Program numerik bisa berjalan tanpa error namun tetap menghasilkan angka yang salah, dan itulah yang membuat pengujian penting. Section ini membahas cara membaca pesan error NumPy, menelusuri kesalahan shape dan dtype, serta membandingkan bilangan floating point dengan aman. Bagian akhir memperkenalkan modul numpy.testing untuk membangun pengujian yang dapat direproduksi.

# Membaca Error NumPy

Menafsirkan pesan error khas NumPy, dari IndexError hingga ValueError, untuk menemukan akar masalah lebih cepat.

Buka → # Debugging Shape Mismatch

Menelusuri ketidakcocokan shape antar array dan menerapkan langkah diagnosis yang sistematis.

Buka → # Debugging dtype Mismatch

Mendeteksi masalah yang berakar pada tipe data tak sesuai, dari casting diam-diam hingga error saat dioperasikan.

Buka → # Floating Point Comparison

Membandingkan bilangan floating point dengan aman menggunakan allclose dan isclose, bukan operator ==.

Buka → # numpy.testing

Mengenal modul numpy.testing beserta fungsi asersi khusus untuk menguji hasil perhitungan array.

Buka → # assert_array_equal

Menguji kesamaan dua array secara elemen demi elemen dengan assert_array_equal dan varian ndim-nya.

Buka → # assert_allclose

Menguji hasil numerik dengan toleransi relatif dan absolut menggunakan assert_allclose.

Buka → # Pengujian Operasi Numerik

Merancang kasus uji untuk operasi array: kasus batas, nilai khusus, dan properti matematis yang harus dipertahankan.

Buka → # Reproducible Numerical Tests

Membuat pengujian numerik yang hasilnya konsisten antar eksekusi dengan seed dan kontrol lingkungan.

Buka →