🌟⭐🌟⭐🌟
🏆 Sesi 15 dari 16 — Puncak Perjalanan
Proyek Akhir
Presentasi & Penilaian Holistik
Ini bukan sekadar ujian — ini adalah momen Anda membuktikan bahwa Anda telah menguasai seni menjaga keandalan software di era kecerdasan buatan. Tunjukkan yang terbaik!
🎯 Bagian 1 — Overview Proyek Akhir
Apa yang Harus Anda Capai?
Proyek Akhir S11409 adalah sintesis dari seluruh perjalanan 14 sesi — dari teori reliability klasik hingga AI-driven QA. Anda diminta memilih satu topik, membangun sesuatu yang nyata, dan mempertahankannya di depan kelas.
💡 Filosofi Proyek Akhir: Kami tidak mengevaluasi apakah proyek Anda "sempurna". Kami mengevaluasi apakah Anda memahami apa yang Anda bangun, mengapa keputusan teknis Anda tepat, dan bagaimana Anda akan mengembangkannya lebih lanjut. Insight dan reasoning lebih berharga dari sekedar kode yang jalan.
👥
2–3 orang
Per kelompok, boleh lintas angkatan
🏆
30%
Bobot nilai akhir matakuliah
📊
20 menit
Presentasi + demo + tanya jawab
📋
Laporan
PDF maks 20 halaman dikumpul H-1
🛠️ Bagian 2 — Tiga Jalur Proyek
Pilih Jalur yang Paling Sesuai Minat Anda
Setiap jalur dirancang untuk mencakup tema berbeda dari matakuliah ini. Semua jalur setara bobotnya — pilih berdasarkan minat dan kekuatan tim Anda, bukan berdasarkan persepsi "mana yang mudah".
Jalur A — QA Engineering
⚙️
Intelligent Test Suite untuk Aplikasi Nyata
Bangun test suite berkualitas tinggi untuk aplikasi Python/PHP pilihan Anda (bisa SIAKAD tiruan, e-commerce, atau sistem lain). Integrasikan minimal 3 teknik dari matakuliah: prediksi defect, mutation testing, self-healing test, atau analisis log anomali.
Deliverables:
Aplikasi target (minimal 5 modul)
Test suite lengkap: unit + integration
Laporan mutation score & coverage
Minimal 1 komponen AI/ML (prediksi defect, flaky test detector, atau anomali log)
Dashboard metrik kualitas
Jalur B — Reliability Engineering
🏭
SRE Implementation: SLO Tracker & Chaos Experiment
Implementasikan praktik Site Reliability Engineering pada sistem microservices atau API yang Anda bangun. Definisikan SLI/SLO, buat dashboard monitoring, jalankan minimal 3 chaos experiment, dan implementasikan resilience patterns (circuit breaker, retry, fallback).
Deliverables:
Sistem target (minimal 3 service/endpoint)
SLI/SLO definitions & error budget tracker
Hasil dan analisis 3 chaos experiment
Implementasi minimal 2 resilience patterns
Observability dashboard (metrics + logs)
Jalur C — AI QA Research
🧠
Riset & Komparasi Teknik AI QA
Lakukan studi komparatif mendalam antara 2–3 teknik AI QA (contoh: SBST vs LLM test gen, Isolation Forest vs LSTM untuk anomaly detection). Gunakan dataset nyata atau simulasi, ukur secara kuantitatif, dan hasilkan rekomendasi berbasis data.
Deliverables:
Pertanyaan riset yang jelas dan terukur
Dataset (nyata atau synthetic yang justified)
Implementasi dan eksperimen 2-3 teknik
Analisis statistik hasil (precision, recall, F1)
Rekomendasi & limitasi yang jujur
⚠️ Plagiarisme: Kode dari GitHub boleh digunakan sebagai referensi/inspirasi, tapi wajib ditulis ulang, dipahami, dan dikreditkan. Menyalin kode tanpa modifikasi dan pemahaman adalah pelanggaran akademik. Dosen akan menguji pemahaman via pertanyaan spesifik saat presentasi.
📋 Bagian 3 — Rubrik Penilaian Detail
Bagaimana Proyek Anda Akan Dinilai?
Teknis 25%
Presentasi 20%
Laporan 20%
Tanya Jawab 20%
Inovasi 15%
| Komponen | Bobot | Deskripsi A (85–100) | Deskripsi B (70–84) | Deskripsi C (55–69) |
|---|
| Implementasi Teknis |
25% |
Kode berjalan sempurna, well-structured, ada error handling, menerapkan minimal 3 teknik dari matakuliah secara tepat dan bermakna |
Kode berjalan dengan minor issue, menerapkan 2 teknik dengan pemahaman yang baik |
Kode berjalan parsial, hanya menerapkan 1 teknik atau penerapan superfisial |
| Kualitas Presentasi |
20% |
Alur logis, slide informatif tanpa overload, demo live berjalan lancar, semua anggota berkontribusi merata |
Alur cukup baik, demo berjalan dengan minor hiccup, distribusi peran jelas |
Presentasi kurang terstruktur, demo gagal di bagian tertentu, ada anggota yang pasif |
| Laporan Tertulis |
20% |
Metodologi jelas, hasil terdokumentasi lengkap, analisis mendalam, referensi ilmiah valid, format profesional |
Metodologi ada tapi kurang detail, analisis cukup, referensi ada tapi terbatas |
Laporan deskriptif tanpa analisis, format berantakan, atau kurang dari 8 halaman substansi |
| Tanya Jawab |
20% |
Menjawab pertanyaan teknis dan konseptual dengan tepat, mampu menjelaskan trade-off dan keterbatasan proyek |
Menjawab sebagian besar pertanyaan dengan cukup baik, ada beberapa yang kurang yakin |
Banyak pertanyaan yang tidak bisa dijawab, terutama terkait detail implementasi |
| Inovasi & Dampak |
15% |
Ada elemen orisinal yang tidak hanya mengikuti tutorial, relevan untuk masalah nyata, ada potensi aplikasi yang jelas |
Ada sedikit modifikasi dari referensi yang ada, relevansi cukup tunjukkan |
Mengikuti tutorial secara ketat tanpa adaptasi, relevansi tidak dijelaskan |
📊 Bagian 4 — Format Presentasi
Struktur 20 Menit Presentasi Anda
00:00
📋 Intro & Konteks
3 menit
03:00
🛠️ Arsitektur & Pendekatan
4 menit
07:00
▶️ Live Demo
6 menit
13:00
📈 Hasil & Analisis
4 menit
17:00
❓ Tanya Jawab
3 menit
✅ Yang Membuat Presentasi Kuat
- Mulai dengan problem statement — mengapa masalah ini penting?
- Demo live yang berjalan — lebih kuat dari slide apapun
- Data yang jujur — termasuk kegagalan dan limitasi
- Koneksi ke materi kuliah — tunjukkan relevansi konsep
- Setiap anggota bicara — tunjukkan kolaborasi tim nyata
❌ Yang Melemahkan Presentasi
- Slide penuh teks — dosen sudah bisa baca sendiri
- Demo dari video — tunjukkan sistem yang berjalan nyata
- Tidak bisa jawab "mengapa" — red flag pemahaman dangkal
- Satu orang berbicara semua — kontribusi anggota lain dipertanyakan
- Tidak ada hasil kuantitatif — angka lebih kuat dari klaim
✅ Bagian 5 — Checklist Sebelum Presentasi
Pastikan Semua Sudah Siap
H-7 (Satu Minggu Sebelum)
Pilihan topik disetujui dosen — jangan ganti mendadak
Pembagian tugas tim jelas dan terdokumentasi
Skeleton proyek sudah jalan di lokal semua anggota
Dataset atau sistem target sudah tersedia
H-3 (Tiga Hari Sebelum)
Implementasi teknis selesai dan sudah di-test
Slide presentasi draft pertama selesai
Laporan PDF draft lengkap sudah ada
Demo dry run pertama bersama tim
H-1 (Sehari Sebelum)
Laporan PDF final dikumpulkan ke dosen
Demo rehearsal lengkap termasuk skenario gagal
Environment demo ditest di laptop yang akan dipakai
Antisipasi pertanyaan — latihan tanya jawab internal tim
Hari H
Hadir 15 menit awal untuk setup dan cek koneksi
Backup slide di Google Drive dan flash drive
Charger laptop dibawa — jangan sampai mati di tengah demo!
Tenang dan percaya diri — Anda sudah mempersiapkan ini
💡 Bagian 6 — Tips dari Dosen
Strategi Meraih Nilai Terbaik
TIP 01
Scope yang Jelas Lebih Baik dari Scope yang Luas
Proyek yang menyelesaikan satu masalah spesifik dengan sangat baik lebih dihargai daripada proyek yang mencoba segalanya tapi tidak ada yang selesai. "Defect prediction untuk module auth SIAKAD" lebih kuat dari "sistem QA lengkap untuk semua jenis aplikasi".
TIP 02
Jujurlah tentang Keterbatasan
Akademisi dan praktisi menghargai kejujuran lebih dari klaim yang berlebihan. Jelaskan apa yang tidak berhasil, mengapa, dan apa yang akan diperbaiki jika ada waktu lebih. Ini menunjukkan pemikiran kritis yang matang.
TIP 03
Hubungkan ke Dunia Nyata Indonesia
Kontekstualisasikan proyek Anda ke sistem nyata yang ada di Indonesia: SIAKAD, aplikasi fintech lokal, e-commerce, atau sistem pemerintahan. Relevansi lokal menunjukkan pemahaman konteks yang lebih dalam.
TIP 04
Angka adalah Bahasa Universal
Jangan hanya bilang "akurasi tinggi" — bilang "F1-score 0.87 pada dataset 1000 bug reports". Jangan hanya bilang "coverage baik" — bilang "mutation score 83%, branch coverage 91%". Angka konkret selalu lebih meyakinkan.
TIP 05
Siapkan Skenario Demo yang Menarik
Rancang demo yang menunjukkan momen "wow" — saat AI mendeteksi bug yang tidak ada test-nya, saat circuit breaker aktif dan sistem recover sendiri, atau saat anomaly detector memflag serangan. Momen ini diingat lebih lama dari slide manapun.
TIP 06
Jawab "Mengapa" Bukan Hanya "Apa"
Pertanyaan paling sering dari dosen: "Mengapa kamu memilih Isolation Forest, bukan LSTM?" Jawaban terbaik bukan "karena lebih mudah" tapi "karena dataset kami tidak punya label, dan Isolation Forest adalah unsupervised sehingga cocok, meski dengan trade-off akurasi lebih rendah pada sequential pattern".
📚 Bagian 7 — Rekap Perjalanan S11409
14 Sesi yang Telah Membentuk Anda
SESI 1–2
Fondasi Reliability
Definisi, metrik MTTF/MTBF/MTTR, SLA, DRE, Cyclomatic Complexity
SESI 3
Model Keandalan (SRGM)
Jelinski-Moranda, Goel-Okumoto NHPP, Musa Basic, curve fitting
SESI 4
Proses & Strategi QA
ISO 25000, CMMI, Shift-Left, TDD, BDD, CI/CD pipeline
SESI 5
Pengujian Lanjut
EP, BVA, Decision Table, Coverage criteria, ROI Automasi
SESI 6
Analisis Defect & RCA
5 Whys, Fishbone, FTA, Pareto, ODC taxonomy
SESI 7
Pengantar QA Cerdas
Pivot ke AI/ML: landscape, ML pipeline, etika AI QA
SESI 8
UTS
Ujian Tengah Semester — cakupan Sesi 1–7
SESI 9
Prediksi Defect ML
NASA MDP, SMOTE, Random Forest, XGBoost, confusion matrix
SESI 10
AI Test Generation
SBST, LLM test gen, flaky tests, mutation testing, self-healing
SESI 11
Analisis Log & Anomali
Drain algorithm, Isolation Forest, LSTM, ELK Stack, AIOps
SESI 12
Reliability Microservices
Chaos Engineering, SRE, SLI/SLO, Circuit Breaker, Observability
SESI 13
Security Testing
OWASP Top 10, SAST/DAST, AI Fuzzing, DevSecOps, STRIDE
SESI 14
Tren Masa Depan
LLM for QA, Autonomous Testing, Digital Twin, AI Act, Etika
SESI 15–16
Proyek & UAS
Puncak perjalanan: sintesis dan pembuktian kompetensi
🌟 Pesan Penutup: Software reliability bukan sekadar teknik — ini adalah mindset. Setiap baris kode yang Anda tulis ke depannya, tanyakan: "Bagaimana ini bisa gagal? Bagaimana saya tahu jika ini gagal? Bagaimana sistem pulih jika ini gagal?" Itulah pertanyaan seorang reliability engineer sejati. Selamat menempuh ujian akhir, dan semoga perjalanan di matakuliah ini memberikan fondasi yang kuat untuk karier Anda!