Metode Pengujian black box digunakan untuk menguji kesuksesan Modul/fungsi dari aplikasi yang dibangun sebagai indikator output, sehingga dapat diketahui apakah aplikasi sukses berjalan sesuai yang diharapkan. Pengujian ini menguji output sistem dengan input yang diberikan, apakah sesuai dengan yang seharusnya atau tidak. Berikut modul-modul yang di uji:
62 13. Proses Login
Tabel 4.1. Hasil pengujian black box untuk proses login
No. Jenis Input Output yang diharapkan Hasil
1 Pada saat aplikasi pertamakali diakses,
pengguna diberikan link untuk login menggunakan account google. Halaman untuk melakukan pra-poses, pelatihan, pengujian dan pengenalan machine learning citra digital masih non-aktif.
Sukses
2 Pengguna
menekan link Sign In
Aplikasi akan membawa pengguna ke Halaman login google.
Sukses
3 Pengguna
memasukkan user dan password yang benar
Aplikasi akan membawa kembali pengguna ke halaman aplikasi dan halaman-halaman yang tadinya non-aktif menjadi aktif. Aplikasi memberikan link Sign Out.
Sukses
4 Pengguna
memasukkan user dan password yang salah
Halaman login akan tetap meminta memasukkan data yang valid. Halaman-halaman yang non-aktif tidak dapat diaktifkan.
Sukses
5 Pengguna
menekan link Sign Out
Aplikasi akan logout dan kembali menonaktifkan beberapa halaman dan meminta untuk login (link Sign In)
Sukses
Hasil pengujian pada Tabel 4.1. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
14. Memasukkan/unggah data citra untuk pelatihan dan pengujian
Tabel 4.2. Hasil pengujian black box untuk unggah data citra untuk pelatihan dan pengujian
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Choose File
Aplikasi akan menampilkan jendela browse file, dimana pengguna dapat memilih file citra yang akan di unggah untuk latih dan uji
Sukses
2 Pengguna
menekan tombol Upload and Save Data
Aplikasi akan menyimpan file citra ke blobstore yang siap diolah oleh proses selanjutnya .
Sukses
Hasil pengujian pada Tabel 4.2. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
63
15. Proses Normalisasi dan Bag of Words citra digital.
Tabel 4.3. Hasil pengujian black box Normalisasi dan Bag of Words citra digital
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Upload and Save Data
Aplikasi akan mengambil file citra pada blobstore kemudian mengubah ukuran citra menjadi 64x64 pixel. Selanjutnya membagi citra menjadi bag of words 16 bagian sebagai bagian dari data set latih dan uji.
Sukses
2 Pengguna
menekan tombol Recognizing
Aplikasi akan mengambil file citra pada blobstore kemudian mengubah ukuran citra menjadi 64x64 pixel. Selanjutnya membagi citra menjadi bag of words 16 bagian sebagai bagian dari data set pengenalan.
Sukses
Hasil pengujian pada Tabel 4.3. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
16. Penyimpanan data set latih dan uji.
Tabel 4.4. Hasil pengujian black box Penyimpanan data set latih dan uji
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Upload and Save Data
Aplikasi akan menyimpan data set latih dan uji berupa id, relation, url file citra, hasil bag of words 16 bagian dan kelas ke datastore.
Sukses
Hasil pengujian pada Tabel 4.4. memperlihatkan bahwa modul tersebut berjalan sesuai dengan harapan.
64 17. Menampilkan data set latih dan uji
Tabel 4.5. Hasil pengujian black box Menampilkan data set latih dan uji
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Upload and Save Data
Aplikasi akan mengambil data set latih dan uji dari datastore dengan melakukan query sesuai relation. Data yang ditampilkan yaitu: citra digital sesuai url dan diambil dari blobstore, bag of words 16 dan kelas.
Sukses
Hasil pengujian pada Tabel 4.5. memperlihatkan bahwa modul tersebut berjalan sesuai dengan harapan.
18. Memasukkan pengaturan data set latih dan uji
Tabel 4.6. Hasil pengujian black box Memasukkan pengaturan data set latih dan uji
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna memasukkan persentasi data latih
Aplikasi akan membagi data set latih dan uji sesuai persentasi yang diberikan, dimana untuk data set uji didapatkan dari 100% dikurang persentasi yang diberikan oleh user.
Sukses
2 Pengguna memilih jenis algoritma machine learning
Aplikasi akan meneruskan jenis algoritma yang dipilih ke proses pelatihan dan pengujian.
Sukses
Hasil pengujian pada Tabel 4.6. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
65
19. Proses konversi data set menjadi format ARFF
Tabel 4.7. Hasil pengujian black box konversi data set menjadi format ARFF
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Training dan Testing
Aplikasi akan mengambil data set latih dan uji dari datastore kemudian mengkonversi field-field data set menjadi header dan isi data set menjadi data berformat ARFF
Sukses
2 Pengguna
menekan tombol recognizing
Aplikasi akan mengambil data set pengenalan dari datastore kemudian mengkonversi field-field data set menjadi header dan isi data set menjadi data berformat ARFF tanpa kelas
Sukses
Hasil pengujian pada Tabel 4.7. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
20. Proses Pelatihan dan Pengujian algoritma-algoritma machine learning yang digunakan.
Tabel 4.8. Hasil pengujian black box Proses Pelatihan dan Pengujian algoritma-algoritma machine learning yang digunakan
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna menekan tombol Training dan Testing untuk algoritma SVM
Aplikasi melakukan pelatihan dan pengujian pada algoritma Support Vector Machine.
Sukses
2 Pengguna menekan tombol Training dan Testing untuk algoritma Naïve Bayes
Aplikasi melakukan pelatihan dan pengujian algoritma Naïve Bayes.
Sukses
3 Pengguna menekan tombol Training dan Testing untuk algoritma C4.5
Aplikasi melakukan pelatihan dan pengujian algoritma C4.5 Decision Tree
Sukses
4 Pengguna menekan tombol Training dan Testing untuk algoritma KNN
Aplikasi melakukan pelatihan dan pengujian algoritma K-Nearest Neighbor.
Sukses
5 Pengguna menekan tombol Training dan Testing untuk algoritma Logistic Regression
Aplikasi melakukan pelatihan dan pengujian algoritma Logistic Regression.
Sukses
6 Pengguna menekan tombol Training dan Testing untuk algoritma Random Forest
Aplikasi melakukan pelatihan dan pengujian algoritma Random Forest
Sukses
66
Hasil pengujian pada Tabel 4.8. memperlihatkan bahwa modul tersebut berjalan sesuai dengan harapan.
21. Menampilkan hasil pelatihan dan pengujian.
Tabel 4.9. Hasil pengujian black box hasil pelatihan dan pengujian..
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Training dan Testing
Aplikasi akan menampilkan jumlah data set latih dan data set uji, waktu yang dibutuhkan untuk membangun model pelatihan, persentasi keberhasilan pengujian dan confusion matrix
Sukses
Hasil pengujian pada Tabel 4.9. memperlihatkan bahwa modul tersebut berjalan sesuai dengan harapan.
22. Memasukkan/unggah data citra yang akan dikenali.
Tabel 4.10. Hasil pengujian black box untuk unggah data citra yang akan dikenali
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Choose File
Aplikasi akan menampilkan jendela browse file, dimana pengguna dapat memilih file citra yang akan di unggah untuk dikenali
Sukses
2 Pengguna
menekan tombol Recognizing
Aplikasi akan menyimpan file citra ke blobstore yang siap diolah oleh proses selanjutnya.
Sukses
Hasil pengujian pada Tabel 4.10. memperlihatkan bahwa semua sub bagian yang ada pada modul tersebut sudah sesuai dengan harapan.
67
23. Proses pengenalan citra digital sesuai hasil pelatihan.
Tabel 4.11. Hasil pengujian black box untuk Proses pengenalan citra digital sesuai hasil pelatihan
No. Jenis Input Output yang diharapkan Hasil
1 Pengguna
menekan tombol Recognize
Aplikasi akan menggunakan model pelatihan untuk mengenali citra digital yang telah dimasukkan kemudian menampilkannya ke browser.
Sukses
Hasil pengujian pada Tabel 4.11. memperlihatkan bahwa modul tersebut berjalan sesuai dengan harapan.
Setiap bagian dari modul/fungsi pada aplikasi telah sukses melewati tahap pengujian black box. Hal ini menandakan bahwa setiap modul/fungsi aplikasi sudah sesuai dengan harapan. Rekapitulasi hasil pengujian tersebut dapat dilihat pada Tabel 4.12.
Tabel 4.12. Rekapitulasi Hasil Pengujian Black Box Modul/Fungsi Aplikasi
No .
Jenis modul/fungsi yang diuji Jumlah input/output
Hasil
1 Proses Login 5 Sukses
2 Memasukkan/unggah data citra untuk pelatihan dan pengujian
2 Sukses
3 Proses normalisasi dan bag of words citra digital 2 Sukses 4 Penyimpanan data set latih dan uji 1 Sukses 5 Menampilkan data set latih dan uji 1 Sukses 6 Memasukkan pengaturan data set latih dan uji 2 Sukses 7 Proses konversi data set menjadi format ARFF 2 Sukses 8 Proses pelatihan dan pengujian
algoritma-algoritma machine learning yang digunakan
6 Sukses
9 Menampikan hasil pelatihan dan pengujian 1 Sukses 10 Memasukkan / unggah data citra yang akan
dikenali
2 Sukses
11 Proses pengenalan citra digital sesuai hasil pelatihan
1 Sukses
68
Selain pengujian black box untuk modul/fungsi aplikasi tersebut, perlu juga diuji kehandalan aplikasi dalam menerapkan teknologi SaaS menggunakan metode pengujian yang sama. Hal ini akan dibahas pada sub bab berikutnya.