Pengujian API manual makan waktu. Setiap rilis fitur baru, QA ulang endpoint satu per satu. Lambat, rawan salah, bikin tim frustrasi. Solusinya: otomatisasi pengujian API Python pakai Pytest + Requests. Artikel ini bahas cara bangun test suite API, deteksi regresi otomatis di CI/CD, plus praktik terbaik yang langsung bisa dipakai.
📌 Baca Juga (Scripting & Automation): Otomatisasi Pengujian Kode dengan AI: Dari Unit Test hingga End-to-End (Bikin QA 10x Lebih Cepat)
Kenapa Otomatisasi Pengujian API Python Penting?
API jadi tulang punggung aplikasi modern. Backend, frontend, mobile, third-party service — semua komunikasi lewat API. Bug di API = bug di seluruh sistem. Regresi API sering terjadi diam-diam: respons berubah, status code error, JSON schema tidak cocok. Tanpa tes otomatis, masalah ini baru ketahuan setelah user complain.
Otomatisasi pengujian API memastikan setiap perubahan kode bisa diverifikasi cepat dan konsisten. Pytest + Requests jadi kombinasi paling populer karena ringan, mudah dipelajari, dan integrasi CI sangat sederhana.
Setup Environment: Pytest + Requests
Instalasi cukup dua perintah:
pip install pytest requests
pip install pytest-html # opsional, untuk laporan HTML
Struktur folder test yang direkomendasikan:
project/
├── tests/
│ ├── conftest.py
│ ├── test_users.py
│ └── test_products.py
├── api/
│ └── client.py
└── requirements.txt
Buat file requirements.txt untuk pin versi:
pytest==8.2.0
requests==2.32.0
pytest-html==4.1.1
Menulis Test API Pertama dengan Pytest
Contoh test sederhana untuk endpoint GET /users:
import requests
def test_get_users():
response = requests.get("https://api.example.com/users")
assert response.status_code == 200
assert isinstance(response.json(), list)
assert len(response.json()) > 0
Pytest secara otomatis mendeteksi fungsi yang diawali test_. Assertion standar Python sudah cukup. Tidak perlu framework tambahan.
Memvalidasi Response Body
Jangan cuma cek status code. Validasi struktur data juga penting:
def test_user_structure():
response = requests.get("https://api.example.com/users/1")
data = response.json()
assert data["id"] == 1
assert "name" in data
assert "email" in data
assert isinstance(data["email"], str)
assert "@" in data["email"]
Pytest Fixture untuk Otomatisasi Pengujian API Python
Fixture adalah fitur andalan Pytest. Dipakai untuk setup dan teardown yang berulang. Contoh fixture untuk base_url dan session:
import pytest
import requests
@pytest.fixture
def base_url():
return "https://api.example.com"
@pytest.fixture
def session(base_url):
s = requests.Session()
s.headers.update({"Authorization": "Bearer token123"})
yield s
s.close()
def test_get_profile(session, base_url):
response = session.get(f"{base_url}/profile")
assert response.status_code == 200
Fixture session dipakai di banyak test. Tidak perlu buat session baru di setiap fungsi. yield menandakan teardown setelah test selesai.
Fixture dengan Scope
Atur scope="module" atau scope="session" untuk efisiensi:
@pytest.fixture(scope="session")
def auth_token(base_url):
response = requests.post(f"{base_url}/login", json={
"username": "admin",
"password": "password123"
})
assert response.status_code == 200
return response.json()["token"]
Token dibuat sekali untuk seluruh sesi test. Hemat waktu dan resource.
Parametrize: Uji Banyak Kasus Sekaligus
Dekorator @pytest.mark.parametrize memungkinkan satu fungsi test untuk banyak input. Contoh:
import pytest
import requests
@pytest.mark.parametrize("user_id, expected_status", [
(1, 200),
(2, 200),
(9999, 404),
("abc", 400),
])
def test_get_user_by_id(base_url, user_id, expected_status):
response = requests.get(f"{base_url}/users/{user_id}")
assert response.status_code == expected_status
Empat kasus teruji dalam satu fungsi. Jika satu gagal, Pytest tetap jalankan kasus lain dan lapor detail.
Deteksi Regresi Otomatis di CI/CD
Regresi = fitur lama rusak karena perubahan baru. Deteksi otomatis di CI/CD automation adalah kunci. Setiap push ke repository, pipeline jalankan test suite. Jika ada test gagal, build ditolak.
Konfigurasi GitHub Actions
Buat file .github/workflows/api-tests.yml:
name: API Tests
on:
push:
branches: [main]
pull_request:
branches: [main]
jobs:
test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Setup Python
uses: actions/setup-python@v5
with:
python-version: '3.12'
- name: Install dependencies
run: |
pip install -r requirements.txt
- name: Run tests
run: |
pytest tests/ -v --html=report.html --self-contained-html
- name: Upload test report
uses: actions/upload-artifact@v4
with:
name: pytest-report
path: report.html
Pipeline ini otomatis berjalan setiap push atau pull request. Laporan HTML bisa diunduh sebagai artefak untuk analisis.
Perbandingan Baseline untuk Deteksi Regresi
Untuk deteksi regresi yang lebih canggih, simpan baseline respons API:
import json
import requests
def test_response_matches_baseline():
response = requests.get("https://api.example.com/users")
current = response.json()
with open("baseline/users.json") as f:
baseline = json.load(f)
assert current == baseline, "Response API berubah dari baseline"
Jika respons berubah, test gagal. Tim bisa review apakah perubahan itu disengaja atau bug.
Praktik Terbaik Otomatisasi Pengujian API
- Gunakan fixture untuk setup yang berulang, bukan duplikasi kode.
- Validasi schema menggunakan library seperti
jsonschemauntuk struktur data yang kompleks. - Pisahkan config base URL dan credential ke file environment atau
conftest.py. - Buat test independen — jangan bergantung pada urutan eksekusi.
- Gunakan mark seperti
@pytest.mark.smokeuntuk test cepat dan@pytest.mark.regressionuntuk test lengkap. - Jangan hardcode data yang bisa berubah. Gunakan fixture atau factory.
- Tambahkan retry untuk flaky test dengan
pytest-rerunfailures.
💡 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
Otomatisasi pengujian API Python dengan Pytest + Requests bukan pilihan, tapi keharusan untuk tim yang serius soal kualitas. Kombinasi ini ringan, fleksibel, dan mudah diintegrasikan ke pipeline CI/CD. Dengan fixture, parametrize, dan deteksi regresi berbasis baseline, tim bisa rilis lebih cepat dengan risiko lebih rendah.
Mulai dari test sederhana, tambahkan fixture, lalu jalankan di CI. Fitur baru yang rusak akan langsung ketahuan sebelum masuk production. Investasi waktu awal kecil, tapi penghematan waktu debugging dan mencegah bug di production sangat besar.
Posting Komentar