Dalam pengembangan perangkat lunak, tahap pengujian perangkat lunak adalah proses yang penting untuk menentukan tingkat kualitas perangkat lunak. Pengujian perangkat lunak adalah proses eksekusi program yang bertujuan untuk menemukan kesalahan dalam akses modul, unit, dan melibatkan eksekusi sistem yang diuji dengan sejumlah input uji, serta menentukan apakah hasil yang dihasilkan adalah benar.
Pada buku ini, menjelaskan tentang pengembangan model-based testing (MBT) yang diberi nama integration-based model (I-bM) Framework. I-bM Framework ini mengintegrasikan variabel-variabel pengujian dari beberapa metode pengujian perangkat lunak, yaitu white-box testing, black-box testing yang terdiri dari unit testing, system testing, dan acceptance testing. Adapun variabel yang diintegrasikan meliputi function, interface, structure, performance, requirement, documentation, positive, dan negative.
Selanjutnya, I-bM Framework ini akan mendokumentasikan kesalahan perangkat lunak sehingga membentuk dataset, yang kemudian dataset ini akan diukur tingkat akurasi fault output expected manual menggunakan algoritma neural network dan SVM. Dari hasil eksperimen, terbukti bahwa tingkat akurasi dalam memprediksi fault output expected manual oleh algoritma neural network menunjukkan kinerja rata-rata 80%, dan menghasilkan model arsitektur SVM lebih unggul dalam memprediksi kesalahan fault output I-bM Framework dengan nilai akurasi 0,99, presisi 0,99, recall 0,99 dan f1-score 0,99. I-bM Framework menjadi platform pengujian perangkat lunak dalam bentuk aplikasi web yang saat ini diadopsi sebagai framework pengujian perangkat lunak yang baru yang diterapkan di perusahaan perangkat lunak.
Ulasan
Belum ada ulasan.