10 Data Uji TERBAIK Generator Alat (2026)

Pernahkah Anda merasa terhambat ketika alat berkualitas buruk memperlambat proses pengujian Anda? Memilih alat yang salah sering kali menghasilkan kumpulan data yang tidak andal, perbaikan manual yang memakan waktu, kesalahan yang sering terjadi dalam alur kerja, dan bahkan ketidakcocokan data yang menghambat keseluruhan proyek. Hal ini juga dapat menyebabkan risiko kepatuhan, cakupan pengujian yang tidak konsisten, pemborosan sumber daya, dan pengerjaan ulang yang tidak perlu. Masalah-masalah ini menimbulkan frustrasi dan menurunkan produktivitas. Di sisi lain, alat yang tepat menyederhanakan proses, meningkatkan akurasi, dan menghemat waktu yang berharga.

aku menghabiskan lebih dari 180 jam meneliti dan membandingkan dengan cermat 40+ alat pembuat data uji Sebelum membuat panduan ini, saya telah memilih 12 opsi paling efektif. Ulasan ini didukung oleh pengalaman langsung saya menggunakan alat-alat ini. Dalam artikel ini, saya akan membagikan fitur-fitur utama, pro dan kontra, serta harganya agar Anda mendapatkan pemahaman yang lebih lengkap. Pastikan Anda membaca sampai akhir untuk memilih yang paling sesuai dengan kebutuhan Anda. Baca lebih banyak…

Data Uji TERBAIK Generator Alat: Pilihan Terbaik!

Data Uji Generator Alat Bantu	Fitur utama	Uji Coba Gratis / Jaminan	Link
EMS Data Generator	Dukungan tipe JSON, migrasi DB, pengkodean data	Uji Coba Gratis 30-hari	Pelajari Lebih Lanjut
Informatica TDM	Penyembunyian data sensitif otomatis, Akselerator pra-bangun, Pelaporan kepatuhan	Tersedia Demo Gratis	Pelajari Lebih Lanjut
dua kali lipat	Pengawasan yang kuat, Integrasi API basis data, Tata kelola data	Hubungi Kami	Pelajari Lebih Lanjut
Broadcom EDMS	Pemindaian PII Terpadu, Penyamaran yang Dapat Diskalakan pada Kumpulan Data Besar, Dukungan untuk Basis Data NoSQL	Hubungi Kami	Pelajari Lebih Lanjut
SAP Test Data Migration Server	Fitur Snapshot, Paralelisasi Pemilihan Data, Pembuatan Active Shell	Hubungi Kami	Pelajari Lebih Lanjut

1) EMS Data Generator

EMS Data Generator adalah alat intuitif yang dirancang untuk menghasilkan data sintetis di beberapa tabel basis data secara bersamaan. Saya menghargai betapa mudahnya alat ini memungkinkan saya mengonfigurasi kumpulan data acak dan melihat pratinjau hasilnya sebelum digunakan. Kemampuan pembuatan berbasis skema dan dukungan luas untuk tipe data seperti ENUM, SET, dan JSON membuatnya cukup fleksibel untuk menangani beragam kebutuhan pengujian.

Dalam satu contoh, saya memanfaatkan EMS Data Generator untuk menyemai basis data uji selama proyek migrasi, dan menyederhanakan proses tanpa mengorbankan akurasi data. Kemampuan alat ini untuk menghasilkan set data berparameter dan menyimpannya sebagai skrip SQL memastikan pengujian yang lancar, menjadikannya pilihan yang andal bagi administrator basis data dan teknisi QA yang menangani beban kerja kecil maupun tingkat perusahaan.

Fitur:

• Pengkodean Data: Fitur ini memungkinkan Anda menangani berbagai opsi penyandian dengan lancar, yang sangat penting saat bekerja di berbagai lingkungan. Fitur ini mendukung berkas Unicode, sehingga data uji multibahasa pun tercakup tanpa kesulitan. Saya menggunakannya untuk mengelola skrip dengan lancar, dan hasilnya selalu konsisten.
• Instalasi Program: Fitur ini mengemas data uji yang dihasilkan dengan mudah ke dalam paket instalasi, memastikan semuanya tetap terbundel untuk segera digunakan. Saya merasa fitur ini sangat berguna saat menyiapkan lingkungan dengan cepat di sistem baru. Saat menguji fitur ini, satu hal yang saya perhatikan adalah betapa berkurangnya tugas penyiapan yang berulang.
• Migrasi Basis Data: Anda dapat bermigrasi antar sistem basis data dengan mudah tanpa khawatir kehilangan informasi penting. Ini telah membantu saya mentransisikan kumpulan data besar dari MySQL untuk PostgreSQL lancar. Sebaiknya periksa log migrasi secara menyeluruh untuk memverifikasi kompatibilitas skema sebelum menerapkannya ke produksi.
• Dukungan Tipe Data JSON: Mendukung tipe data JSON untuk database populer seperti Oracle 21c, MySQL 8, Firebird 4, dan PostgreSQL 16Hal ini menjadikannya tahan terhadap masa depan untuk aplikasi modern yang mengandalkan penyimpanan dokumen. Dalam satu kasus, saya menggunakannya untuk memvalidasi skenario pengujian API dengan menghasilkan JSON langsung ke dalam basis data.
• Dukungan untuk Tipe Data Kompleks: Selain kolom standar, alat ini juga menangani tipe SET, ENUM, dan GEOMETRY, yang merupakan nilai tambah besar untuk model basis data tingkat lanjut. Saya telah mengujinya saat memodelkan set data berbasis lokasi, dan hasilnya sempurna tanpa perlu penyesuaian manual.
• Pratinjau dan Edit Data yang Dihasilkan: Fitur ini memungkinkan Anda melihat pratinjau dan memodifikasi data yang dihasilkan sebelum menyelesaikannya, yang menghemat waktu selama proses debug. Alat ini memungkinkan Anda menyimpan hasil edit langsung ke dalam skrip SQL, sehingga memudahkan integrasi ke dalam alur CI/CD. Saya sarankan menggunakan kontrol versi untuk skrip ini guna menjaga reproduktifitas di seluruh proses pengujian.

Harga:

Berikut adalah beberapa paket awal yang ditawarkan oleh EMS Data Generator

EMS Data Generator untuk InterBase/Firebird (Bisnis) + Perawatan 1 Tahun	EMS Data Generator untuk Oracle (Bisnis) + Pemeliharaan 1 Tahun	EMS Data Generator untuk SQL Server (Bisnis) + Pemeliharaan 1 Tahun
$110	$110	$110

Percobaan gratis: 30-hari percobaan

link: https://www.sqlmanager.net/products/datagenerator

---

2) Informatica Test Data Management

Informatica Test Data Management Ini adalah salah satu solusi tercanggih yang pernah saya gunakan untuk pembuatan data sintetis dan perlindungan yang tangguh. Saya terkesan dengan betapa mulusnya otomatisasi identifikasi dan penyembunyian data di seluruh basis data yang kompleks, sehingga saya tidak perlu lagi melakukan pemeriksaan manual yang memakan waktu. Kemampuan untuk menyembunyikan data sensitif sambil tetap menjaga integritas skema memberi saya keyakinan dalam memenuhi persyaratan kepatuhan tanpa memperlambat proyek.

Saya merasa sangat terbantu ketika menyiapkan set data berparameter untuk kasus uji otomatis, karena memungkinkan saya membuat subset tanpa membebani infrastruktur secara berlebihan. Pendekatan ini tidak hanya meningkatkan kinerja tetapi juga membuat siklus pengujian lebih cepat dan lebih hemat biaya. Informatica TDM benar-benar unggul ketika menangani data produksi sensitif yang perlu disamarkan dan diubah penggunaannya untuk lingkungan pengujian yang aman.

Fitur:

• Identifikasi Data Otomatis: Fitur ini dengan cepat mengidentifikasi data sensitif di berbagai basis data, sehingga pengelolaan kepatuhan dan keamanan menjadi jauh lebih mudah. ​​Fitur ini terus menerapkan masking, memastikan tidak ada data mentah yang terekspos selama pengujian. Saya merasa fitur ini sangat berguna ketika bekerja dengan dataset layanan kesehatan yang mewajibkan kepatuhan HIPAA.
• Subset Data: Anda dapat membuat subset data yang lebih kecil dan bernilai tinggi yang mempercepat eksekusi pengujian sekaligus menurunkan biaya infrastruktur. Ini sangat berguna untuk pengujian regresi, di mana pengujian berulang membutuhkan akses cepat ke set data yang konsisten. Saat menggunakan ini, saya perhatikan siklus pengujian menjadi lebih efisien, dengan beban sistem yang berkurang.
• Akselerator Pra-Rancangan: Dilengkapi dengan akselerator masking bawaan untuk elemen data umum, membantu Anda tetap patuh tanpa perlu mengulang-ulang hal yang sudah ada. Akselerator ini menghemat waktu dan meningkatkan keandalan saat menangani bidang rahasia seperti nomor jaminan sosial atau detail kartu. Saya sarankan untuk mengeksplorasi opsi kustomisasi untuk format data spesifik industri guna memaksimalkan nilai.
• Pemantauan & Pelaporan: Fitur ini menyediakan pemantauan terperinci dan pelaporan siap audit untuk risiko dan kepatuhan. Hal ini melibatkan tim tata kelola secara langsung, yang membantu menyelaraskan QA dengan kebijakan data perusahaan. Saya merekomendasikan penjadwalan laporan otomatis dalam alur CI/CD agar pemeriksaan kepatuhan menjadi bagian dari pengujian sehari-hari, alih-alih upaya mendadak.
• Tata Kelola Data Terpadu: Hal ini memastikan penerapan kebijakan yang konsisten di seluruh perusahaan, sehingga mengurangi risiko kepatuhan. Saya telah menyaksikan bagaimana hal ini membantu organisasi besar menghindari silo sekaligus menjaga keakuratan dan keandalan data.
• Kecerdasan Data Otomatis: Sistem ini memanfaatkan otomatisasi berbasis AI untuk memberikan wawasan berkelanjutan tentang penggunaan, garis keturunan, dan kualitas data. Hal ini tidak hanya meningkatkan transparansi tetapi juga mempercepat pengambilan keputusan. Saat mengujinya, saya menyadari bahwa sistem ini secara signifikan mengurangi upaya manual dalam melacak asal dan transformasi data.

Harga:

• Harga: Anda dapat meminta penjualan untuk penawaran harga
• Percobaan gratis: Anda mendapatkan Demo Gratis

link: https://www.informatica.com/in/products/data-security/test-data-management.html

---

3) Ganda

Doble menonjol sebagai pilihan praktis bagi organisasi yang membutuhkan manajemen data uji terstruktur. Ketika saya menggunakannya untuk mengelola kumpulan data acak yang besar di seluruh departemen, saya menyadari betapa lancarnya pengujian. Alat ini memudahkan pembersihan, konversi, dan pengkategorian data, memastikan akurasi saat menangani beragam rencana pengujian. Kemampuannya untuk terintegrasi dengan API dan perangkat intelijen bisnis memberikan nilai tambah yang nyata dalam alur kerja pengujian sehari-hari.

Saya mengapresiasi bagaimana Doble menyederhanakan pengujian tingkat lapangan dengan mengkonsolidasikan hasil ke dalam folder logis, sehingga mengurangi kebingungan akibat kumpulan data yang tersebar. Setelah merasakan keandalannya dalam mengelola data produksi yang tersamar, saya rasa Doble sangat berguna bagi tim yang memprioritaskan konsistensi dan tata kelola data sekaligus mengurangi beban kerja pengorganisasian manual.

Fitur:

• Mengelola Data: Fitur ini memungkinkan Anda mengelola beragam tipe data uji, seperti SFRA dan DTA, secara konsisten. Fitur ini membantu menjaga produktivitas di seluruh proyek dan mendukung pembuatan berbasis skema jika diperlukan. Saya pribadi telah menggunakannya untuk membuat templat yang terorganisir dan dapat digunakan kembali yang mengurangi upaya manual.
• Pengawasan yang Kuat: Ini memberikan pengawasan pengawasan untuk menegakkan standar tata kelola data yang kuat. Ini tidak hanya mengurangi proses yang berlebihan tetapi juga meningkatkan alur kerja yang ramah kepatuhan. Saat mengujinya, saya memperhatikan betapa baiknya integrasinya ke dalam alur kerja DevOps tingkat perusahaan, sehingga memudahkan untuk mendeteksi inefisiensi sebelum meningkat.
• Tata Kelola Data: Fitur ini memastikan penyimpanan dan pencadangan yang logis, menjaga data uji tetap terstruktur dan mudah diakses. Fitur ini membangun keandalan dalam skenario pengujian kinerja dan regresi. Saya sarankan untuk memanfaatkan fitur ini saat bekerja dengan data produksi yang disamarkan, karena fitur ini menyederhanakan audit sekaligus menjaga keamanan tetap terjaga.
• API Basis Data: API Database menyediakan lapisan layanan yang fleksibel untuk mengambil data uji dan hasil analitis seperti skor FRANK™. API ini mendukung integrasi dengan perangkat BI, sehingga memungkinkan alur pelaporan yang siap untuk otomatisasi. Saya sarankan menggunakan API ini untuk dukungan CI/CD di mana wawasan data perlu tersedia secara terus-menerus.
• Proses Standar: Fitur ini berfokus pada penghapusan proses manual dan redundan dengan menstandardisasi cara pengumpulan dan penyimpanan data. Fitur ini memungkinkan kompatibilitas lintas platform dan mengurangi risiko alur kerja yang terfragmentasi. Saya telah menyaksikannya menghemat waktu selama upaya validasi perangkat lunak skala besar di mana cakupan kasus khusus sangat penting.
• Sumber Daya Pengetahuan & Pelatihan: Doble menyediakan akses ke panduan dan pelatihan terstruktur yang membantu tim mengadopsi praktik terbaik. Hal ini memastikan konsistensi dalam cara mengelola data uji lintas departemen. Selain itu, saya perhatikan bahwa materi pembelajaran yang disesuaikan membuat adopsi lebih cepat, bahkan di lingkungan yang mendukung agile.

Harga:

• Harga: Anda dapat meminta penjualan untuk penawaran harga
• Percobaan gratis: Anda meminta Demo

link: https://www.doble.com/product/test-data-management/

---

4) Broadcom EDMS

Broadcom EDMS adalah platform canggih untuk pembuatan data uji yang menurut saya sangat efektif dalam membangun dataset berbasis skema dan berbasis aturan. Saya menyukai bagaimana platform ini memungkinkan saya mengekstrak dan menggunakan kembali data bisnis sambil menerapkan aturan masking yang menjaga informasi sensitif tetap terlindungi. Fungsi subsetnya—seperti hapus, sisipkan, dan potong—menawarkan kontrol yang presisi atas pembuatan dataset, yang membuat pengujian lebih adaptif.

Dalam satu skenario, saya menggunakannya untuk menghasilkan set data acak untuk pengujian API, memastikan kasus-kasus khusus tercakup tanpa mengekspos data produksi. Deteksi sumber rahasia secara luas, dikombinasikan dengan opsi penjadwalan, mempermudah pemeliharaan kepatuhan sekaligus mempercepat kasus uji otomatis. Broadcom EDMS unggul dalam menyeimbangkan keamanan tingkat tinggi dengan fleksibilitas dalam persiapan data.

Fitur:

• Asisten Data Plus: Fitur ini menciptakan data sintetis berbasis skema yang realistis menggunakan algoritma berbasis aturan yang meniru logika produksi tanpa mengungkap informasi sensitif. Saya telah menyaksikannya mempercepat kesiapan kasus uji dengan memungkinkan penguji mensimulasikan kondisi kesalahan yang jarang terjadi tanpa menunggu data produksi.
• Alur Kerja Pemindaian, Masker, Audit PII Terpadu: Layanan ini menemukan, mengklasifikasikan, dan menangani PII dengan aman melalui alur kerja yang lancar—memindai, menyamarkan, lalu mengaudit kepatuhan. Layanan ini memastikan kepatuhan terhadap hukum privasi seperti GDPR/HIPAA, menjadikan data patuh dan aman sebelum digunakan untuk pengujian.
• Masking yang Dapat Diskalakan pada Kumpulan Data Besar: Mendukung masking data bervolume besar dengan overhead konfigurasi minimal. Dapat menskalakan pekerjaan masking secara horizontal (misalnya, pada klaster Kubernetes), mengalokasikan sumber daya secara otomatis berdasarkan volume, lalu menghapusnya setelah digunakan.
• Dukungan untuk Basis Data NoSQL: Anda sekarang dapat menerapkan praktik manajemen data uji (masking, pembuatan sintetis, dll.) untuk NoSQL platform suka MongoDB, CassandraBigQueryHal ini memperluas penerapannya di luar sistem relasional. Saya telah menggunakan ini di lingkungan di mana kombinasi basis data relasional dan dokumen menyebabkan penundaan. Dengan demikian, memiliki satu alat yang mencakup keduanya meningkatkan reproduktifitas dan kemudahan integrasi.
• Portal Layanan Mandiri & Reservasi Data: Penguji dapat menggunakan portal untuk meminta dan memesan set data tertentu (misalnya, operasi pencarian & pemesanan) tanpa menyalin seluruh set produksi. Hal ini membantu mengurangi waktu tunggu dan menghindari duplikasi data yang tidak perlu.
• Integrasi CI/CD dan DevOps Pipeline: Alat ini mendukung penyematan penyediaan data uji, pembuatan data sintetis, masking, dan operasi subset data ke dalam alur CI/CD. Alat ini menggeser TDM ke "kiri"—yaitu ke fase desain dan pengembangan—sehingga siklus pengujian lebih pendek dan pengujian tidak lagi menjadi hambatan.

Harga:

• Harga: Anda dapat terhubung dengan bagian penjualan untuk mendapatkan penawaran harga
• Percobaan gratis: Anda meminta Demo

link: https://www.broadcom.com/products/software/app-dev/test-data-manager

---

5) SAP Test Data Migration Server

SAP Test Data Migration Server adalah solusi yang dapat diandalkan untuk menghasilkan dan memigrasikan data yang realistis SAP Data uji lintas sistem. Saya merasakan dampaknya terutama saat menangani skenario pengujian skala besar karena menyederhanakan alur kerja saya sekaligus memastikan kepatuhan terhadap standar privasi data. Pengacakan informasi sensitif yang terintegrasi memberi saya keyakinan bahwa data uji mencerminkan data produksi dengan aman.

Dalam praktiknya, saya menggunakannya untuk mereplikasi set data kompleks untuk lingkungan pelatihan, yang secara drastis mengurangi waktu penyiapan dan biaya infrastruktur. Fitur-fitur seperti paralelisasi pemilihan data dan pembuatan shell aktif membuat prosesnya sangat efisien, memungkinkan saya untuk melakukan kasus uji otomatis dengan data produksi yang disamarkan dan mensimulasikan pengujian menyeluruh dalam waktu singkat.

Fitur:

• Fitur Cuplikan: Fitur ini memungkinkan Anda mengambil snapshot logis dari volume data, memberikan tampilan yang andal tentang status penyimpanan tertentu. Fitur ini membantu mereproduksi lingkungan yang konsisten untuk pengujian dan pelatihan tanpa menduplikasi seluruh set data. Saya telah menggunakannya untuk menyederhanakan pengujian regresi, dan ini sangat menghemat waktu.
• Paralelisasi Pemilihan Data: Ini memungkinkan Anda untuk menjalankan beberapa pekerjaan batch secara bersamaan saat memilih data. Hal ini mempercepat proses migrasi dan memastikan pembuatan data uji skala besar lebih efisien. Saya merekomendasikan penggunaan pembagian tugas yang lebih kecil saat menangani data kompleks. SAP lanskap untuk menghindari kemacetan.
• Membuat Peran Pengguna: Anda dapat menentukan akses berbasis peran di seluruh pohon proses migrasi data. Ini memastikan bahwa penguji dan pengembang hanya melihat data yang mereka butuhkan, sehingga meningkatkan keamanan dan kepatuhan. Saat menggunakan ini, satu hal yang saya perhatikan adalah betapa sederhananya audit selama siklus pengujian.
• Pembuatan Shell Aktif: Fungsionalitas ini memungkinkan penyalinan data aplikasi dari satu SAP sistem ke sistem lain menggunakan proses penyalinan sistem inti. Ini sangat berguna untuk menyiapkan sistem pelatihan dengan cepat. Saya mengujinya dalam sebuah proyek di mana klien membutuhkan beberapa lingkungan sandbox, dan ini secara drastis mengurangi waktu penyediaan.
• Pengacakan Data: Alat ini mencakup opsi pengacakan data yang canggih untuk menganonimkan data bisnis sensitif selama transfer. Alat ini membantu organisasi tetap patuh terhadap GDPR dan peraturan privasi lainnyaAnda akan melihat betapa fleksibelnya aturan pengacakan, terutama saat menyesuaikannya dengan data keuangan dan SDM.
• Migrasi Data Lintas Sistem: Mendukung transfer data uji lintas pusat data yang tidak terhubung, sehingga sangat berharga bagi perusahaan global. Fitur ini sangat berguna bagi tim yang mengerjakan integrasi berkelanjutan dan pipeline DevOps dengan lingkungan yang tersebar di seluruh dunia. Saya menyarankan penjadwalan migrasi selama periode lalu lintas rendah untuk memastikan kinerja optimal.

Harga:

• Harga: Anda dapat terhubung dengan bagian penjualan untuk mendapatkan penawaran harga
• Percobaan gratis: Anda meminta Demo

link: https://help.sap.com/docs/SAP_TEST_DATA_MIGRATION_SERVER

---

6) Upscene – Advanced Data Generator

Upscene – Advanced Data Generator Unggul dalam menciptakan set data uji berbasis skema yang realistis untuk basis data. Saya sangat terkesan dengan betapa intuitifnya antarmuka saat merancang model data dan menerapkan batasan di seluruh tabel terkait. Dalam hitungan menit, saya dapat menghasilkan set data acak yang terasa cukup autentik untuk memvalidasi kinerja kueri dan melakukan uji stres pada basis data saya.

Saat mengerjakan proyek yang memerlukan pengujian stres sebelum penerapan, Upscene membantu saya menghasilkan kumpulan data berparameter Disesuaikan dengan skenario spesifik tanpa upaya manual. Dukungannya terhadap berbagai tipe data dan makro memastikan saya memiliki fleksibilitas penuh dalam membangun alur kerja pembuatan data sintetis, yang pada akhirnya meningkatkan cakupan pengujian dan proses validasi otomatis.

Fitur:

• Antarmuka yang Mendukung HiDPI: Pembaruan ini meningkatkan aksesibilitas dengan ikon bilah alat yang lebih besar, font yang lebih kecil, dan visual yang lebih tajam, sehingga jauh lebih mudah digunakan pada layar beresolusi tinggi modern. Anda akan merasakan bahwa sesi pengujian yang panjang pun terasa lebih lancar karena berkurangnya beban saat menavigasi kumpulan data.
• Perpustakaan Data yang Diperluas: Kini mencakup data nama, jalan, dan kota dalam bahasa Prancis, Jerman, dan Italia, yang memperluas kemampuan Anda untuk mensimulasikan skenario pengguna global. Hal ini sangat berharga jika perangkat lunak Anda membutuhkan kumpulan data yang ramah kepatuhan untuk pasar multibahasa. Saya menggunakan pustaka ini untuk memvalidasi validasi formulir di aplikasi SDM lintas wilayah, dan hasilnya terasa sangat mudah.
• Logika Pembuatan Data Lanjutan: Anda sekarang dapat menghasilkan nilai di beberapa lintasan, terapkan makro untuk membuat keluaran yang kompleks, dan membangun data numerik yang merujuk ke entri sebelumnya. Saat menguji fitur ini, saya merasa sangat baik untuk mensimulasikan kumpulan data statistik dalam skenario pengujian kinerja, terutama saat membangun simulasi berbasis tren.
• Pencadangan Otomatis: Setiap proyek kini diuntungkan dengan fungsi pencadangan otomatis, yang memastikan Anda tidak akan pernah kehilangan konfigurasi atau skrip data uji. Ini memang tambahan kecil, tetapi saya pernah memulihkan pengaturan skema yang tertimpa dalam hitungan menit berkat perlindungan ini—menghemat waktu pengerjaan ulang selama berjam-jam.
• Hasilkan Data yang Masuk Akal: Fitur ini membantu Anda membuat data uji yang realistis dan siap presentasi, serta menghindari penggunaan kata-kata acak yang sering digunakan selama pengujian. Fitur ini mencakup pustaka data yang lengkap dan dukungan multibahasa, sehingga Anda dapat menghasilkan nama, alamat, dan kolom lainnya dalam berbagai lokal. Saya merasa fitur ini sangat berguna saat mempersiapkan lingkungan demo untuk klien yang membutuhkan set data lokal.
• Data Multi-tabel Kompleks: Fitur ini memungkinkan Anda menghasilkan data uji di beberapa tabel yang saling terkait, yang sangat menghemat waktu saat memvalidasi basis data relasional. Fitur ini memastikan konsistensi dalam rekaman yang terhubung, sehingga pengujian regresi dan validasi skema menjadi lebih andal. Saya juga melihat betapa mulusnya fitur ini dalam mempertahankan hubungan kunci asing, sehingga menghilangkan risiko ketidakcocokan rekaman.

Harga:

Berikut adalah beberapa paket yang ditawarkan oleh Upscene:

Data Lanjutan Generator untuk Akses	Data Lanjutan Generator untuk MySQL	Data Lanjutan Generator untuk Firebird
€119	€119	€119

Percobaan gratis: Anda dapat mengunduh versi gratis

link: https://www.upscene.com/advanced_data_generator/

---

7) Mockaroo

Mockaroo adalah alat pembuat data tiruan yang andal dan fleksibel yang dengan cepat menjadi salah satu favorit saya. Saya menghargai betapa mudahnya menghasilkan ribuan baris dalam format seperti JSON, CSV, Excel, atau SQL, yang sangat sesuai dengan kebutuhan pembuatan data uji saya. Pustaka datanya yang luas memungkinkan saya mengonfigurasi pembuatan berbasis skema dengan kontrol presisi atas bidang-bidang seperti alamat, nomor telepon, dan koordinat geografis.

Dalam satu contoh, saya menggunakannya untuk menyemai basis data dengan set data acak untuk pengujian API, yang membantu mengungkap kasus-kasus khusus yang tidak saya antisipasi. Dengan memungkinkan saya merancang API tiruan dan menentukan respons khusus, Mockaroo mempermudah simulasi skenario dunia nyata sambil tetap mengendalikan variabilitas dan kondisi kesalahan.

Fitur:

• Perpustakaan yang Mengejek: Dilengkapi dengan pustaka ekstensif yang mendukung berbagai bahasa pemrograman dan platform. Hal ini membuat integrasi ke dalam pipeline CI/CD atau kerangka kerja otomatisasi menjadi sangat mudah. ​​Saya sarankan untuk menjelajahi opsi berbasis API di sini karena memungkinkan Anda membangun set data berparameter yang dapat digunakan kembali dalam berbagai siklus pengujian regresi. Fleksibilitas ini dapat menghemat waktu berjam-jam untuk pengaturan yang berulang.
• Data Uji Acak: Anda dapat langsung menghasilkan kumpulan data acak di Format CSV, SQL, JSON, atau ExcelSaya menggunakan fitur ini selama proyek pengujian performa, dan secara signifikan mengurangi upaya manual sekaligus menjaga keragaman data. Saat menggunakan fitur ini, satu hal yang saya perhatikan adalah bahwa mengubah pengaturan pengacakan untuk kasus-kasus ekstrem—seperti string yang sangat panjang—membantu mengungkap bug tersembunyi lebih awal.
• Desain Skema Kustom: Fitur ini memungkinkan Anda membuat aturan pembuatan berbasis skema sehingga data mencerminkan struktur produksi Anda yang sebenarnya. Fitur ini sangat berguna untuk seeding basis data dalam sprint agile. Saya ingat pernah membuat skema untuk proyek layanan kesehatan, dan skema ini membuat validasi lebih sesuai dengan model data sensitif tanpa mengekspos data yang sebenarnya.
• Simulasi API: Anda dapat dengan cepat merancang API tiruan, mendefinisikan URL, respons, dan status kesalahan. Ini sangat membantu tim yang menunggu layanan backend karena menjaga pengembangan frontend tetap lancar. Saya sarankan untuk membuat versi titik akhir tiruan Anda secara logis—terutama ketika beberapa pengembang melakukan pengujian secara bersamaan—untuk menghindari konflik dan kebingungan.
• Skalabilitas dan Volume: Mockaroo mendukung pembuatan data volume tinggi untuk pengujian skala besarSaya pernah menggunakannya untuk mensimulasikan lebih dari satu juta baris untuk uji regresi keuangan, dan kecepatan serta keandalannya tetap terjaga. Platform ini siap untuk otomatisasi, artinya Anda dapat mengintegrasikannya ke dalam alur integrasi berkelanjutan dan menyesuaikannya dengan kebutuhan proyek yang terus berkembang.
• Opsi Ekspor Data: Alat ini memungkinkan ekspor dalam berbagai format, memastikan kompatibilitas di seluruh sistem dan kerangka kerja pengujian. Anda akan merasakan betapa praktisnya hal ini ketika beralih antara pengujian berbasis SQL dan kasus uji berbasis Excel. Alat ini memungkinkan Anda menangani skenario lintas platform dengan lancar, yang sangat berharga dalam lingkungan QA tingkat perusahaan.

Harga:

Berikut adalah rencana tahunan Mockaroo:

Silver	Gold	Enterprise
$60	$500	$7500

Percobaan gratis: Anda mendapatkan paket gratis dengan 1000 baris per file

link: https://mockaroo.com/

---

8) GenerateData

GenerateData adalah generator data uji sumber terbuka yang dibangun dengan PHP, MySQL, dan JavaSkrip yang memudahkan pembuatan kumpulan data berbasis skema realistis dalam jumlah besar untuk pengujian. Saya merasa skrip ini sangat berguna ketika saya membutuhkan pembuatan data sintetis yang cepat dalam berbagai format, dari CSV hingga SQL, tanpa mengorbankan struktur atau integritas. Ekstensibilitasnya melalui tipe data kustom memungkinkan pengembang untuk menyesuaikan kumpulan data secara tepat dengan kebutuhan proyek.

Ketika saya menggunakannya untuk membuat basis data untuk kasus uji otomatis, fleksibilitas untuk menentukan pembuatan data berbasis aturan dan menambahkan plugin yang saling terhubung untuk kode pos dan wilayah menghemat waktu berjam-jam untuk pengaturan manual. Dengan antarmuka yang sederhana dan kerangka kerja berlisensi GNU, GenerateData terbukti menjadi pendamping yang andal untuk kumpulan data acak dan pembuatan data berparameter selama siklus pengujian berulang.

Fitur:

• Data yang saling terhubung: Ini memungkinkan Anda menghasilkan nilai-nilai spesifik lokasi seperti kota, wilayah, dan kode pos yang terhubung secara logis. Pendekatan yang saling terhubung ini memastikan pengulangan dan hubungan yang realistis di seluruh set data. Saya menyarankan penggunaan ini saat menguji alur kerja data yang ramah kepatuhan karena sangat mencerminkan kondisi produksi.
• Fleksibilitas Lisensi GNU: Menjadi sepenuhnya berlisensi GNUAlat ini memberikan kebebasan kustomisasi dan distribusi tanpa batasan. Alat ini sangat berguna bagi tim yang menginginkan solusi skalabel dan berkelas perusahaan tanpa terikat vendor. Saya telah mengintegrasikannya ke dalam alur kerja CI/CD di mana alat yang siap untuk otomatisasi sangat penting, dan hasilnya meningkatkan produktivitas secara signifikan.
• Pembuatan Volume Data: Fitur ini memungkinkan Anda menghasilkan kumpulan data bervolume tinggi dalam berbagai format seperti CSV, JSON, atau SQLAnda dapat dengan mudah menyiapkan basis data untuk pengujian regresi atau mensimulasikan pengujian API dalam skala besar. Dengan menggunakannya, saya melihat bahwa menghasilkan kumpulan data besar secara batch dapat mengurangi konsumsi memori dan meningkatkan efisiensi.
• Dukungan Plugin untuk Ekspansi: GenerateData Mendukung penambahan plugin, memungkinkan Anda memperluas fungsionalitasnya dengan set data negara baru atau opsi pembuatan berbasis aturan. Hal ini meningkatkan fleksibilitas dan ketahanan di masa mendatang untuk kasus penggunaan yang unik. Skenario praktisnya adalah membangun lingkungan pengujian yang memerlukan anonimisasi data khusus untuk tim global.
• Ekspor Multi-Format: Anda dapat langsung menghasilkan data uji dalam lebih dari sepuluh format keluaran, termasuk JSON, XML, SQL, CSV, dan bahkan cuplikan kode di Python, C#, atau Ruby. Ini memastikan integrasi yang lancar ke dalam berbagai pipeline DevOps. Saya sarankan untuk mengekspor batch kecil terlebih dahulu saat melakukan pengaturan, agar validasi skema Anda berjalan lancar.
• Penyimpanan & Penggunaan Kembali Kumpulan Data: Terdapat juga opsi yang memungkinkan Anda menyimpan set data di bawah satu akun pengguna, sehingga memudahkan penggunaan kembali konfigurasi di beberapa proyek. Ini mengurangi upaya manual dan memastikan reproduktifitas. Saya telah menggunakan ini dalam lingkungan integrasi berkelanjutan untuk menjaga konsistensi pengujian dari waktu ke waktu.

Harga:

Ini adalah proyek sumber terbuka

link: http://generatedata.com/

---

9) Delphix

Delphix adalah platform yang tangguh untuk pembuatan dan pengelolaan data uji, menyediakan data produksi tersamar dan set data sintetis yang aman untuk mempercepat pengembangan. Yang menonjol bagi saya adalah kemampuannya untuk memvirtualisasikan lingkungan data—memungkinkan untuk menandai, mengatur ulang, dan berbagi versi tanpa gangguan. Saya merasakan dampaknya yang sangat besar ketika mengerjakan kasus uji otomatis paralel di mana kepatuhan terhadap GDPR dan CCPA tidak bisa dinegosiasikan.

Dalam satu skenario, saya menggunakan Delphix untuk menyediakan subset data sesuai permintaan, memastikan integrasi CI/CD yang lebih cepat sekaligus menjaga informasi sensitif melalui algoritma masking yang telah ditentukan sebelumnya. Dukungan API yang dapat diperluas dan sinkronisasi yang lancar dengan berbagai lingkungan pengujian menjadikannya landasan bagi penyemaian basis data yang andal, set data berparameter, dan alur kerja pengiriman berkelanjutan.

Fitur:

• Kesalahan Berbagi Penanda: Fitur ini memudahkan berbagi snapshot lingkungan bermasalah dengan pengembang, yang secara drastis mengurangi waktu debugging. Saya telah menggunakannya selama pengujian regresi, dan ini membantu tim saya mengidentifikasi masalah yang berulang dengan cepat. Saya menyarankan untuk memberi nama bookmark secara logis agar semua orang dapat melacak kesalahan dengan mudah.
• Kepatuhan Data: Ini memastikan informasi sensitif dianonimkan secara konsisten di jutaan baris, selaras dengan GDPR, CCPA, dan peraturan lainnya. Saat menggunakannya dalam proyek keuangan, saya menyadari betapa mulusnya proses masking tanpa merusak hubungan skema. Anda akan melihat bahwa pelaporan kepatuhan menjadi lebih lancar ketika diintegrasikan ke dalam alur kerja audit.
• Dapat Diperluas dan Terbuka: Delphix menyediakan opsi fleksibel dengan UI, CLI, dan API-nya, yang memungkinkan tim untuk mengelola operasi data di berbagai pengaturan. Saya menemukan integrasi dengan jalur CI/CD Sangat ampuh untuk pengujian berkelanjutan. Fitur ini juga mendukung koneksi dengan berbagai alat pemantauan dan manajemen konfigurasi, yang meningkatkan kelincahan dalam alur kerja DevOps.
• Kontrol Versi dan Reset: Saya menyukai caranya Delphix Memungkinkan saya menandai dan mengatur ulang set data ke kondisi sebelumnya, yang meningkatkan pengulangan selama pengujian kinerja. Saya menggunakannya saat melakukan rollback ke baseline yang bersih sebelum menjalankan uji cakupan kasus khusus. Ini menghemat waktu pengerjaan ulang dan memastikan skenario pengujian yang konsisten.
• Data Syncronisasi: Anda dapat menjaga lingkungan pengujian tetap selaras dengan set data produksi tanpa gangguan. Dalam sebuah proyek layanan kesehatan, saya melihat bagaimana data yang tersinkronisasi mengurangi ketidakcocokan antara layanan tiruan dan sistem yang diuji. Konsistensi ini meningkatkan reproduktifitas dan membangun kepercayaan pada hasil pengujian.
• Masking Kustom dan Pra-definisi Algorithms: Dilengkapi dengan teknik masking yang kuat untuk melindungi bidang sensitif sekaligus menjaga kegunaan. Saya sarankan untuk bereksperimen dengan masking berbasis aturan di lingkungan sandbox sebelum menerapkannya pada data produksi, karena ini membantu mengidentifikasi anomali sejak dini. Keseimbangan antara keamanan dan fungsionalitas adalah salah satu keunggulannya.

Harga:

• Harga: Anda dapat menghubungi bagian penjualan untuk mendapatkan Penawaran.
• Percobaan gratis: Pengguna dapat meminta demo

link: https://www.delphix.com/solutions/test-data-management

---

10) Original Software

Original Software membawa pendekatan komprehensif untuk menguji pembuatan data dengan mendukung keduanya pengujian tingkat basis data dan tingkat UISaya mengapresiasi kemampuannya untuk mempertahankan integritas referensial saat membuat subset data uji sintetis, memastikan bahwa set data acak mencerminkan kondisi dunia nyata. Kemampuan alat ini untuk berintegrasi dengan kerangka kerja pengujian lain meningkatkan kualitas keseluruhan dan mengurangi redundansi dalam alur kerja saya.

Saat menangani skenario yang melibatkan pengujian API, saya mengandalkan pelacakan detail penyisipan, pembaruan, dan penghapusan untuk memvalidasi status perantara selama pemrosesan batch. Pembuatan berbasis aturan ini, dikombinasikan dengan metode obfuscation yang kuat untuk data sensitif, memberi saya keyakinan bahwa keamanan dan efisiensi tetap terjaga. Ini adalah pilihan yang tepat bagi tim yang menghargai pembuatan data sintetis yang fleksibel dengan validasi kasus uji otomatis.

Fitur:

• Penyembunyian Data Vertikal: Fitur ini memungkinkan Anda untuk menutupi data sensitif dalam set data produksi atau uji sehingga kerahasiaan tetap terjaga, namun tetap memiliki nilai yang realistis. Fitur ini mendukung penyembunyian selektif berdasarkan kolom atau bidang ("vertikal") sehingga hanya bit yang benar-benar sensitif yang disembunyikan. Saya telah menggunakan alat serupa dan menemukan bahwa aturan penyembunyian yang dapat disesuaikan (misalnya, mempertahankan format, panjang, jenis) dapat menghemat waktu pengerjaan ulang.
• Pemulihan Titik Pemeriksaan: Alat ini memungkinkan Anda mengambil snapshot database dan melakukan rollback kapan pun diperlukan, memberikan kontrol yang presisi selama pengujian. Alat ini mengurangi ketergantungan pada DBA dan membuat siklus regresi dapat direproduksi. Saya pernah memulihkan seluruh skema dalam hitungan menit setelah uji migrasi gagal, yang menghemat waktu henti yang signifikan.
• Validasi Data Operatorsi: Fitur ini membawa lebih dari 20 operator untuk pemeriksaan seperti kehadiran, deteksi nilai yang berubah, nilai yang diharapkan vs. nilai aktual, dan validasi lintas berkas. Hal ini memberikan fleksibilitas untuk menguji kebenaran di berbagai skenario yang kompleks. Saat mengujinya, saya memperhatikan bahwa menggabungkan validasi SUM dan EXISTS memastikan integritas relasional tetap terjaga selama pembaruan.
• Validasi Basis Data & Aplikasi Selama Pengujian: Dengan kemampuan ini, Anda tidak hanya dapat memvalidasi data uji, tetapi juga perubahan basis data yang dipicu oleh logika aplikasi seperti pemicu, pembaruan, dan penghapusan. Kemampuan ini sangat efektif untuk pengujian regresi, memastikan proses hilir tetap patuh dan andal.
• Ketertelusuran & Cakupan Persyaratan: Fitur ini menghubungkan kasus uji secara langsung dengan persyaratan dan memetakan hasil pengujian kembali ke persyaratan tersebut, sehingga menyoroti kesenjangan dalam cakupan. Fitur ini menjaga transparansi visibilitas di seluruh tim dan sangat berharga selama audit.
• Eksekusi Uji Manual & Otomatis dengan Integrasi CI/CD: Fitur ini memungkinkan pengujian dijalankan secara manual atau otomatis, sehingga mudah diadaptasi untuk pengujian eksploratif atau regresi. Fitur ini terintegrasi secara mulus dengan alur kerja CI/CD, mencatat hasil dan status eksekusi.

Harga:

• Harga: Anda dapat menghubungi bagian penjualan untuk mendapatkan Penawaran.
• Percobaan gratis: Pengguna dapat meminta Demo

link: https://originalsoftware.com/products/testbench/

Tabel perbandingan

Berikut tabel perbandingan cepat untuk alat-alat di atas:

Fitur	EMS Data Generator	Informatica TDM	dua kali lipat	Broadcom
Pembuatan Data Sintetis	✔️	✔️	❌	✔️
Penyamaran Data / Anonimisasi	terbatas	✔️	❌	✔️
Subsetting Data / Pengambilan Sampel	✔️	✔️	❌	✔️
Referensi Integrity Pengawetan	✔️	✔️	✔️	✔️
Integrasi CI/CD / Otomasi	terbatas	✔️	✔️	✔️
Pustaka Data Uji / Versi	terbatas	✔️	✔️	terbatas
Virtualisasi / Perjalanan Waktu	✔️	terbatas	❌	terbatas
Layanan Mandiri / Kemudahan Penggunaan	✔️	✔️	✔️	terbatas

Apa itu Data Uji Generator?

Data Uji Generator adalah alat atau perangkat lunak yang secara otomatis membuat kumpulan data besar untuk tujuan pengujian. Data ini biasanya digunakan untuk menguji aplikasi perangkat lunak, basis data, atau sistem untuk memastikan bahwa mereka dapat menangani berbagai skenario, seperti volume tinggi, kinerja, atau kondisi stres. Data pengujian dapat berupa data sintetis atau berdasarkan data dunia nyata, tergantung pada kebutuhan pengujian. Data ini membantu mensimulasikan interaksi pengguna nyata dan kasus-kasus khusus, sehingga proses pengujian menjadi lebih efisien, menyeluruh, dan tidak memakan banyak waktu.

Bagaimana Kami Memilih Data Uji Terbaik Generator Alat?

Kami adalah sumber tepercaya karena kami telah menginvestasikan lebih dari 180 jam untuk meneliti dan membandingkan lebih dari 40 alat pembuat data uji. Dari evaluasi ekstensif ini, kami dengan cermat memilih 12 opsi yang paling efektif. Ulasan kami didasarkan pada pengalaman langsung dan langsung, memastikan bahwa pembaca mendapatkan wawasan yang andal, tidak bias, dan praktis untuk membuat pilihan yang tepat.

• Mudah digunakan: Tim kami memprioritaskan alat dengan antarmuka intuitif, memastikan penguji dan pengembang dapat menghasilkan data dengan cepat tanpa menghadapi kurva pembelajaran yang curam.
• Kecepatan kinerja: Kami berfokus pada solusi yang menyediakan pembuatan data cepat dalam skala besar, yang memungkinkan perusahaan menguji aplikasi besar secara efisien dengan waktu henti minimal.
• Keanekaragaman data: Peninjau kami memilih alat yang mendukung berbagai jenis dan format data untuk mensimulasikan skenario pengujian yang realistis di berbagai lingkungan.
• Kemampuan integrasi: Kami mengevaluasi kompatibilitas dengan jaringan CI/CD, basis data, dan kerangka kerja otomatisasi, memastikan alur kerja yang lebih lancar untuk tim pengembangan dan pengujian.
• Opsi kustomisasi: Para ahli kami menekankan alat yang menawarkan aturan dan konfigurasi yang fleksibel sehingga tim dapat menyesuaikan data uji untuk memenuhi persyaratan bisnis yang unik.
• Tindakan keamanan: Kami mempertimbangkan alat dengan dukungan kepatuhan yang kuat, fitur penyamaran, dan anonimisasi untuk melindungi informasi sensitif selama pembuatan data uji.
• Skalabilitas: Kelompok penelitian menguji apakah alat dapat menangani proyek kecil dan kebutuhan tingkat perusahaan tanpa mengorbankan kinerja atau stabilitas.
• Dukungan lintas platform: Kami hanya menyertakan alat-alat yang terverifikasi dapat berjalan lancar di berbagai sistem operasi, basis data, dan lingkungan cloud.
• Nilai untuk uang: Kami menganalisis biaya versus fitur untuk merekomendasikan alat yang memberikan manfaat maksimal tanpa biaya tambahan yang tidak perlu untuk organisasi dengan berbagai ukuran.

Cara Mengatasi Masalah Umum dalam Pengujian Generator Alat?

Berikut ini adalah beberapa masalah umum yang dihadapi pengguna saat menggunakan alat pembuat tes dan saya telah memberikan cara terbaik untuk mengatasinya pada setiap masalah:

1. Isu: Banyak alat menghasilkan kumpulan data yang tidak lengkap atau tidak konsisten, yang menyebabkan kegagalan pengujian di lingkungan yang kompleks.
   Larutan: Selalu konfigurasikan aturan dengan hati-hati, validasi keluaran terhadap persyaratan skema, dan pastikan konsistensi relasional dipertahankan di semua kumpulan data yang dihasilkan.
2. Isu: Beberapa alat kesulitan dalam menyembunyikan informasi sensitif secara efektif, sehingga menimbulkan risiko kepatuhan.
   Larutan: Aktifkan algoritma penyamaran bawaan, verifikasi melalui audit, dan terapkan anonimisasi tingkat lapangan untuk melindungi privasi dalam lingkungan yang diatur.
3. Isu: Integrasi terbatas dengan jalur CI/CD membuat otomatisasi dan pengujian berkelanjutan menjadi lebih sulit.
   Larutan: Pilih alat dengan REST API atau plugin, konfigurasikan integrasi DevOps yang lancar, dan jadwalkan penyediaan data otomatis dengan setiap siklus pembuatan.
4. Isu: Data yang dihasilkan sering kali tidak memiliki volume yang cukup untuk meniru pengujian kinerja dunia nyata.
   Larutan: Konfigurasikan pembuatan kumpulan data besar dengan metode pengambilan sampel, gunakan perluasan data sintetis, dan pastikan pengujian tekanan mencakup skenario beban puncak.
5. Isu: Pembatasan lisensi mencegah banyak pengguna berkolaborasi secara efisien pada proyek data uji.
   Larutan: Pilih lisensi perusahaan, terapkan repositori bersama, dan tetapkan izin berbasis peran untuk memungkinkan banyak tim mengakses dan berkolaborasi dengan lancar.
6. Isu: Pengguna baru merasa antarmuka alat membingungkan, sehingga meningkatkan kurva pembelajaran secara signifikan.
   Larutan: Memanfaatkan dokumentasi vendor, mengaktifkan tutorial dalam alat, dan menyediakan pelatihan internal untuk mempersingkat waktu adopsi dan meningkatkan produktivitas dengan cepat.
7. Isu: Penanganan data tidak terstruktur atau NoSQL yang buruk mengakibatkan lingkungan pengujian yang tidak akurat.
   Larutan: Pilih alat yang mendukung JSON, XML, dan NoSQL; validasi pemetaan struktur data; dan jalankan uji skema sebelum penerapan untuk memastikan keakuratan.
8. Isu: Beberapa paket gratis atau freemium memberlakukan batasan baris atau format yang ketat pada kumpulan data yang dihasilkan.
   Larutan: Upgrade ke tingkatan berbayar saat skalabilitas diperlukan, atau menggabungkan beberapa set data gratis dengan skrip untuk melewati kendala secara efektif.

Putusan:

Saya merasa semua alat pembuat data uji di atas andal dan layak dipertimbangkan. Evaluasi saya melibatkan analisis cermat terhadap fitur, kegunaan, dan kemampuannya untuk memenuhi beragam persyaratan pengujian. Saya khususnya berfokus pada seberapa baik alat-alat tersebut menangani kebutuhan data yang kompleks dengan konsistensi dan kustomisasi. Setelah peninjauan menyeluruh, tiga alat yang paling menonjol bagi saya.

• EMS Data GeneratorAlat ini mengesankan saya dengan keseimbangan antara keterjangkauan dan kemudahan penggunaannya. Evaluasi saya menunjukkan bahwa alat ini dapat menghasilkan data uji secara efisien untuk basis data kecil maupun besar, dan saya menyukai betapa ramah penggunanya.
• Informatica Test Data ManagementIni adalah salah satu solusi tercanggih yang pernah saya gunakan untuk pembuatan data sintetis dan perlindungan yang tangguh. Saya terkesan dengan betapa mulusnya otomatisasi identifikasi dan penyembunyian data di seluruh basis data yang kompleks.
• dua kali lipat: Ini menonjol sebagai pilihan praktis bagi organisasi yang membutuhkan manajemen data uji terstruktur. Ketika saya menggunakannya untuk mengatur kumpulan data acak yang besar di berbagai departemen, saya menyadari betapa jauh lebih lancar proses pengujiannya.

FAQ: