Hubungi Kami

Kerangka Materi

Pengenalan Kecerdasan Buatan dalam Pengujian Perangkat Lunak

  • Gambaran umum mengenai kapabilitas AI dalam ranah pengujian dan penjaminan kualitas
  • Jenis-jenis alat berbasis AI yang digunakan dalam prosedur pengujian saat ini
  • Keunggulan serta risiko dari penerapan rekayasa kualitas yang memanfaatkan AI

Pemanfaatan LLM dalam Pembuatan Kasus Uji

  • Teknik pemrograman prompt untuk menghasilkan tes unit maupun fungsional
  • Membuat templat tes yang mendukung parameterisasi serta pendekatan berbasis data
  • Mengubah deskripsi kebutuhan atau user story menjadi skrip pengujian nyata

AI dalam Pengujian Eksploratori dan Identifikasi Kasus Ekstrim

  • Mendeteksi bagian kode atau kondisi yang belum teruji dengan bantuan AI
  • Mensimulasikan skenario penggunaan yang langka maupun tidak lazim
  • Strategi pembuatan tes berbasis analisis risiko

Otomatisasi Pengujian UI dan Analisis Regresi

  • Memanfaatkan alat AI seperti Testim atau mabl dalam pembuatan skrip pengujian antarmuka
  • Mengupayakan stabilitas tes UI melalui mekanisme pemilihan elemen yang adaptif
  • Analisis dampak perubahan kode terhadap sistem melalui pendekatan regresi berbasis AI

Analisis Kegagalan Tes serta Optimisasi Proses

  • Pengelompokkan hasil pengujian yang gagal dengan bantuan LLM maupun model ML
  • Mengurangi angka tes yang tidak konsisten serta mengatasi beban notifikasi berlebihan
  • Menentukan prioritas eksekusi tes dengan memperhitungkan data historis

Integrasi ke dalam Alur Kerja CI/CD

  • Mengimplementasikan mekanisme pembuatan tes berbasis AI di Jenkins, GitHub Actions, atau GitLab CI
  • Mengevaluasi kualitas tes yang dihasilkan selama proses pemeriksaan permintaan penggabungan (pull request)
  • Membangun mekanisme otomatisasi rollback serta pengaturan filter tes cerdas dalam alur kerja CI/CD

Tren Masa Depan dan Penerapan AI yang Bertanggung Jawab dalam QA

  • Penilaian terhadap akurasi serta keamanan hasil pengujian yang dihasilkan oleh sistem AI
  • Tata kelola dan pencatatan audit untuk proses pengujian berbasis AI
  • Perkembangan platform QA berbasis kecerdasan buatan serta kemampuan observabilitas cerdas

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dalam pengujian perangkat lunak, perencanaan tes, maupun otomatisasi QA
  • Pemahaman terhadap kerangka kerja pengujian seperti JUnit, PyTest, atau Selenium
  • Pengetahuan dasar mengenai alur kerja CI/CD serta lingkungan DevOps

Target Peserta

  • Insinyur QA
  • Software Development Engineers in Test (SDET)
  • Penguji perangkat lunak yang bekerja dalam lingkungan agile atau DevOps
 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait