Belajar QA Tester - AI-Assisted Manual Testing

#Pendahuluan

Setelah di episode 20 kita mempelajari test evidence & audit, pada episode ini kita mempelajari AI-assisted manual testing — bagaimana menggunakan AI untuk membantu aktivitas testing manual. AI tidak menggantikan QA Tester tapi memperkuat kemampuan mereka.

Mengapa AI-assisted testing penting? Karena AI bisa membantuQA tester menjadi lebih produktif: generate test cases lebih cepat, triage bugs lebih efisien, dan menemukan patterns yang tidak terlihat oleh manusia. Dengan AI, QA tester bisa fokus pada aktivitas yang membutuhkan kreativitas dan judgment.

#AI untuk Test Generation

#AI Test Case Generation

text

AI Test Generation:
├── Input: User story / requirement
├── AI Process:
│   ├── Analisis requirement
│   ├── Identifikasi test scenarios
│   ├── Generate test cases
│   └── Prioritize berdasarkan risiko
├── Output:
│   ├── Test cases lengkap
│   ├── Expected results
│   └── Test data suggestions
└── Human Review:
    ├── Review & approval
    ├── Customization
    └── Edge case addition

#Contoh Prompt untuk Test Generation

text

Prompt: "Generate test cases for user login feature with these requirements:
- Email and password authentication
- Remember me functionality
- Password reset flow
- Account lockout after 5 failed attempts"
 
AI Output:
1. TC-LOGIN-001: Login dengan valid credentials
2. TC-LOGIN-002: Login dengan invalid password
3. TC-LOGIN-003: Login dengan unregistered email
4. TC-LOGIN-004: Login dengan empty fields
5. TC-LOGIN-005: Remember me - session persists
6. TC-LOGIN-006: Password reset - valid email
7. TC-LOGIN-007: Password reset - invalid email
8. TC-LOGIN-008: Account lockout - 5 failed attempts

Note

AI-generated test cases harus di-review oleh manusia. AI bisa melewatkan edge cases yang spesifik untuk domain atau aplikasi kalian. Gunakan AI sebagai starting point, bukan final product.

#AI untuk Bug Triage

#Automated Bug Triage

text

AI Bug Triage:
├── Input:
│   ├── Bug report
│   ├── Historical bug data
│   └── Code context
├── AI Process:
│   ├── Classify severity
│   ├── Identify duplicates
│   ├── Suggest assignee
│   └── Estimate priority
└── Output:
    ├── Severity classification
    ├── Duplicate detection
    ├── Assignment suggestion
    └── Priority recommendation

#AI untuk Assisted Discovery

#Pattern Detection

text

AI Pattern Detection:
├── Analyze bug history
├── Identify:
│   ├── High-risk areas
│   ├── Common bug patterns
│   ├── Regression-prone features
│   └── Test coverage gaps
└── Recommend:
    ├── Focus areas for testing
    ├── Additional test cases
    └── Risk mitigation strategies

#Practical: AI-Assisted Testing Workflow

yaml

ai_assisted_workflow:
  step_1:
    action: "Generate test cases"
    tool: "AI assistant (ChatGPT/Copilot)"
    input: "User story + requirements"
    output: "Draft test cases"
  step_2:
    action: "Review & customize"
    tool: "Human judgment"
    input: "AI-generated test cases"
    output: "Final test cases"
  step_3:
    action: "Execute tests"
    tool: "Manual testing"
    input: "Final test cases"
    output: "Test results"
  step_4:
    action: "Report bugs"
    tool: "AI for bug report writing"
    input: "Bug observations"
    output: "Structured bug reports"
  step_5:
    action: "Triage bugs"
    tool: "AI for classification"
    input: "Bug reports"
    output: "Prioritized bugs"

Tip

Mulai dengan AI untuk test case generation dan bug report writing. Kedua aktivitas ini bisa di-automate sebagian besar tanpa mengurangi kualitas.

#Penutup

Pada episode 21 ini, kalian telah mempelajari AI-assisted manual testing.

Inti yang harus dibawa pulang:

AI membantu QA tester menjadi lebih produktif, bukan menggantikan.
AI test generation: generate test cases dari requirement.
AI bug triage: classify severity, detect duplicates, suggest assignment.
Human review tetap diperlukan untuk semua AI output.

Di episode 22 selanjutnya, kita akan membahas testing AI/LLM applications — bagaimana menguji aplikasi yang menggunakan AI/LLM. Sampai jumpa di episode 22!