Kursus Pelatihan Dasar-dasar Pengujian Mutu dan Teknik Pengujian Modern dengan Kecerdasan Buatan (Persiapan Sertifikasi ISTQB Tingkat Dasar)

Modul 1: Dasar-dasar Penjaminan Kualitas dan Pengujian Mutu

• Definisi kualitas, penjaminan kualitas, serta aktivitas pengujian.
• Tujuh prinsip dasar pengujian (sesuai ISTQB CTFL v4.0).
• Perbedaan antara pengujian, proses debugging, dan kontrol mutu.
• Aspek psikologis dalam aktivitas pengujian.
• Peran serta tanggung jawab anggota tim penjaminan kualitas.

Modul 2: Siklus Pengembangan Perangkat Lunak dan Proses Pengujian

• Tahapan dalam Siklus Pengujian Perangkat Lunak (STLC).
• Pendekatan pengujian pada metode Waterfall, Agile, DevOps, serta sistem CI/CD.
• Tingkatan pengujian: unit, integrasi, sistem, dan penerimaan produk.
• Strategi pengujian Shift-left maupun Shift-right.
• Pelacakan hubungan antara persyaratan sistem dengan skenario pengujian.

Modul 3: Teknik Pengujian Statis

• Teknik tinjauan, demonstrasi konsep produk, dan inspeksi dokumen.
• Penggunaan alat otomatisasi untuk analisis statis terhadap kode program.
• Proses peninjauan berbasis daftar periksa atau berdasarkan peran penguji.
• Teknik tinjauan formal maupun tidak formal dalam lingkungan kerja.
• Cara mengintegrasikan aktivitas pengujian statis ke dalam kerangka kerja Agile.

Modul 4: Teknik Pengujian yang Efektif

• Teknik pengujian berbasis kotak hitam: pembagian kesetaraan serta analisis nilai batas.
• Penerapan teknik tabel keputusan dan analisis transisi status sistem.
• Penyusunan skenario uji dengan pendekatan use case maupun pengujian eksploratif.
• Teknik pengujian berbasis kotak putih: cakupan pernyataan dan pemilihan keputusan dalam kode program.
• Pendekatan pengujian berbasis pengalaman serta teknik perkiraan kemungkinan kesalahan.

Modul 5: Pengelolaan Cacat dalam Sistem Pengembangan Perangkat Lunak

• Siklus hidup cacat: deteksi, pelaporan, pengklasifikasian masalah, penyelesaian, serta penutupan laporan.
• Cara menyusun laporan cacat yang efektif dengan bantuan alat seperti JIRA.
• Pembedaan tingkat keparahan dan prioritas munculnya suatu cacat sistem.
• Teknik identifikasi penyebab akar kemunculan masalah pengujian.
• Analisis metrik frekuensi munculnya cacat serta trend perkembangannya.

Modul 6: Manajemen Pengujian dan Pendekatan Berbasis Risiko

• Cara menyusun rencana pengujian serta teknik estimasi waktu pelaksanaannya.
• Pendeteksian, penilaian risiko, serta strategi mitigasinya dalam proses kerja tim QA.
• Pemantauan progres aktivitas pengujian serta mekanisme laporan yang dibutuhkan.
• Penentuan standar penyelesaian uji maupun kondisi berakhirnya tahap tertentu dalam proses penjaminan kualitas.
• Pembuatan dokumen kebijakan dan strategi pengujian yang selaras dengan kerangka ISTQB.

Modul 7: Peralatan Pengujian serta Dasar-dasar Otomatisasi Proses Uji

• Pengelompokan alat pendukung pengujian menurut kategori yang ditetapkan ISTQB.
• Manfaat maupun tantangan dalam penerapan otomatisasi pada aktivitas pengujian perangkat lunak.
• Teknik pemilihan alat uji: mana lebih baik, solusi open source atau komersial?
• Pengenalan terhadap platform populer seperti Selenium, Playwright, serta Cypress.
• Cara menyusun rangkaian pengujian otomatis dasar dengan menggunakan perangkat tersebut.

Modul 8: Pengenalan Kecerdasan Buatan dalam Dunia Penjaminan Kualitas

• Pemahaman konsep kecerdasan buatan serta pembelajaran mesin bagi kalangan penguji.
• Klasifikasi bidang aplikasi: AI sebagai pendukung pengujian dan sebaliknya, sistem terkait QA yang memanfaatkan AI.
• Peluang serta batasan penerapan AI pada proses pengujian di masa kini.
• Ciri-ciri kualitas utama dalam sistem berbasis teknologi kecerdasan buatan.
• Konteks materi kurikulum ISTQB CT-AI serta urgensinya bagi praktisi QA modern.

Modul 9: Generasi Skenario Pengujian Berbasis Kecerdasan Buatan

• Pemanfaatan LLM seperti ChatGPT, Claude, serta Copilot untuk membuat kerangka skenario uji.
• Teknik merancang perintah (prompt) yang efektif guna menghasilkan simulasi kondisi pengujian.
• Langkah konversi deskripsi fungsional serta persyaratan sistem menjadi rancangan kasus uji terperinci.
• Cara meninjau validitas skenario yang dibuat secara otomatis menggunakan teknologi AI.
• Pemahaman akan berbagai platform pengembangan perangkat lunak: Testim, Mabl, serta alat kreasi uji khusus dengan fitur kecerdasan buatan.

Modul 10: Otomatisasi Pengujian Berbasis Teknologi AI

• Penerapan konsep pengujian yang mampu memperbaiki diri secara mandiri dengan alat Katalon Studio AI.
• Manfaat identifikasi elemen tampilan aplikasi melalui algoritma kecerdasan buatan.
• Penerapan teknologi Applitools Eyes guna pengujian regresi visual antarmuka perangkat lunak.
• Integrasi komponen ekstensi AI pada alat Selenium untuk meningkatkan ketahanan proses otomatisasinya.
• Kemampuan sistem untuk mengurangi beban kerja pemeliharaan alat dengan memanfaatkan lokator pintar berbasis AI.

Modul 11: Penerapan Kecerdasan Buatan dalam Prediksi serta Analisis Cacat Sistem Pengembangan Perangkat Lunak

• Pendekatan prediktif untuk seleksi kasus uji menggunakan platform Launchable serta Sealights.
• Teknik pengelompokan kegagalan sistem dan pendeteksian pola tidak normal melalui ReportPortal.
• Cara memakai AI sebagai asisten identifikasi penyebab akar timbulnya berbagai masalah perangkat lunak.
• Penilaian risiko kualitas produk serta pengidentifikasian kekosongan cakupan dalam strategi pengujian.
• Strategi memanfaatkan data historis tentang frekuensi munculnya cacat sebagai penentu prioritas kerja tim QA.

Modul 12: Evaluasi Alat Berbasis AI serta Integrasi dalam Sistem CI/CD

• Tanda-tanda yang dapat digunakan untuk mengukur kelayakan alat pengujian bercirikan kecerdasan buatan.
• Perhitungan ROI sistemik dan rencana adopsi teknologi AI dalam lingkup organisasi masing-masing.
• Cara mengintegrasikan perangkat AI ke dalam arsitektur pengembangan terus-menerus, misalnya pada Jenkins maupun GitHub Actions.
• Perencanaan tahapan kapan serta di bagian mana proses otomatisasi berbasis AI akan diterapkan secara tepat waktu.
• Teknik mengukur efektivitas metode pengujian cerdas dengan menggunakan metrik konkret.

Modul 13: Pertimbangan Etis dalam Aktivitas Penggunaan Kecerdasan Buatan pada Penjaminan Mutu Perangkat Lunak

• Akses kemungkinan munculnya bias serta ketimpangan dalam hasil sintesis skenario uji yang dibuat secara otomatis.
• Perhatian terhadap privasi data ketika mengandalkan jasa AI di platform berbasis awan.
• Pentingnya transparansi dan kemampuan menjelaskan mekanisme keputusan sistem AI kepada pihak terkait.
• Aspek tata kelola serta konformitas hukum yang perlu dicermati dalam pelaksanaan proyek pengujian.
• Aturan praktik bertanggung jawab bagi tim penjaminan mutu dalam memakai teknologi AI.

Modul 14: Persiapan Ujian Sertifikasi ISTQB CTFL

• Mengenal struktur, lama waktu pelaksanaan, serta kriteria penilaian ujian CTFL v4.0.
• Pemahaman tipe soal yang umum muncul serta cara memilih jawaban terbaik secara efisien.
• Distribusi proporsi tiap topik utama dalam silabus pengujian ISTQB.
• Latihan simulasi ujian dengan penyajian beberapa contoh pertanyaan standar ISTQB.
• Rencana studi yang efisien serta referensi sumber informasi tambahan untuk membantu persiapan sertifikasi.

Modul 15: Proyek Akhir: Integrasi Teknologi AI ke dalam Skenario Pengujian Nyata dari Awal Hingga Akhir

• Cara menyusun rancangan skenario uji berdasarkan dokumen persyaratan nyata.
• Menggunakan teknologi kecerdasan buatan sebagai pendukung penyusunan serta perbaikan kasus pengujian.
• Penerapan beberapa alat otomatisasi yang mampu memperbaiki diri secara mandiri untuk mengimplementasikan rangka kerja uji terpilih.
• Proses melaporkan munculnya cacat serta memakai asisten AI dalam menyelidiki penyebab utama kelainan sistem yang ditemukan.
• Sesi refleksi: bagaimana memasukkan pemanfaatan kecerdasan buatan secara efektif dalam aktivitas harian tim QA.