Hubungi Kami

Kerangka Materi

Tingkatan 1: Labirin Penemuan – Rahasia Pengumpulan Persyaratan

Misi: Menggunakan model bahasa besar (LLM) seperti ChatGPT untuk mengubah informasi awal yang masih samar menjadi persyaratan yang terstruktur.

Aktivitas Utama:

  • Menginterpretasikan ide-ide produk atau permintaan fitur yang belum jelas
  • Memanfaatkan kecerdasan buatan untuk:
    • Menghasilkan user story serta kriteria penerimaan sistem
    • Mengusulkan profil pengguna dan skenario penggunaan yang mungkin
    • Membuat artefak visual seperti diagram sederhana menggunakan Mermaid atau draw.io.

      Hasil: Daftar persyaratan terstruktur serta model domain awal dalam bentuk visual

Tingkatan 2: Forge Perancangan – Gulungan Arsitektur

Misi: Memanfaatkan kecerdasan buatan dalam merancang dan memvalidasi struktur arsitektur sistem.

Aktivitas Utama:

  • Memanfaatkan AI untuk:
    • Mengusulkan gaya arsitektur yang tepat (monolitik, berbasis mikroservice, atau serverless)
    • Menghasilkan diagram komponen serta interaksi antar sistem
    • Membuat kerangka dasar kelas dan modul perangkat lunak
  • Mengkritisi pilihan arsitektur satu sama lain dalam sesi tinjauan rancangan bersama rekan tim.

    Hasil: Arsitektur yang sudah divalidasi serta kerangka kode awal

Tingkatan 3: Arena Koding – Tantangan Implementasi

Misi: Menggunakan asisten kode berbasis kecerdasan buatan dalam menulis serta menyempurnakan kode perangkat lunak.

Aktivitas Utama:

  • Memanfaatkan GitHub Copilot atau ChatGPT untuk mengimplementasikan fitur yang diminta
  • Merefaktor kode hasil AI agar memenuhi aspek:
    • Kinerja sistem
    • Keamanan informasi
    • Kemudahan perawatan kode
  • Menyisipkan elemen-elemen kode yang bermasalah sebagai bagian dari latihan tim.

    Hasil: Kumpulan kode siap pakai yang sudah direfaktor dan dihasilkan melalui bantuan AI

Tingkatan 4: Ranjau Bug – Uji Tantangan Tanpa Cahaya

Misi: Membuat serta menyempurnakan tes perangkat lunak menggunakan kecerdasan buatan, lalu mengidentifikasi kesalahan dalam kode milik tim lain.

Aktivitas Utama:

  • Memanfaatkan AI untuk membuat:
    • Unit test
    • Tes integrasi sistem
    • Simulasi skenario ekstrem yang mungkin terjadi dalam aplikasi
  • Mempertukarkan kode milik masing-masing tim untuk kemudian mencari dan memperbaiki kesalahan dengan bantuan AI.

    Hasil: Rangkaian tes komprehensif, laporan temuan, serta daftar perbaikan yang diperlukan

Tingkatan 5: Portal Alur Kerja – Gerbang Otomatisasi

Misi: Membangun alur kerja CI/CD yang cerdas dengan bantuan kecerdasan buatan.

Aktivitas Utama:

  • Menggunakan AI untuk:
    • Merancang alur kerja, misalnya menggunakan GitHub Actions
    • Otomatisasi langkah-langkah pembuatan, pengujian, dan penerapan sistem
    • Mengusulkan kebijakan deteksi anomali serta mekanisme rollback.
      Hasil: Skrip alur kerja CI/CD yang berjalan baik dan dirancang dengan bantuan AI

Tingkatan 6: Benteng Pemantauan – Menara Pengawas Log

Misi: Menganalisis data log dan memanfaatkan teknologi mesin pembelajaran untuk mendeteksi anomali serta mensimulasikan langkah-langkah perbaikan sistem.

Aktivitas Utama:

  • Menganalisis data log yang sudah tersedia atau baru dibuat dalam sesi tersebut
  • Memanfaatkan kecerdasan buatan untuk:
    • Menemukan pola atau tren kesalahan yang tidak biasa
    • Mengusulkan tindakan otomatis seperti skrip perbaikan mandiri maupun pemberitahuan sistem
    • Membuat panel informasi serta ringkasan visual.
      Hasil: Rencana pemantauan yang efektif dan mekanisme alert cerdas berbasis simulasi

Tingkatan Akhir: Arena Pahlawan – Membangun Siklus SDLC Terintegrasi Berbasis AI

Misi: Menerapkan semua konsep yang telah dipelajari untuk membangun siklus pengembangan perangkat lunak yang utuh berbasis proyek mini.

Aktivitas Utama:

  • Memilih proyek mini sesuai minat tim, misalnya sistem pelacak bug, chatbot, atau layanan mikroservice
  • Menerapkan kecerdasan buatan di setiap tahap SDLC:
    • Pengumpulan persyaratan, perancangan, penulisan kode, pengujian, penerapan sistem, serta pemantauan
  • Mempersembahkan hasil kerja dalam bentuk demonstrasi singkat bersama tim lainnya

Setiap tim kemudian dinilai atau memilih satu di antara mereka yang paling sukses menerapkan konsep AI pada alur kerjanya.

Hasil Akhir: Implementasi komprehensif siklus SDLC berbasis AI serta demonstrasi prestasi tim

Pada akhir lokakarya ini, para peserta diharapkan mampu:

  • Memanfaatkan alat generatif AI dalam mengumpulkan serta menyusun persyaratan perangkat lunak
  • Menghasilkan diagram arsitektur sistem serta menilai kevalidan konsep desain melalui bantuan AI
  • Menggunakan asisten kode berbasis AI untuk mengimplementasikan serta merefaktor kode siap pakai dalam skala produksi
  • Mengotomatisasi pembuatan tes sistem dan melakukan proses debugging dengan dukungan kecerdasan buatan
  • Merancang alur kerja CI/CD cerdas yang mampu mendeteksi anomali serta merespons secara mandiri
  • Menganalisis data log menggunakan alat berbasis AI/ML untuk mengidentifikasi risiko sistem sekaligus menyimulasikan metode perbaikannya
  • Memperagakan penggunaan komprehensif kecerdasan buatan dalam proses SDLC melalui proyek mini tim masing-masing

Persyaratan

Target Peserta: Pengembang perangkat lunak, penguji, arsitek sistem, insinyur DevOps, serta pemilik produk.

Persyaratan bagi Peserta:

  • Memahami konsep dasar Siklus Pengembangan Perangkat Lunak (SDLC)
  • Memiliki pengalaman praktis dalam setidaknya satu bahasa pemrograman (misalnya Python, Java, JavaScript, atau C#).
  • Mengetahui hal-hal berikut:
    • Cara menyusun dan memahami deskripsi persyaratan produk serta user story
    • Prinsip-prinsip dasar perancangan perangkat lunak
    • Penggunaan sistem kontrol versi (misalnya Git)
    • Cara membuat dan menjalankan unit test
    • Cara mengoperasikan atau menafsirkan alur kerja CI/CD

Lokakarya ini cocok untuk tingkat menengah hingga mahir, khususnya bagi para profesional yang telah aktif dalam tim pengembang perangkat lunak.

 7 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait