cara pendekatan yang tidak sama.
1. Unit Test: AI sebagai Generator Skenario
Unit test adalah tempat AI paling produktif. Berikan satu fungsi beserta kontraknya, lalu minta AI membuat test untuk kasus normal, kasus batas, dan kasus gagal. Contoh fungsi sederhana:
function hitungDiskon(harga, persen) {
if (harga < 0 || persen < 0 || persen > 100) throw new Error("input tidak valid");
return harga - (harga * persen / 100);
}
Prompt yang efektif untuk kasus ini bukan "buatkan test", tapi lebih spesifik: "Buat unit test dengan Jest untuk fungsi hitungDiskon. Cakup: harga normal, persen 0, persen 100, harga 0, input negatif, persen di atas 100. Gunakan pola arrange-act-assert dan beri nama test dalam bahasa Indonesia."
Hasilnya biasanya langsung bisa dipakai, dan yang lebih penting: AI sering menemukan edge case yang terlewat, misalnya pembulatan desimal atau tipe data yang tidak sesuai.
2. Integration Test: AI sebagai Perancang Skenario
Integration test menguji interaksi antar komponen: route handler dengan database, service dengan layanan eksternal, atau middleware dengan sesi pengguna. AI berguna di sini untuk memetakan alur yang harus diuji.
Minta AI membaca potongan kode route lalu mendaftar skenario: request valid, request tanpa token, token kedaluwarsa, payload tidak lengkap, dan role yang tidak berhak. Setelah daftar skenario keluar, baru minta AI menuliskan test-nya satu per satu. Memisahkan dua langkah ini penting — daftar skenario lebih mudah diperiksa manusia daripada kode test panjang yang langsung jadi.
3. End-to-End Test: AI sebagai Penulis Skenario Pengguna
End-to-end test menguji aplikasi dari sudut pandang pengguna. AI dapat menulis skrip Playwright atau Cypress berdasarkan user story. Contoh prompt: "Tulis test Playwright untuk alur login: buka halaman, isi email dan password, klik tombol masuk, pastikan diarahkan ke dashboard. Tambahkan juga skenario password salah yang harus menampilkan pesan error."
Kunci sukses E2E dengan AI adalah memberi selector yang stabil. Sebutkan secara eksplisit untuk memakai atribut data-testid alih-alih selector CSS rapuh, agar test tidak hancur setiap kali desain berubah.
Alur Kerja Praktis Memakai AI untuk Testing
- Kumpulkan konteks. Tempelkan fungsi, tipe data, dan kontrak API ke dalam prompt. AI tanpa konteks akan menebak dan hasilnya meleset.
- Minta daftar skenario dulu. Periksa daftarnya, buang yang tidak relevan, tambahkan yang kurang.
- Generate test per kelompok. Jangan minta 50 test sekaligus; hasilnya dangkal dan susah direview.
- Jalankan test. Test yang tidak pernah dijalankan bukan test, hanya teks.
- Periksa assertion. Pastikan AI tidak menulis test yang selalu lolos, misalnya assertion kosong atau expect(true).toBe(true).
- Commit dan jadikan bagian CI. Tanpa pipeline, test akan lapuk dalam hitungan minggu.
Jebakan yang Harus Diwaspadai
- Test yang mengunci implementasi. AI cenderung menguji detail internal. Test seperti ini rapuh dan akan gagal setiap kali refactor, padahal perilaku aplikasi tidak berubah.
- Mock berlebihan. Terlalu banyak mock membuat test hijau tapi tidak membuktikan apa pun. Uji perilaku nyata bila memungkinkan.
- Test tanpa assertion bermakna. Selalu baca ulang bagian expect secara manual.
- Data sensitif di prompt. Jangan tempel kredensial, token produksi, atau data pengguna asli ke layanan AI. Gunakan data palsu.
- Ketergantungan buta. AI tidak tahu aturan bisnis perusahaan Anda. Keputusan soal apa yang dianggap benar tetap milik developer.
💡 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 Coding mengubah cara tim menulis test otomatis dari pekerjaan manual yang menyita waktu menjadi proses kolaboratif yang cepat. Unit test bisa digenerate hampir instan, integration test lebih terstruktur karena skenario dipetakan lebih dulu, dan end-to-end test bisa ditulis langsung dari user story. Kuncinya ada pada tiga hal: konteks yang lengkap di dalam prompt, review manual pada bagian assertion, dan integrasi test ke dalam pipeline CI. Dengan begitu, Otomatisasi AI bukan sekadar mempercepat penulisan Pemrograman, tapi benar-benar meningkatkan kepercayaan pada kode yang dikirim ke produksi. Di kodeai.my.id, pendekatan ini menjadi dasar agar setiap fitur baru datang bersama jaring pengaman yang siap menangkap regresi sebelum sampai ke pengguna.
Posting Komentar