Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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
Testimoni (1)
Saya mendapatkan pengetahuan tentang perpustakaan streamlit dari Python dan tentu saja saya akan mencoba menggunakannya untuk meningkatkan aplikasi di tim saya yang dibuat dengan R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kursus - GitHub Copilot for Developers
Diterjemahkan Mesin