Langsung ke konten utama

Unit Testing JUnit di Netbeans

Selamat pagi agan agan semua,jumpa lagi dengan saya di blog saya ini.Mumpung lagi menikmati masa masa jadi pengangguran,saya mau nulis lagi ini tentang Unit Testing.

Apa itu Unit Testing ?? kalo buat jelasin itu,bisa dilihat langsung deh di google ane juga lupa gimana jelasinnya.hehehe

Testing diperlukan untuk mengecek kode program kita apakah sudah sesuai dengan yang sebagaimana mestinya.Contoh :
misal kita buat method seperti ini




pasti untuk mencobanya kita buat seperti ini



kalo methodnya cuma satu,lah kalo ada 300 method ?? apa gak capek buat melototi koding satu persatu ??
karena itu,untuk melakukan testing kita bisa menggunakan unit testing.Ada banyak unit testing dari berbagai vendor.Namun dalam tulisan kali ini saya menggunakan JUnit yang bisa di download gratis dan juga sudah tersedia di library Netbeans versi 7.4 ke atas.Langsung aja ya ke koding cekidot...

kita buat class sederhana yang akan di testing seperti berikut.


class tersebut merupakan class yang akan kita gunakan untuk melakukan perhitungan sederhana.
Note : Nama package dan nama class sebenarnya untuk project saya yang lain tapi saya pinjam buat nulis artikel ini,jadi nama dan package memang melenceng dari fungsi di dalamnya

di dalam class tersebut ada fungsi kali,bagi,tambah dan kurang.Nah kemudian kita buat Unit Testingnya menggunakan JUnit.
1. Tambahkan library JUnit yang sudah tersedia
     Klik kanan Library -> Add Library



pilih JUnit dan klik Add Library,dan jadinya seperti ini



 2. Klik kanan class yang akan di buat testingnya ->klik tools-> create test



setelah di isi klik OK.Maka akan terbentuk sebuah class seperti ini
 

3. Kemudian Bersihkan koding tersebut dari koding berikut.

sehingga tidak ada lagi kode tersebut dalam class tes yang kita buat.Kita lakukan tes dengan mengeset nulai a dan b.
 
gambar diatas adalah method testing untuk method bagi.double a dan b adalah bilangan yang akan di hitung pembagiannya dan double expResult adalah hasil yang di harapkan.
Kemudian double result = instance.bagi(a,b) adalah mengambil output dari method bagi yang kita tes.
dan assertEquals adalah fungsi dari JUnit untuk melakukan testing.
Dan berikut adalah method testing yang lain.


4. kemudian kira jalankan dengan menekan tombol shift+f6,Hasilnya sebagai berikut



Dari keterangan tersebut dapat dilihat bahwa masih ada yang salah dengan method bagi karena output yang diharapkan adalah 1 sedangkan output hasil adalah 10,dan untuk method yang lain sudah benar.jadi kita cek lagi ke method bagi yang ada di class FuzzySaw berikut.

 disitu terlihat bahwa kita salah membuat perhitungan,yang seharusnya a/b ternyata kita tulis a+b.jadi method bagi kita rubah menjadi seperti ini.


5. Kita Jalankan lagi Class test sebagai berikut

c
Dan bisa kita lihat bahwa method method sudah berjalan sebagaimana mestinya.

Dengan menggunakan Unit Testing,proses testing jadi lebih efisien dan lebih cepat.Sekian dulu tulisan saya kali ini.Kita lanjutkan di kesempatan yang lain.Sampai Jumpa....

Komentar

Postingan populer dari blog ini

Contoh Perhitungan Algoritma Perceptron

      Melanjutkan tulisan saya sebelumnya tentang algoritma perceptron,kali ini saya akan menulis tentang conto perhitungan manual algoritma perceptron. Untuk contoh kasusnya saya menggunakan data logika AND. Cekidot.... Algoritma      Data yang kita gunakan sebagai contoh adalah data logika AND sebagai berikut: x1 x2 target 0 0 0 0 1 0 1 0 0 1 1 1       tentukan bobot awal secara acak, saya pakai contoh w1 = 0,w2 =0, learning rate = 1, bias = 0,maksimal epoh = 10. Disini saya memakai fungsi aktivasi undak biner. Epoh ke 1 Data ke satu x = {0,0}, bobot w = {0,0},b=0,target = 0 y_in = (x1*w1)+(x2*w2)+b = (0*0)+(0*0)+0 = 0 y = sign(0) = 1 karena y != target maka hitung error dan update bobot  error = target - y = 0 - 1 = -1 w1_baru = w1_lama +(learning_rate*error*x1)                = 0 ...

Contoh Perhitungan Algoritma Learning Vector Quantization

Melanjutkan tulisan saya tentang algoritma Learning Vector Quantization yang lalu, kali ini saya akan melanjutkan dengan contoh perhitungan manual. Berikut ini contoh data yang akan kita hitung. No X1 X2 X3 X4 target 1 0 1 1 0 0 2 0 0 1 1 1 3 1 1 1 1 0 4 1 0 0 1 1 pada contoh di atas, saya menggunakan 4 data sebagai data training beserta target yang bertujuan untuk mendapatkan bobot yang akan digunakan pada proses klasifikasi. Bobot awal adalah { 1, 1, 1, 0} dan { 1, 0, 1, 1} dengan learning rate 0,05 dengan fungsi pembelajaran = 0,1. Pelatihan Iterasi ke 1 1. Data ke 1 { 0, 1, 1, 0} dengan target 0, bobot = {{ 1, 1, 1, 0},{ 1, 0, 1, 1}}      - menghitung bobot untuk masing masing output :          kelas 0 = sqrt(((0-1)^2)+((1-1)^2)+((1-1)^2)+((0-...

Part 7 : Normalisasi Histogram

Menyambung tulisan saya yang sebelumnya tentang pengolahan citra khususnya histogram,kali ini saya lanjutkan tentang Normalisasi histogram.Sebelumnya saya harap agan sudah mengerti tentang histogram.Jika belum bisa di baca dulu di tulisan saya sebelumnya di sini . Normalisasi Histogram adalah menskalakan nilai piksel secara linear untuk menggunakan secara penuh jangkauan yang tersedia. Rumus :  Keterangan : n k= nilai grayscale dari piksel ke k(k = 0,1,2,3....) min = nilai grayscale terkecil yang diperoleh dari histogram max = nilai grayscale terbesar L = range nilai grayscale citra Contoh perhitungan : dari tabel di atas,nilai min adalah 2 yaitu nilai grayscale terkecil dari citra dan max adalah 5 s = 0 - 2 /5 - 2 =0 (untuk n = 0)  hasil = 0 x 7(nilai maksimal grayscale) = 0 sk = 3 - 2 /5 - 2 = 0.333  (untuk n = 3) hasil = 0.333 x 7 = 2 keterangan : 7 adalah range grayscale dari citra,dan untuk banyak kasus biasanya memakai 255. Tujuan Normalisasi...