Apa itu tes parameterisasi dan tes berbasis data?

Question

Accepted Answer

**Tes parameterisasi (berbasis data)** menjalankan **logika tes yang sama dengan beberapa set input dan output yang diharapkan** — menghindari duplikasi tes untuk setiap kasus. Tes ini memudahkan pengujian banyak skenario (termasuk kasus tepi) secara ringkas.

## Masalah: tes yang terduplikasi

```text
Without parameterization, testing many input/output cases means COPYING the test:
  test('add 2+3', () => expect(add(2,3)).toBe(5));
  test('add 0+0', () => expect(add(0,0)).toBe(0));
  test('add -1+1', () => expect(add(-1,1)).toBe(0));
  → lots of near-identical, repetitive tests (tedious, hard to maintain)
```

## Tes parameterisasi — satu tes, banyak kasus

```js
// run the SAME test logic over a TABLE of cases (Jest's test.each)
test.each([
  [2, 3, 5],
  [0, 0, 0],
  [-1, 1, 0],
  [100, 200, 300],
])('add(%i, %i) === %i', (a, b, expected) => {
  expect(add(a, b)).toBe(expected);     // one logic, run per case
});
// → each row is a separate reported test case; add a case = add a row
```

Sebagian besar framework mendukung ini (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`).

## Manfaat

```text
✓ CONCISE — test many scenarios without duplicating the test body
✓ Easy to ADD CASES — just add a row of data (great for edge cases / many inputs)
✓ Each case reported SEPARATELY — you see exactly which input failed
✓ Clear, maintainable — the data table documents the cases
→ Ideal for functions with many input/output combinations and edge cases.
```

## Mengapa ini penting

Memahami tes parameterisasi (berbasis data) bernilai karena tes ini membuat **mudah menguji banyak skenario secara ringkas**, yang mendukung pengujian menyeluruh (khususnya kasus tepi), sehingga merupakan pengetahuan praktis yang berguna.

Masalah yang mereka selesaikan — menguji banyak kombinasi input/output akan memerlukan **duplikasi tes untuk setiap kasus** (membosankan, berulang, sulit dipelihara) — adalah masalah nyata, dan tes parameterisasi mengatasi hal tersebut dengan menjalankan **logika tes yang sama atas tabel kasus**.

Ini membuat pengujian banyak skenario **ringkas** (satu badan tes, banyak kasus), membuat **mudah menambah kasus** (cukup tambahkan baris data — yang mendorong pengujian lebih banyak input dan **kasus tepi**, mendukung cakupan kasus tepi menyeluruh yang menangkap bug), melaporkan **setiap kasus secara terpisah** (sehingga Anda melihat dengan tepat input mana yang gagal, membantu debugging), dan menjaga tes tetap mudah dipelihara (tabel data dengan jelas mendokumentasikan kasusnya).

Memahami bahwa sebagian besar framework mendukung ini (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`) membuatnya secara praktis dapat diterapkan di berbagai stack.

Tes parameterisasi ideal untuk fungsi dengan banyak kombinasi input/output — umum untuk fungsi utilitas, validator, parser, dan perhitungan — di mana tes ini memungkinkan pengujian jangkauan lengkap kasus (termasuk batasan dan kasus tepi) tanpa beban kode tes duplikat.

Cara yang ringkas dan mudah dipelihara ini untuk mencapai cakupan input luas mendorong pengujian yang lebih menyeluruh.

Karena menguji banyak skenario (khususnya kasus tepi) penting untuk pengujian menyeluruh dan tes parameterisasi membuat ini ringkas dan mudah dipelihara (menghindari tes duplikat, mendorong cakupan input luas), dan karena memahami tes ini dan dukungan framework-nya berguna untuk pengujian efektif, memahami tes parameterisasi dan berbasis data adalah pengetahuan yang bernilai dan relevan secara praktis — teknik yang berguna untuk menguji banyak kasus secara ringkas, mendukung cakupan kasus tepi menyeluruh yang diperlukan pengujian efektif, dan alat praktis yang diterapkan di mana pun fungsi memiliki banyak kombinasi input/output untuk diverifikasi.