Perpustakaan Digital ITB

Pengujian perangkat lunak merupakan fase krusial dalam siklus pengembangan untuk menjamin kualitas dan keandalan kode, namun proses manual sering kali memakan waktu, repetitif, dan rentan terhadap kesalahan manusia. Otomatisasi pembangkitan kasus uji adalah solusi untuk meningkatkan efisiensi, dengan tantangan utama adalah mencapai cakupan kode (code coverage) yang tinggi. Penelitian ini bertujuan untuk mengembangkan sebuah kakas (tool) yang mampu membangkitkan kasus uji secara otomatis untuk program Python dengan memanfaatkan pendekatan agentic yang dipandu oleh Control-Flow Graph (CFG). Metodologi yang digunakan adalah dengan merancang sistem yang terdiri dari Test Generator, Test Runner, dan Test Refiner. Generator bertugas membuat kasus uji awal, Runner mengeksekusi, menyederhanakan, dan mengukur cakupan kode, sementara Refiner memperbaiki kasus uji berdsaarkan jalur logika yang belum teruji, kemudian menyempurnakan kasus uji secara iteratif hingga target cakupan tercapai. Hasil dari penelitian ini adalah sebuah kakas fungsional yang berhasil mengimplementasikan alur kerja agentik tersebut. Berdasarkan pengujian yang dilakukan, kakas ini terbukti efektif dalam mencapai tingkat cakupan kode yang tinggi secara konsisten serta menghasilkan kumpulan kasus uji yang lebih efektif. Kakas ini menunjukkan bahwa sinergi antara Agentic AI dan analisis alur kontrol program merupakan pendekatan yang menjanjikan untuk mengatasi tantangan dalam otomatisasi pengujian perangkat lunak.