Kursus Pelatihan Dasar-Dasar QA dan Pengujian Modern dengan AI (Persiapan ISTQB Foundation)

Modul 1: Fondasi Jaminan Kualitas dan Pengujian

• Mendefinisikan kualitas, jaminan kualitas (QA), dan pengujian
• Tujuh prinsip pengujian (ISTQB CTFL v4.0)
• Pengujian vs. debugging vs. pengendalian kualitas
• Psikologi dalam pengujian
• Peran dan tanggung jawab dalam tim QA

Modul 2: Siklus Hidup Pengembangan Perangkat Lunak dan Pengujian

• Fase-fase Siklus Hidup Pengujian Perangkat Lunak (STLC)
• Pendekatan pengujian Waterfall, Agile, DevOps, dan CI/CD
• Tingkat pengujian: unit, integrasi, sistem, penerimaan
• Strategi pengujian shift-left dan shift-right
• Keterlacakan (traceability) antara persyaratan dan skenario pengujian

Modul 3: Teknik Pengujian Statis

• Ulasan (reviews), walkthrough, dan inspeksi
• Analisis statis menggunakan alat otomatis
• Pemeriksaan berbasis daftar periksa dan berdasarkan peran
• Teknik ulasan formal dan informal
• Mengintegrasikan pengujian statis ke dalam alur kerja Agile

Modul 4: Teknik Pengujian

• Teknik black-box: partisi ekivalen, analisis nilai batas
• Pengujian tabel keputusan dan pengujian transisi keadaan
• Pengujian use case dan pengujian eksplorasi
• Teknik white-box: cakupan pernyataan dan keputusan
• Teknik berbasis pengalaman dan dugaan kesalahan (error guessing)

Modul 5: Manajemen Cacat (Defect Management)

• Siklus hidup cacat: deteksi, pelaporan, triase, resolusi, penutupan
• Menulis laporan cacat yang efektif dengan JIRA
• Klasifikasi tingkat keparahan vs. prioritas cacat
• Teknik analisis akar masalah (root cause analysis)
• Metrik cacat dan analisis tren

Modul 6: Manajemen Pengujian dan Pengujian Berbasis Risiko

• Perencanaan pengujian dan metode estimasi
• Identifikasi, penilaian, dan mitigasi risiko
• Pemantauan, kontrol, dan pelaporan pengujian
• Menentukan kriteria penyelesaian dan kondisi keluar pengujian
• Dokumen strategi pengujian dan kebijakan pengujian yang selaras dengan ISTQB

Modul 7: Dasar-dasar Alat Pengujian dan Otomasi

• Klasifikasi alat pengujian (kategori alat ISTQB)
• Manfaat dan risiko otomasi pengujian
• Memilih alat: solusi open-source vs. komersial
• Pengenalan Selenium, Playwright, dan Cypress
• Membuat rangkaian uji otomatis dasar

Modul 8: Pengenalan AI dalam Jaminan Kualitas

• Konsep AI dan pembelajaran mesin untuk penguji
• Taksonomi: AI untuk pengujian vs. pengujian sistem AI
• Peta landskap pengujian AI saat ini: peluang dan keterbatasan
• Karakteristik kualitas untuk sistem berbasis AI
• Ikhtisar silabus ISTQB CT-AI dan relevansinya

Modul 9: Pembuatan Skenario Pengujian Berbantuan AI

• Menggunakan LLM (ChatGPT, Claude, Copilot) untuk menyusun skenario pengujian
• Teknik rekayasa prompt untuk menghasilkan skenario pengujian
• Mengubah cerita pengguna (user stories) dan kriteria penerimaan menjadi skenario pengujian
• Meninjau dan memvalidasi skenario pengujian yang dihasilkan AI
• Platform: Testim, Mabl, dan alat pembuatan uji berbasis AI lainnya

Modul 10: Otomasi Pengujian Berbantuan AI

• Otomasi pengujian self-healing dengan Katalon Studio AI
• Pengenalan objek berbasis AI dan penentuan elemen
• Pengujian regresi visual dengan Applitools Eyes
• Selenium dengan plugin AI untuk otomasi yang tangguh
• Mengurangi beban pemeliharaan dengan locator cerdas

Modul 11: AI untuk Prediksi dan Analisis Cacat

• Pemilihan pengujian prediktif dengan Launchable dan Sealights
• Pengelompokan kegagalan (failure clustering) dan deteksi anomali dengan ReportPortal
• Analisis akar masalah berbantuan AI
• Penilaian risiko kualitas dan analitik celah pengujian
• Menggunakan data cacat historis untuk memprioritaskan pengujian

Modul 12: Evaluasi Alat AI dan Integrasi CI/CD

• Kriteria untuk mengevaluasi alat pengujian AI
• Analisis ROI dan strategi adopsi
• Mengintegrasikan alat pengujian AI ke dalam Jenkins, GitHub Actions, GitLab CI
• Desain pipeline: kapan dan di mana menjalankan uji berbantuan AI
• Mengukur efektivitas pengujian AI dengan metrik

Modul 13: Pertimbangan Etika dalam Pengujian Berbasis AI

• Bias (kecondongan) dan keadilan dalam data uji yang dihasilkan AI
• Khawatir privasi saat menggunakan alat AI berbasis cloud
• Transparansi dan penjelasan dari keputusan pengujian AI
• Pertimbangan tata kelola dan kepatuhan
• Praktik AI yang bertanggung jawab untuk tim QA

Modul 14: Persiapan Ujian ISTQB CTFL

• Struktur, durasi, dan penilaian ujian CTFL v4.0
• Tipe pertanyaan dan strategi menjawab
• Distribusi bobot topik di seluruh bab silabus CTFL
• Latihan ujian dengan soal sampel bergaya ISTQB
• Peta jalan studi dan sumber daya yang direkomendasikan

Modul 15: Capstone: Alur Kerja Pengujian Menyeluruh Ditingkatkan AI

• Merancang skenario pengujian dari dokumen persyaratan sampel
• Menggunakan AI untuk menghasilkan dan menyempurnakan skenario pengujian
• Mengotomasi uji yang dipilih dengan alat self-healing
• Laporan cacat dan menjalankan analisis akar masalah berbantuan AI
• Refleksi: mengintegrasikan AI ke dalam praktik QA harian