Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Perbandingan Efektivitas Algoritma Modified Ant-Colony Optimization Dan Path Complexity Pada Model-Based Test Case Prioritization
Ilham Robyana Sofyan (2021) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Pengujian perangkat lunak (software testing) merupakan salah satu tahap dalam rangkaian proses pengembangan perangkat lunak. Salah satu cara pelaksanaanya adalah dengan menggunakan teknik test case prioritization (TCP), yaitu mengurutkan test case sesuai kriteria tertentu untuk menemukan fault lebih awal dalam sebuah test suite. Dalam faktanya, pengujian memerlukan biaya cukup tinggi sehingga penggunaan TCP bertujuan mengurangi biaya dengan mengupayakan agar fault dapat ditemukan lebih awal. Dalam sebuah thesis, salah satu metode TCP, yaitu ant colony optimization (ACO), dimodifikasi dengan menambahkan kompleksitas test case sebagai parameter dalam melaksanakan pengurutan. Pada thesis tersebut, dituturkan bahwa modified ant colony optimization (m-ACO) lebih efektif dibandingkan dengan ACO. Namun, thesis tersebut tidak menyertakan bukti pengukuran efektivitas tersebut. Hal ini menjadi alasan perlunya mengukur efektivitas m-ACO dengan metric tertentu. Di sisi lain, terdapat studi yang membandingkan efektivitas 13 metode TCP menggunakan metric average percentage fault detection (APFD). Dari penelitian tersebut, ditemukan bahwa metode path complexity (PC) lebih efektif dari metode lainya. Penelitian ini dilakukan untuk mengukur efektivitas metode m-ACO dan membandingkannya dengan metode PC yang sudah teruji efektivitasnya. Hasil yang diharapkan dari penelitian adalah menemukan metode yang lebih efektif diantara keduanya dalam melakukan model-based test case prioritization, sehingga dapat mengurangi biaya pengujian. Eksperimen dilakukan dengan menggunakan 4 algoritma sorting dari repository TheAlgorithms yang mempunyai jumlah test case berbeda-beda dan dipakai sebagai system under test (SUT). Test case dibuat menggunakan model activity diagram. Untuk setiap SUT, dilakukan 5 skenario penanaman fault untuk mengetahui pengaruh letak fault pada efektivitas metode. Hasil eksperimen menunjukkan bahwa dari 20 skenario yang dilakukan, terdapat 4 skenario yang terdapat perbedaan nilai APFD diantara kedua metode. Semua perbedaan terjadi pada 2 SUT dengan jumlah test case lebih banyak dibandingkan dengan 2 SUT lain. Dalam 3 skenario, metode m-ACO menghasilkan nilai APFD lebih baik dengan selisih rata-rata nilai 0.2 persen. Hal ini menunjukkan bahwa m-ACO bekerja lebih efektif dibandingkan dengan PC. Kata Kunci: Testing, Test Case Prioritization, Model-Based Testing, Path Complexity, Modified Ant Colony Optimization.
Ringkasan Alternatif
Software testing is one of the stages in a series of software development processes. One way to execute it is with the test case prioritization (TCP) technique, which is sorting test cases according to some set of criteria to detect faults earlier in a test suite. The fact is testing needs a high budget hence TCP aims to reduce budget by trying to find faults earlier. In a thesis, one TCP method, namely ant colony optimization (ACO), is modified by adding test case complexity as a parameter in sorting. It is mentioned that modified ant colony optimization (m-ACO) is more effective than compared to ACO. However, the study does not enclose the evidence of effectivity that is measured. Therefore, it is necessary to measure the effectivity of m-ACO with a certain metric. On the other side, there is a study that compares the effectivity of 13 methods of TCP with the average percentage of fault detection (APFD) metric. From the study, it is found that the path complexity (PC) method is more effective compared to other methods. This research is conducted to measure the effectivity of m-ACO method and compare it with the PC method since the effectivity is already proven. The expected result from the research is finding a method that is more effective between the two in performing model-based test case prioritization so the testing budget can be decreased. The Experiment is done by using 4 sorting algorithms from TheAlgorithms repository that have different amounts of test cases and are used as system under test (SUT). Test cases are made by using activity diagram model. For each SUT, 5 fault scenarios are implemented to find out the effect of fault position towards method effectivity. Experiment results show that from 20 scenarios conducted, there are 4 scenarios with different APFD scores between the two methods. All the differences occurred in 2 SUTs that have bigger amounts of test cases compared to the other 2 SUTs. In 3 of the scenarios, m-ACO method generated better APFD scores with the average difference of 0.2 percent. Hence m-ACO method works more effectively than PC. Keywords: Testing, Test Case Prioritization, Model-Based Testing, Path Complexity, Modified Ant Colony Optimization.