Bagaimana Anda menggunakan asisten AI untuk menulis pengujian unit untuk fungsi yang sudah ada?

Question

Accepted Answer

Jika digunakan dengan baik, AI sangat pandai dalam bagian **enumerasi** pengujian — ia menghasilkan ide untuk kasus tepi dan menulis boilerplate dengan cepat. Tetapi Anda harus **memverifikasi bahwa asersi bermakna**, karena AI dengan senang hati akan menulis tes yang lulus tanpa membuktikan apa pun.

## Alur kerja

1. **Berikan fungsi plus kontraknya** — apa yang harus dilakukan, jenis input/output, dan bagaimana penanganannya untuk input yang tidak valid. Tes tidak bisa lebih baik dari spesifikasi yang Anda jelaskan.
2. **Minta secara eksplisit kasus tepi** — batas (0, kosong, maksimal), dan jalur kesalahan (null, negatif, tipe salah), bukan hanya jalur bahagia.
3. **Verifikasi asersi bermakna** — tes yang mengklaim perilaku kode saat ini (bahkan jika bermasalah) tidak berguna. Periksa bahwa setiap asersi mengkodifikasikan kontrak yang *dimaksud*.

## Contoh

```js
// Function under test, with its contract:
// applyDiscount(price, percent) -> price reduced by percent.
// Contract: percent must be 0..100; throws RangeError otherwise. price >= 0.
function applyDiscount(price, percent) {
  if (percent < 0 || percent > 100) throw new RangeError('percent out of range');
  return price - (price * percent) / 100;
}
```

```js
// AI-suggested test cases (Jest) — note the edge and error paths, not just happy path:
test('applies a normal discount', () => {
  expect(applyDiscount(100, 20)).toBe(80);       // happy path
});
test('0% leaves price unchanged', () => {
  expect(applyDiscount(100, 0)).toBe(100);       // boundary: lower edge
});
test('100% makes it free', () => {
  expect(applyDiscount(100, 100)).toBe(0);       // boundary: upper edge
});
test('rejects percent above 100', () => {
  expect(() => applyDiscount(100, 150)).toThrow(RangeError); // error path
});
```

AI mengusulkan kasus batas (0 dan 100) dan jalur kesalahan yang mungkin Anda lupakan. Pekerjaan Anda adalah mengonfirmasi bahwa `toBe(80)` adalah nilai yang diharapkan yang *benar*, bukan hanya apa yang dikembalikan fungsi.

## Mengapa ini penting

Bagian yang sulit dari pengujian bukanlah mengetik blok `test(...)` — tetapi **memikirkan kasus yang akan Anda lewatkan sebaliknya**, dan AI benar-benar baik dalam lebar itu. Tetapi tidak memiliki gagasan tentang apa yang *seharusnya* dilakukan kode Anda kecuali Anda memberitahunya, jadi tanpa pengawasan ia cenderung menulis **tes yang mencerminkan implementasi** (tes melewati, tetapi akan melewati bahkan jika fungsi salah). Memperlakukan AI sebagai pembuat kasus tepi sementara Anda memiliki asersi memberi Anda cakupan luas dan kebenaran nyata — kecepatan dari AI, penilaian dari Anda.