Tutorial Data-Driven Testing (DDT): Persiapan Dataset CSV/Excel/JSON/SQLite, GUNAKAN DATA, ULANGI, Analisa Hasil

Tutorial ini memandu Anda menerapkan Data-Driven Testing (DDT) di Heimdall. DDT memungkinkan satu test case dijalankan berulang kali dengan dataset eksternal sehingga tidak perlu duplikasi script.

Prasyarat

Pastikan Anda sudah memiliki:

[ ] Heimdall terinstall dan terverifikasi
[ ] Setup Android selesai (Setup Android) ATAU Setup Web selesai (Setup Web)
[ ] Familiar menulis test dasar (Menulis Test Pertama)
[ ] Minimal satu test case yang sudah berhasil dijalankan

Langkah 1: Konsep Data-Driven Testing

DDT memisahkan data test dari script test. Satu script bisa berjalan berkali-kali dengan data berbeda.

Analogi Sederhana

text

Tanpa DDT:
Test Case A → Login dengan user1
Test Case B → Login dengan user2
Test Case C → Login dengan user3
Result: 3 file .heim berbeda

Dengan DDT:
Test Case DDT → Login dengan data dari dataset.csv
Result: 1 file .heim, dijalankan 3 kali

Manfaat DDT

Keuntungan	Penjelasan
Tidak duplikasi	Satu script untuk banyak kombinasi data
Maintainable	Ubah data tanpa ubah script
Traceable	Setiap baris data menghasilkan report tersendiri
Scalable	Tambah data tanpa tambah script
Cocok untuk regression	Jalankan banyak kombinasi otomatis

Langkah 2: Menyiapkan Dataset

Heimdall mendukung format dataset: CSV, Excel (.xlsx), JSON, dan SQLite.

2.1 Format CSV

csv

# user_credentials.csv
Email,Password,ExpectedDashboard
user1@test.com,Pass123,Dashboard User1
user2@test.com,Pass456,Dashboard User2
user3@test.com,Pass789,Dashboard User3
admin@test.com,AdminPass,Dashboard Admin

Aturan CSV:

Header harus ada (nama kolom akan jadi variabel)
Bisa pakai delimiter kustom: ,, ;, |, atau tab
Encoding: default UTF-8, bisa dikonfigurasi
Batas maksimal: 10,000 baris per file

2.2 Format Excel (.xlsx)

csv

Sheet "login":
Email,Password,ExpectedDashboard
user1@test.com,Pass123,Dashboard User1
user2@test.com,Pass456,Dashboard User2

Sheet "registration":
Name,Email,ExpectedSuccess
John Doe,john@test.com,Registration Success
Jane Doe,jane@test.com,Registration Success

Heimdall bisa membaca sheet tertentu atau semua sheet secara bergantian.

2.3 Format JSON

json

[
  {
    "Email": "user1@test.com",
    "Password": "Pass123",
    "ExpectedDashboard": "Dashboard User1"
  },
  {
    "Email": "user2@test.com",
    "Password": "Pass456",
    "ExpectedDashboard": "Dashboard User2"
  },
  {
    "Email": "admin@test.com",
    "Password": "AdminPass",
    "ExpectedDashboard": "Dashboard Admin"
  }
]

Catatan: JSON format harus berupa array of objects.

2.4 Format SQLite

Buat file database SQLite:

sql

-- users.db
CREATE TABLE users (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    Email TEXT NOT NULL,
    Password TEXT NOT NULL,
    ExpectedDashboard TEXT NOT NULL
);

INSERT INTO users (Email, Password, ExpectedDashboard) VALUES
('user1@test.com', 'Pass123', 'Dashboard User1'),
('user2@test.com', 'Pass456', 'Dashboard User2'),
('user3@test.com', 'Pass789', 'Dashboard User3'),
('admin@test.com', 'AdminPass', 'Dashboard Admin');

Jalankan query dari Heimdall:

heim

GUNAKAN DATA "sqlite:///path/to/users.db?query=SELECT * FROM users" SEBAGAI "row"
...
SELESAI GUNAKAN DATA

2.5 Lokasi Dataset

Simpan dataset di folder proyek:

text

my-heidmall-project/
├── datasets/
│   ├── user_credentials.csv
│   ├── products.xlsx
│   ├── user_profiles.json
│   └── users.db
├── tests/
│   ├── login_test.heim
│   └── ...
└── ...

Langkah 3: Menggunakan Keyword `GUNAKAN DATA`

Keyword GUNAKAN DATA mengulang blok kode untuk setiap baris dataset.

3.1 Syntax Dasar

heim

GUNAKAN DATA "user_credentials" SEBAGAI "row"
Ketik "row.Email" pada kolom "Email"
Ketik "row.Password" pada kolom "Password"
Ketuk tombol "Login"
Tunggu sampai muncul teks "row.ExpectedDashboard"
SELESAI GUNAKAN DATA

3.2 Aturan Penulisan

Aturan	Contoh
Source ID diapit kutip ganda	`"user_credentials"`
Alias variabel bebas	`SEBAGAI "row"` atau `SEBAGAI "u"`
Akses kolom via dot notation	`"row.Email"`, `"u.Password"`
Blok diakhiri `SELESAI GUNAKAN DATA`	Wajib ada

Buat dataset datasets/user_credentials.csv:

csv

Email,Password,ExpectedDashboard
user1@test.com,Pass123,Dashboard User1
user2@test.com,Pass456,Dashboard User2
admin@test.com,AdminPass,Dashboard Admin

Buat file tests/login_ddt.heim:

heim

# =========================================
# TEST: Data-Driven Login Test
# Dataset: user_credentials.csv
# =========================================

# FITUR: Login dengan Multiple User
GUNAKAN DATA "datasets/user_credentials.csv" SEBAGAI "row"
Buka aplikasi "com.example.app"
Ketik "row.Email" pada kolom "Email"
Ketik "row.Password" pada kolom "Password"
Ketuk tombol "Login"
Tunggu sampai muncul teks "row.ExpectedDashboard"
Pastikan muncul teks "row.ExpectedDashboard"
SELESAI GUNAKAN DATA

Jalankan:

bash

heimdall run tests/login_ddt.heim

Output yang diharapkan:

✓ Iterasi 1/3
  row.Email=user1@test.com, row.Password=Pass123
  ✓ Login berhasil → Dashboard User1

✓ Iterasi 2/3
  row.Email=user2@test.com, row.Password=Pass456
  ✓ Login berhasil → Dashboard User2

✓ Iterasi 3/3
  row.Email=admin@test.com, row.Password=AdminPass
  ✓ Login berhasil → Dashboard Admin

RESULT: PASSED (3/3 iterasi)

Langkah 4: Menggunakan Keyword `ULANGI`

Keyword ULANGI adalah alternatif untuk GUNAKAN DATA yang lebih ringkas untuk loop sederhana.

4.1 Syntax Dasar

heim

ULANGI "row" DARI DATA "user_credentials"
Ketik "row.Email" pada kolom "Email"
SELESAI ULANGI

heim

# =========================================
# TEST: Data-Driven Login - ULANGI
# =========================================

# FITUR: Login Iteratif
ULANGI "row" DARI DATA "datasets/user_credentials.csv"
Buka aplikasi "com.example.app"
Ketik "row.Email" pada kolom "Email"
Ketik "row.Password" pada kolom "Password"
Ketuk tombol "Login"
Tunggu sampai muncul teks "row.ExpectedDashboard"
Pastikan muncul teks "row.ExpectedDashboard"
SELESAI ULANGI

4.3 Perbedaan GUNAKAN DATA vs ULANGI

Aspek	GUNAKAN DATA	ULANGI
Scope	Menutup seluruh blok test	Loop di dalam satu test
Result reporting	Setiap iterasi punya report tersendiri	All iterasi dalam satu result
Use case	Test case lengkap per data	Reusable step yang diulang
Syntax	Lebih formal dan eksplisit	Lebih ringkas

4.4 Contoh ULANGI untuk Web

heim

# =========================================
# TEST: Data-Driven Web Search
# =========================================

ULANGI "query" DARI DATA "datasets/search_queries.json"
Buka halaman "https://example.com"
Ketik "query" pada kolom "Search"
Ketuk tombol "Search"
Tunggu sampai muncul teks "query"
SELESAI ULANGI

Dataset datasets/search_queries.json:

json

["Heimdall", "QA Automation", "Visual Regression", "Data-Driven Testing"]

Langkah 5: Format Dataset Lengkap

5.1 CSV dengan Multiple Column Types

csv

# products.csv
Name,Price,InStock,Rating,ReleaseDate
Keyboard Mech,1500000,true,4.8,2024-01-10
Mouse Gaming,850000,true,4.5,2024-02-01
Monitor 4K,4500000,false,4.9,2023-12-15

5.2 Excel (.xlsx) dengan Multiple Sheets

csv

Sheet "login_credentials":
Email,Password,Role
admin@test.com,AdminPass,admin
user@test.com,UserPass,user

Sheet "registration_data":
Name,Email,Phone
Alice,alice@test.com,081234567890
Bob,bob@test.com,089876543210

5.3 JSON Array of Objects

json

[
  {
    "username": "alice",
    "email": "alice@example.com",
    "age": 28,
    "isActive": true,
    "tags": ["qa", "automation"]
  },
  {
    "username": "bob",
    "email": "bob@example.com",
    "age": 35,
    "isActive": false,
    "tags": ["dev", "lead"]
  }
]

5.4 SQLite dengan Query Kustom

heim

# Database dengan query yang kompleks
GUNAKAN DATA "sqlite:///datasets/orders.db?query=SELECT * FROM orders WHERE status='active'" SEBAGAI "order"
Ketik "order.orderId" pada kolom "Order ID"
Ketik "order.customerName" pada kolom "Customer"
SELESAI GUNAKAN DATA

Langkah 6: Analisa Hasil DDT

6.1 Laporan Iterasi

Setiap iterasi dalam DDT menghasilkan report tersendiri:

json

{
  "summary": {
    "passed": 2,
    "failed": 1,
    "skipped": 0,
    "total": 3
  },
  "results": [
    {
      "testCase": "login_ddt.heim",
      "dataRow": 1,
      "data": {"Email": "user1@test.com", "Password": "Pass123"},
      "status": "passed",
      "duration": "12.34s"
    },
    {
      "testCase": "login_ddt.heim",
      "dataRow": 2,
      "data": {"Email": "user2@test.com", "Password": "Pass456"},
      "status": "passed",
      "duration": "11.87s"
    },
    {
      "testCase": "login_ddt.heim",
      "dataRow": 3,
      "data": {"Email": "admin@test.com", "Password": "AdminPass"},
      "status": "failed",
      "duration": "15.21s",
      "error": "Expected 'Dashboard Admin' but found 'Login Error'"
    }
  ]
}

6.2 Kolom Khusus di Report DDT

Kolom	Deskripsi
`testCase`	Nama file test
`dataRow`	Nomor baris data (1-based)
`data`	Isi data baris tersebut
`status`	`passed`/`failed`/`skipped`
`duration`	Waktu eksekusi iterasi
`error`	Pesan error jika gagal

6.3 Melihat Hasil di Console

bash

heimdall run login_ddt.heim

Output:

╔══════════════════════════════════════════════════════════════╗
║ ITERASI 1/3 - Row 1                                          ║
║ Email=user1@test.com, Password=Pass123                       ║
║ ✓ Buka aplikasi                                              ║
║ ✓ Ketik email                                                 ║
║ ✓ Ketik password                                              ║
║ ✓ Ketuk tombol Login                                          ║
║ ✓ Pastikan muncul teks Dashboard User1                        ║
║ → PASSED (4.12s)                                             ║
╠══════════════════════════════════════════════════════════════╣
║ ITERASI 2/3 - Row 2                                          ║
║ Email=user2@test.com, Password=Pass456                       ║
║ → PASSED (3.98s)                                             ║
╠══════════════════════════════════════════════════════════════╣
║ ITERASI 3/3 - Row 3                                          ║
║ Email=admin@test.com, Password=AdminPass                     ║
║ ✗ Pastikan muncul teks Dashboard Admin                        ║
║   Expected: "Dashboard Admin"                                 ║
║   Found: "Login Error"                                        ║
║ → FAILED (5.34s)                                             ║
╠══════════════════════════════════════════════════════════════╣
║ SUMMARY: 2 passed, 1 failed, 0 skipped                       ║
╚══════════════════════════════════════════════════════════════╝

Langkah 7: DDT untuk Web dan Android

7.1 DDT untuk Web

heim

# =========================================
# TEST: Data-Driven Web Registration
# Dataset: registrations.csv
# =========================================

# FITUR: Registrasi Multiple User
ULANGI "row" DARI DATA "datasets/registrations.csv"
Buka halaman "https://example.com/register"
Ketik "row.Name" pada kolom "Full Name"
Ketik "row.Email" pada kolom "Email"
Ketik "row.Phone" pada kolom "Phone"
Ketuk tombol "Register"
Tunggu sampai muncul teks "row.ExpectedMessage"
Pastikan muncul teks "row.ExpectedMessage"
SELESAI ULANGI

Dataset datasets/registrations.csv:

csv

Name,Email,Phone,ExpectedMessage
Alice,alice@test.com,081234567890,Registration Success
Bob,bob@test.com,089876543210,Registration Success
Charlie,charlie@test.com,087765432100,Email Already Exists

7.2 DDT untuk Android (dengan Multiple Apps)

heim

# =========================================
# TEST: Data-Driven Login dengan Multiple Package
# Dataset: app_logins.csv
# =========================================

# FITUR: Login di Berbagai Aplikasi
ULANGI "app" DARI DATA "datasets/app_logins.csv"
Buka aplikasi "row.Package"
Ketik "row.Username" pada kolom "Username"
Ketik "row.Password" pada kolom "Password"
Ketuk tombol "Login"
Tunggu sampai muncul teks "row.HomeIndicator"
Pastikan muncul teks "row.HomeIndicator"
SELESAI ULANGI

Dataset datasets/app_logins.csv:

csv

Package,Username,Password,HomeIndicator
com.app1.example,alice,pass123,Home
com.app2.example,bob,pass456,Dashboard
com.app3.example,admin,admin99,Main Menu

Langkah 8: Konfigurasi DDT

8.1 File Konfigurasi DDT

Buat file data-driven-config.yml:

yaml

# data-driven-config.yml

# Limit baris per file untuk proteksi memori
maxRowsPerFile: 10000

# Format yang didukung
supportedFormats:
  - csv
  - xlsx
  - json
  - sqlite

# Default format
defaultFormat: csv

# Auto detect encoding
autoDetectEncoding: true

# Cache dataset untuk mempercepat load
cache:
  enabled: true
  ttl: 3600  # detik

# CSV Specific
csv:
  delimiter: ","        # auto, comma, semicolon, tab, pipe
  encoding: "utf-8"     # auto-detect jika null
  hasHeader: true        # true untuk CSV dengan header

# Excel Specific
xlsx:
  sheetName: null       # null = sheet pertama, atau "Sheet1"
  headerRow: 1

# JSON Specific
json:
  rootPath: null        # null = array langsung, atau "data.users"

# SQLite Specific
sqlite:
  queryTimeout: 30      # detik
  maxRows: 10000

8.2 Load Dataset via Config

Buat file datasets.yml:

yaml

datasets:
  - id: "user_credentials"
    source: "datasets/user_credentials.csv"
    format: csv
    delimiter: ","
    hasHeader: true
    encoding: utf-8

  - id: "web_users"
    source: "datasets/users.json"
    format: json

  - id: "sqlite_users"
    source: "datasets/users.db"
    format: sqlite
    query: "SELECT * FROM users WHERE active=1"

Gunakan dalam script:

heim

# Memuat dataset dari datasets.yml
GUNAKAN DATA "user_credentials" SEBAGAI "row"
Ketik "row.Email" pada kolom "Email"
SELESAI GUNAKAN DATA

Langkah 9: Conditional Logic dalam DDT

9.1 Kondisi Berdasarkan Data

heim

# =========================================
# TEST: Conditional DDT
# =========================================

# FITUR: Conditional Login
ULANGI "row" DARI DATA "datasets/user_credentials.csv"
Buka aplikasi "com.example.app"

# Jika role adalah admin, lakukan aksi khusus
JIKA "row.Role" SAMA DENGAN "admin" MAKA
  Ketuk tombol "Admin Panel"
SELESAI JIKA

Ketik "row.Email" pada kolom "Email"
Ketik "row.Password" pada kolom "Password"
Ketuk tombol "Login"
SELESAI ULANGI

9.2 Skip Row Tertentu

heim

# =========================================
# TEST: Skip Row dengan "skip" flag
# =========================================

ULANGI "row" DARI DATA "datasets/user_credentials.csv"

LEWATI JIKA "row.skip" SAMA DENGAN "true"

Buka aplikasi "com.example.app"
Ketik "row.Email" pada kolom "Email"
Ketuk tombol "Login"
SELESAI ULANGI

Dataset:

csv

Email,Password,skip
user1@test.com,Pass123,false
user2@test.com,Pass456,false
broken@test.com,Pass789,true
admin@test.com,AdminPass,false

Langkah 10: DDT dengan Report Export

10.1 Export DDT Report

bash

# Export report JSON dengan detail per iterasi
heimdall run login_ddt.heim --report json --output ./reports/ddt/

10.2 Export JUnit XML untuk CI/CD

bash

# Export JUnit XML untuk integrasi CI/CD
heimdall run login_ddt.heim --report junit-xml --output ./reports/ddt/

Output junit-report.xml akan berisi test case terpisah per iterasi:

xml

<testsuite name="login_ddt" tests="3" failures="1" errors="0" skipped="0">
  <testcase name="login_ddt.heim [row=1]" classname="login_ddt" time="4.12">
    <passed/>
  </testcase>
  <testcase name="login_ddt.heim [row=2]" classname="login_ddt" time="3.98">
    <passed/>
  </testcase>
  <testcase name="login_ddt.heim [row=3]" classname="login_ddt" time="5.34">
    <failure message="Expected 'Dashboard Admin' but found 'Login Error'">...</failure>
  </testcase>
</testsuite>

Troubleshooting Data-Driven Testing

Problem: `Dataset not found` atau `Dataset tidak ditemukan`

Penyebab: Path file dataset salah atau file tidak ada.

Solusi:

bash

# Cek path dataset
ls ./datasets/user_credentials.csv

# Gunakan path absolut jika perlu
heimdall run login_ddt.heim --dataset "/full/path/to/user_credentials.csv"

Problem: `Unsupported format` atau `Format tidak didukung`

Penyebab: Ekstensi file dataset tidak dikenali.

Solusi:

Pastikan ekstensi file benar: .csv, .xlsx, .json, atau .db
Cek data-driven-config.yml untuk format yang didukung
Gunakan source ID yang benar jika menggunakan datasets.yml

Problem: `Row limit exceeded` atau `Melebihi batas baris`

Penyebab: File dataset melebihi batas 10,000 baris.

Solusi:

bash

# Split dataset menjadi lebih kecil
# Atau ubah limit di config (jika mesin punya resource cukup)

# data-driven-config.yml
maxRowsPerFile: 20000

Atau split file CSV:

bash

# Split CSV menjadi 2 file (5000 baris masing-masing)
split -l 5000 large_dataset.csv small_dataset_part_

Problem: `Encoding error` atau `Karakter aneh muncul`

Penyebab: Encoding dataset tidak sesuai.

Solusi:

yaml

# data-driven-config.yml
csv:
  encoding: "utf-8"  # atau "latin-1", "cp1252", dll

Atau convert file:

bash

# Convert encoding file
iconv -f WINDOWS-1252 -t UTF-8 old_file.csv > new_file.csv

Problem: `Header not found` atau `Kolom tidak dikenali`

Penyebab: File CSV tidak memiliki header atau format salah.

Solusi:

yaml

# data-driven-config.yml
csv:
  hasHeader: false  # jika tidak ada header, kolom diakses via index: row[0], row[1]

Atau perbaiki dataset agar ada header:

csv

Email,Password,ExpectedDashboard
user1@test.com,Pass123,Dashboard User1
user2@test.com,Pass456,Dashboard User2

Problem: `Type mismatch` saat bind data

Penyebab: Kolom numerik/boolean dianggap string.

Solusi:

heim

# Cast eksplisit jika perlu
Ketik "row.Age.toString()" pada kolom "Age"

Atau perbaiki dataset agar tipe data konsisten.

Problem: Performance lambat untuk dataset besar

Penyebab: Dataset besar (> 5000 baris) memakan waktu loading.

Solusi:

yaml

# Aktifkan cache
cache:
  enabled: true
  ttl: 3600

# Batasi dataset per run jika perlu
# Split menjadi chunk kecil dan jalankan per chunk

Checklist Data-Driven Testing

[ ] Dataset disiapkan di format yang didukung (CSV/Excel/JSON/SQLite)
[ ] Dataset berisi header kolom yang jelas
[ ] Script test menggunakan GUNAKAN DATA atau ULANGI dengan benar
[ ] Akses kolom via dot notation (row.ColumnName) sesuai header
[ ] Test dijalankan dan setiap iterasi menghasilkan report tersendiri
[ ] Report DDT bisa dibaca dan digunakan untuk analisa
[ ] Baseline untuk DDT sudah dikonfigurasi jika menggunakan visual regression
[ ] Konfigurasi DDT sudah sesuai (limit, encoding, delimiter)

Best Practice Data-Driven Testing

Best Practice	Penjelasan
Nama kolom jelas	Gunakan nama kolom yang deskriptif (`Email`, bukan `E`)
Validasi data	Pastikan data valid sebelum dimasukkan ke form
Pisahkan dataset besar	Jika > 5000 baris, split menjadi beberapa file
Commit baseline data	Simpan sample dataset di Git untuk reproduktibilitas
Gunakan alias deskriptif	`SEBAGAI "user"` lebih jelas dari `SEBAGAI "r"`
Abaikan header noise	Pastikan header hanya satu baris dan sesuai dataset
Document dataset	Tambahkan komentar di script tentang format dataset

Next Steps

Visual Regression Testing - Jalankan visual check untuk setiap iterasi DDT
AI Test Generation - AI untuk generate test dari deskripsi natural
Self-Healing Selector - Auto-healing jika selector berubah
Running Tests - Parallel DDT execution

Tutorial Data-Driven Testing (DDT): Persiapan Dataset CSV/Excel/JSON/SQLite, GUNAKAN DATA, ULANGI, Analisa Hasil ​

Prasyarat ​

Langkah 1: Konsep Data-Driven Testing ​

Analogi Sederhana ​

Manfaat DDT ​

Langkah 2: Menyiapkan Dataset ​

2.1 Format CSV ​

2.2 Format Excel (.xlsx) ​

2.3 Format JSON ​

2.4 Format SQLite ​

2.5 Lokasi Dataset ​

Langkah 3: Menggunakan Keyword GUNAKAN DATA ​

3.1 Syntax Dasar ​

3.2 Aturan Penulisan ​

3.3 Contoh Test Login (CSV) ​

Langkah 4: Menggunakan Keyword ULANGI ​

4.1 Syntax Dasar ​

4.2 Contoh ULANGI untuk Login ​

4.3 Perbedaan GUNAKAN DATA vs ULANGI ​

4.4 Contoh ULANGI untuk Web ​

Langkah 5: Format Dataset Lengkap ​

5.1 CSV dengan Multiple Column Types ​

5.2 Excel (.xlsx) dengan Multiple Sheets ​

5.3 JSON Array of Objects ​

5.4 SQLite dengan Query Kustom ​

Langkah 6: Analisa Hasil DDT ​

6.1 Laporan Iterasi ​

6.2 Kolom Khusus di Report DDT ​

6.3 Melihat Hasil di Console ​

Langkah 7: DDT untuk Web dan Android ​

7.1 DDT untuk Web ​

7.2 DDT untuk Android (dengan Multiple Apps) ​

Langkah 8: Konfigurasi DDT ​

8.1 File Konfigurasi DDT ​

8.2 Load Dataset via Config ​

Langkah 9: Conditional Logic dalam DDT ​

9.1 Kondisi Berdasarkan Data ​

9.2 Skip Row Tertentu ​

Langkah 10: DDT dengan Report Export ​

10.1 Export DDT Report ​

10.2 Export JUnit XML untuk CI/CD ​

Troubleshooting Data-Driven Testing ​

Problem: Dataset not found atau Dataset tidak ditemukan ​

Problem: Unsupported format atau Format tidak didukung ​

Problem: Row limit exceeded atau Melebihi batas baris ​

Problem: Encoding error atau Karakter aneh muncul ​

Problem: Header not found atau Kolom tidak dikenali ​

Problem: Type mismatch saat bind data ​

Problem: Performance lambat untuk dataset besar ​

Checklist Data-Driven Testing ​

Best Practice Data-Driven Testing ​

Next Steps ​

Tutorial Data-Driven Testing (DDT): Persiapan Dataset CSV/Excel/JSON/SQLite, GUNAKAN DATA, ULANGI, Analisa Hasil

Prasyarat

Langkah 1: Konsep Data-Driven Testing

Analogi Sederhana

Manfaat DDT

Langkah 2: Menyiapkan Dataset

2.1 Format CSV

2.2 Format Excel (.xlsx)

2.3 Format JSON

2.4 Format SQLite

2.5 Lokasi Dataset

Langkah 3: Menggunakan Keyword `GUNAKAN DATA`

3.1 Syntax Dasar

3.2 Aturan Penulisan

3.3 Contoh Test Login (CSV)

Langkah 4: Menggunakan Keyword `ULANGI`

4.1 Syntax Dasar

4.2 Contoh ULANGI untuk Login

4.3 Perbedaan GUNAKAN DATA vs ULANGI

4.4 Contoh ULANGI untuk Web

Langkah 5: Format Dataset Lengkap

5.1 CSV dengan Multiple Column Types

5.2 Excel (.xlsx) dengan Multiple Sheets

5.3 JSON Array of Objects

5.4 SQLite dengan Query Kustom

Langkah 6: Analisa Hasil DDT

6.1 Laporan Iterasi

6.2 Kolom Khusus di Report DDT

6.3 Melihat Hasil di Console

Langkah 7: DDT untuk Web dan Android

7.1 DDT untuk Web

7.2 DDT untuk Android (dengan Multiple Apps)

Langkah 8: Konfigurasi DDT

8.1 File Konfigurasi DDT

8.2 Load Dataset via Config

Langkah 9: Conditional Logic dalam DDT

9.1 Kondisi Berdasarkan Data

9.2 Skip Row Tertentu

Langkah 10: DDT dengan Report Export

10.1 Export DDT Report

10.2 Export JUnit XML untuk CI/CD

Troubleshooting Data-Driven Testing

Problem: `Dataset not found` atau `Dataset tidak ditemukan`

Problem: `Unsupported format` atau `Format tidak didukung`

Problem: `Row limit exceeded` atau `Melebihi batas baris`

Problem: `Encoding error` atau `Karakter aneh muncul`

Problem: `Header not found` atau `Kolom tidak dikenali`

Problem: `Type mismatch` saat bind data

Problem: Performance lambat untuk dataset besar

Checklist Data-Driven Testing

Best Practice Data-Driven Testing

Next Steps