Implementasi Behavior-Driven Development (BDD): Menyusun Skenario Uji AI dan Manajemen Kasus Uji Otomatis via GitHub Issues

●      Memahami konsep BDD dan format Gherkin secara praktis tanpa alat Cucumber.

●      Menggunakan AI untuk menghasilkan skenario BDD berbentuk Given–When–Then.

●      Mendokumentasikan serta mengelola skenario uji BDD pada platform GitHub secara terstruktur.

●      Mengotomatisasi pelacakan dan eksekusi skenario uji menggunakan GitHub Actions.

Peserta menyusun skenario BDD dengan bantuan AI dalam format Given–When–Then untuk sebuah fitur e-commerce. Skenario ini didokumentasikan sebagai issue di GitHub, lalu otomasi verifikasi dilakukan dengan membuat skrip uji atau simulasi sederhana menggunakan GitHub Actions. Praktikum menekankan integrasi BDD dalam workflow CI/CD.

1.    Persiapan

2.    Menyusun Skenario BDD dengan menggunakan AI

●      Ambil user story berikut:

Sebagai pengguna, saya ingin mendapatkan diskon otomatis sebesar 10% saat checkout jika belanja saya ≥ Rp500.000 dan membayar menggunakan ShopeePay.

●      Gunakan AI: Minta AI assistant untuk menghasilkan skenario BDD (Given–When–Then), contoh prompt:

Buatkan skenario Given–When–Then untuk fitur promo otomatis saat checkout minimal Rp500.000 dengan ShopeePay.

●      Review & salin 3 skenario yang dihasilkan AI (minimal 1 positif & 1 negatif) ke format teks.

3.    Dokumentasi Kasus Uji ke GitHub Issues

4.    Automasi Simulasi Uji di GitHub Actions

●      Tambahkan file skrip Python/JavaScript di repo, misal promo_test.py, yang memverifikasi logika (contoh Python untuk diskon):

def promo_price(total, payment):

    if total >= 500_000 and payment.lower() == "shopeepay":

        return total * 0.9

    return total

assert promo_price(500_000, "ShopeePay") == 450_000

assert promo_price(499_999, "ShopeePay") == 499_999

assert promo_price(550_000, "OVO") == 550_000

●      Buat file workflow GitHub Actions .github/workflows/test.yml:

name: Test Promo Logic

on: [push, pull_request]

jobs:

  test:

    runs-on: ubuntu-latest

    steps:

      - uses: actions/checkout@v2

      - name: Set up Python 3.x

        uses: actions/setup-python@v4

        with:

          python-version: '3.x'

      - name: Run Promo Test

        run: python promo_test.py

Tabel Analisis

No.	Aktivitas Praktikum	Kendala/Observasi	Solusi/Perbaikan
1.	Menyusun skenario BDD dengan menggunakan AI
2.	Dokumentasi test case ke issues
3.	Mengimplementasikan skrip logika
4.	Setup GitHub Actions
5.	Automasi & Validasi hasil

 

Output yang Diharapkan

Kriteria Keberhasilan

●      Skenario BDD (Given–When–Then) terdokumentasi di GitHub Issues.

●      Semua kasus terpenuhi: skenario positif dan negatif ada.

●      Skrip otomatisasi pengujian berjalan sukses di GitHub Actions (build status “passed”).

●      Peserta dapat melakukan refleksi dan mengisi tabel analisis.

Petunjuk Troubleshooting

Estimasi Waktu

± 2–2,5 jam