Menu Bar

Kata Mutiara

"Keberhasilan merupakan tetesan dari jeri-payah perjuangan, luka, pengorbanan dan hal-hal yang mengejutkan. Kegagalan merupakan tetesan dari kemalasan, kebekuan, kelemahan, kehinaan dan kerendahan"

ANIMASI TULISAN BERJALAN

Tuesday, February 24, 2026

20 Fundamental Spring Boot yang wajib diketahui Pemula Programmer spesialis Java Developer

 

Apa itu Spring Boot

Spring Boot adalah framework berbasis Spring Framework yang mempermudah pembuatan aplikasi Java production-ready dengan:

✅ konfigurasi minimal
✅ embedded server
✅ auto-configuration
✅ siap untuk microservices & cloud


1. Konsep Inti: Dependency Injection (DI) & IoC

🎯 Tujuan

Mengurangi coupling antar class.

Tanpa DI

UserService service = new UserService();

Dengan DI

@Service
public class UserService {}


@Autowired
UserService service;

Spring container akan membuat & mengelola object.

✔ loose coupling
✔ mudah testing
✔ mudah maintain


2. Auto Configuration

Spring Boot otomatis mengkonfigurasi komponen berdasarkan dependency.

Contoh:

Jika ada dependency:

spring-boot-starter-data-jpa

Spring otomatis setup:

✔ DataSource
✔ JPA
✔ Transaction manager

➡ developer tidak perlu konfigurasi manual.


3. Starter Dependencies

Starter = paket dependency siap pakai.

Contoh:

  • spring-boot-starter-web → REST API

  • spring-boot-starter-data-jpa → database

  • spring-boot-starter-security → authentication

  • spring-boot-starter-validation → validation

👉 mempercepat setup project.


4. Embedded Server

Spring Boot menjalankan server internal:

✔ Tomcat (default)
✔ Jetty
✔ Undertow

Menjalankan aplikasi cukup:

java -jar app.jar


5. Struktur Layered Architecture (Best Practice)

Struktur umum:

controller
service
repository
model/entity
dto
config
exception

📌 Controller (API layer)

@RestController
@RequestMapping("/users")
public class UserController {}


📌 Service (business logic)

@Service
public class UserService {}


📌 Repository (data access)

@Repository
public interface UserRepository extends JpaRepository<User, Long> {}

✔ separation of concerns
✔ scalable architecture


 6. REST API Development (Spring MVC)

Digunakan untuk membangun API.

@GetMapping("/{id}")
public User getUser(@PathVariable Long id) {
    return userService.getUser(id);
}

Annotation penting:

  • @RestController
  • @GetMapping
  • @PostMapping
  • @RequestBody
  • @PathVariable

7. Configuration Management

Konfigurasi di:

application.yml

Contoh: YAML

server:
    port: 8081

spring:
    datasource:
    url: jdbc:postgresql://localhost:5432/app


Profile Environment

application-dev.yml
application-prod.yml

Aktifkan:

spring.profiles.active=dev

✔ mendukung multi environment.


8. Spring Data JPA (ORM)

Mempermudah akses database.

public interface UserRepository extends JpaRepository<User, Long> {

    List<User> findByName(String name);

}

Tanpa SQL manual.


9. Entity Mapping

@Entity
public class User {
   @Id
   @GeneratedValue
   private Long id;
}

Mapping object → tabel database.


 10.Transaction Management

Digunakan untuk menjaga konsistensi data.

@Transactional
public void transfer() {
// debit
// credit
}

✔ rollback otomatis jika error
✔ penting untuk transaksi finansial

11. Validation

public class UserRequest {

@NotNull
private String name;
}

@PostMapping
public void create(@Valid @RequestBody UserRequest req){}

✔ validasi otomatis request.

12. Exception Handling Global

@RestControllerAdvice
public class GlobalExceptionHandler {

@ExceptionHandler(Exception.class)
public ResponseEntity<?> handle(Exception e){
return ResponseEntity.badRequest().body(e.getMessage());
}
}

✔ response error konsisten
✔ mudah debugging

13. Logging

Menggunakan SLF4J + Logback.

private static final Logger log LoggerFactory.getLogger(UserService.class);
log.info("User created");

✔ monitoring
✔ debugging production

14. Security (Spring Security + JWT)

Digunakan untuk:

✔ authentication
✔ authorization
✔ proteksi API

Biasanya digunakan bersama JWT token.


15. Caching

Menggunakan Redis / in-memory cache.

@Cacheable("users")
public User find(Long id){}

✔ meningkatkan performa

16. Actuator (Monitoring & Health Check)

Dependency:

spring-boot-starter-actuator

Endpoint:

/actuator/health
/actuator/metrics

✔ monitoring aplikasi production.

17. Spring Boot Profiles & Environment

Memisahkan konfigurasi:

✔ dev
✔ staging
✔ production

Sangat penting untuk deployment.


 18. Build & Packaging

Gunakan:

✔ Maven
✔ Gradle

Build:

mvn clean package

Hasil:

app.jar

19. Testing

Unit Test

@SpringBootTest
class UserServiceTest {}

Tools umum:

✔ JUnit
✔ Mockito
✔ Testcontainers

20. Microservices Ready Features

Spring Boot mendukung:

✔ REST communication
✔ service discovery
✔ distributed config
✔ circuit breaker
✔ container deployment

Flow Request di Spring Boot

1️⃣ Client request API
2️⃣ Controller menerima request
3️⃣ Service menjalankan business logic
4️⃣ Repository akses database
5️⃣ Response dikirim kembali


 Kenapa Spring Boot Populer di Enterprise?

✅ cepat dikembangkan
✅ standar industri
✅ scalable & cloud ready
✅ ecosystem besar
✅ production ready

Kesimpulan

Fundamental Spring Boot yang wajib dikuasai:

✔ Dependency Injection & IoC
✔ Auto Configuration & Starter
✔ REST API & MVC
✔ JPA & Transaction
✔ Exception handling & validation
✔ Security & caching
✔ Monitoring & deployment

Friday, February 20, 2026

Jebakan financial setelah kerja 10 tahun saat masih single

Setelah 10 tahun bekerja dan masih single, seseorang sering kali berada di puncak pendapatan tertinggi namun juga paling rentan terhadap jebakan gaya hidup. Kondisi "tanpa tanggungan" (anak/pasangan) sering membuat lengah dan menyebabkan

Berikut adalah jebakan finansial setelah 10 tahun bekerja saat masih single berdasarkan hasil penelusuran:
1. Lifestyle Inflation (Gaya Hidup Meningkat)
  • Jebakan: Saat pendapatan naik, pengeluaran naik lebih tinggi. Merasa "berhak" menikmati hasil kerja keras dengan membeli barang bermerek, gadget terbaru, atau sering fine dining.
  • Dampak: Tabungan tetap nol atau minim meskipun gaji sudah dua digit.
  • Cara Hindari: Tahan diri sebelum meningkatkan standar hidup dan tanyakan apakah pengeluaran tersebut meningkatkan kualitas hidup atau hanya egonya saja.
2. Terjebak Instagrammable Lifestyle
  • Jebakan: Keinginan untuk tampil trendy di media sosial—ngopi di kafe mahal, liburan mewah, atau membeli barang-barang fashion terbaru untuk dipamerkan.
  • Dampak: Uang habis untuk hal konsumtif sementara aset jangka panjang tidak terbentuk.
3. Meremehkan Pengeluaran Kecil (Latte Factor)
  • Jebakan: Langganan streaming (Netflix, Spotify, HBO, dll) yang tidak terpakai, layanan pesan-antar makanan, dan jajan harian yang dianggap kecil namun menumpuk.
  • Cara Hindari: Catat pengeluaran (misal: gunakan fitur In & Out di aplikasi bank) dan kurangi makan di luar.
4. Easy Debt (Paylater dan Kartu Kredit)
  • Jebakan: Menggunakan paylater dan kartu kredit untuk kebutuhan sehari-hari yang sebenarnya bisa dibayar tunai. Menganggapnya sebagai pendapatan tambahan.
  • Dampak: Bunga tinggi menguras pendapatan masa depan dan terjebak utang konsumtif.
5. Tidak Punya Dana Darurat & Asuransi
  • Jebakan: Merasa "single" membuat Anda merasa aman karena hanya menanggung diri sendiri. Akibatnya, mengabaikan dana darurat (ideal: 3-6 bulan pengeluaran) dan asuransi.
  • Dampak: Jika sakit atau kehilangan pekerjaan, tabungan akan ludes seketika.
6. "Sandwich Generation" Terselubung
  • Jebakan: Terlalu royal membantu saudara, keponakan, atau menanggung gaya hidup orang tua secara berlebihan tanpa batasan (budgeting).
  • Cara Hindari: Prioritaskan diri sendiri (self-care finansial) sebelum membantu orang lain.
7. Menunda Investasi dan Dana Pensiun
  • Jebakan: Merasa waktu masih panjang, sehingga fokus hanya pada kesenangan masa kini dan menunda investasi atau dana pensiun.
  • Dampak: Kehilangan kesempatan compound interest (bunga berbunga) yang sangat berharga dalam 10 tahun.
8. Two Income Trap (Versi Single)
  • Jebakan: Single sering kali menjadi sasaran empuk untuk cicilan jangka panjang (cicilan rumah, mobil, atau apartemen) karena merasa pendapatannya cukup.
  • Dampak: Arus kas tersedot untuk cicilan, meninggalkan sedikit uang untuk investasi.
Tips Utama: Bereskan "kebakaran finansial" (lunasi utang berbunga tinggi) dan tetapkan tujuan keuangan yang jelas, baik jangka pendek maupun jangka panjang.

Saturday, January 3, 2026

NVIDIA vs AMD GPU Architecture

 

🔥 NVIDIA vs AMD GPU Architecture

1️⃣ Core Architecture

AspekNVIDIAAMD
Unit utamaSM (Streaming Multiprocessor)CU (Compute Unit)
CoreCUDA CoreStream Processor
EksekusiWarp (32 thread)Wavefront (64 thread)
FokusCompute + AIGaming + Compute

➡️ NVIDIA lebih agresif di compute & AI, AMD unggul di price/performance gaming


2️⃣ AI / Matrix Acceleration

🟢 NVIDIA

  • Tensor Cores (RTX, A100, H100)

  • Mendukung:

    • FP16

    • BF16

    • INT8 / INT4

  • Sangat kuat untuk training & inference AI

🔴 AMD

  • Matrix Cores (RDNA3 / CDNA)

  • Lebih baru & terbatas dukungannya

  • Performa AI masih tertinggal dari NVIDIA

➡️ AI research & production → NVIDIA unggul


3️⃣ Software Ecosystem

SoftwareNVIDIAAMD
Low-levelCUDAROCm / OpenCL
AIcuDNN, TensorRTMIOpen
ML FrameworkNative supportLimited
ToolsNsightRadeon GPU Profiler

➡️ CUDA ecosystem adalah keunggulan terbesar NVIDIA


4️⃣ Memory & Bandwidth

AspekNVIDIAAMD
VRAMGDDR6 / HBMGDDR6 / HBM
CacheL1 + L2Infinity Cache
BandwidthSangat tinggi (HBM)Efisien (Infinity Cache)

➡️ AMD lebih efisien di gaming dengan Infinity Cache


5️⃣ Ray Tracing & Graphics

FiturNVIDIAAMD
Ray TracingRT Cores Gen 3Ray Accelerator
UpscalingDLSS (AI-based)FSR (software)
DriverStabilKadang lambat update

➡️ Gaming modern → NVIDIA lebih unggul di ray tracing & DLSS


🎮 GPU untuk GAME vs 🤖 GPU untuk AI

🎮 GPU untuk Gaming

Karakteristik:

  • Clock tinggi

  • Fokus rasterization & ray tracing

  • Optimasi shader

  • Harga lebih terjangkau

Contoh:

  • NVIDIA RTX 4060 / 4070

  • AMD RX 6700 XT / 7800 XT

➡️ AMD sering lebih murah dengan FPS tinggi


🤖 GPU untuk AI

Karakteristik:

  • Banyak compute core

  • Tensor acceleration

  • VRAM besar (24GB+)

  • Support mixed precision

Contoh:

  • NVIDIA RTX 4090 (consumer AI)

  • NVIDIA A100 / H100 (datacenter)

  • AMD MI250 (datacenter)

➡️ AI training serius → NVIDIA dominan


6️⃣ Mobile GPU (Sedikit Tambahan)

MobileFokus
Adreno (Qualcomm)Gaming mobile
Mali (ARM)Efisiensi
Apple GPUAI + Graphics
NVIDIA TegraGaming / Embedded AI

📌 Ringkasan Cepat

Pilih NVIDIA jika:

✅ AI / Machine Learning
✅ Ray tracing & DLSS
✅ Software ecosystem matang

Pilih AMD jika:

✅ Gaming murni
✅ Budget terbatas
✅ Open-source friendly


Apa itu GPU Architecture?

Apa itu GPU Architecture?

GPU (Graphics Processing Unit) adalah prosesor yang dirancang untuk parallel processing — menjalankan ribuan operasi kecil secara bersamaan.
Awalnya untuk grafis, sekarang dipakai luas untuk AI, ML, data science, game, dan komputasi berat.


⚙️ CPU vs GPU (Gambaran Singkat)

CPUGPU
Sedikit core (4–32)Ribuan core kecil
Kuat di single-threadKuat di parallel
Kontrol kompleksThroughput tinggi
Latency rendahBandwidth tinggi

➡️ GPU cocok untuk operasi yang sama di banyak data (matrix, pixel, vector).


🏗️ Komponen Utama GPU Architecture

1️⃣ Streaming Multiprocessor (SM) / Compute Unit (CU)

  • Unit utama GPU

  • Berisi banyak core kecil (ALU)

  • NVIDIA → SM

  • AMD → CU

➡️ Satu GPU bisa punya puluhan hingga ratusan SM


2️⃣ GPU Cores (CUDA Core / Stream Processor)

  • Core sederhana

  • Fokus pada operasi aritmatika (add, multiply)

  • Tidak sekompleks core CPU

➡️ Contoh: RTX GPU bisa punya 10.000+ CUDA cores


3️⃣ Warp / Wavefront (Execution Model)

  • GPU mengeksekusi thread berkelompok

  • NVIDIA: Warp = 32 threads

  • AMD: Wavefront = 64 threads

➡️ Semua thread dalam warp menjalankan instruksi yang sama

⚠️ Branch divergence (if-else berbeda) → performa turun


4️⃣ Memory Hierarchy GPU

🔹 Global Memory (VRAM)

  • Paling besar

  • Paling lambat

  • Bisa diakses semua thread

🔹 Shared Memory

  • Sangat cepat

  • Dibagi dalam satu SM

  • Cocok untuk data yang sering dipakai ulang

🔹 Registers

  • Paling cepat

  • Private untuk tiap thread

  • Jumlah terbatas

Register → Shared → L2 Cache → Global (VRAM)

5️⃣ Cache System

  • L1 Cache (dekat SM)

  • L2 Cache (shared antar SM)

  • Optimasi bandwidth memori


🔄 Execution Model (Cara GPU Bekerja)

  1. CPU kirim kernel ke GPU

  2. Kernel dipecah jadi:

    • Grid

    • Block

    • Thread

  3. GPU menjalankan ribuan thread paralel

Grid
 └── Block
      └── Thread

🚀 GPU Programming Models

Beberapa cara memprogram GPU:

  • CUDA (NVIDIA)

  • OpenCL (Cross-platform)

  • Vulkan Compute

  • Metal (Apple)

  • DirectCompute (Windows)


🤖 GPU untuk AI & ML

GPU sangat cocok untuk:

  • Matrix multiplication

  • Tensor operations

  • Neural network training

Fitur khusus:

  • Tensor Cores (NVIDIA)

  • Matrix Cores (AMD)

  • Mixed precision (FP16, BF16)


⚠️ Tantangan GPU Architecture

  • Memory bottleneck

  • Branch divergence

  • Debugging sulit

  • Power consumption tinggi


🧩 Ringkasan Singkat

  • GPU = parallel monster

  • Banyak core kecil

  • Eksekusi berbasis warp

  • Memory hierarchy sangat penting

  • Ideal untuk AI, grafis, scientific computing





Sunday, August 24, 2025

DROP TEGANGAN DARI 20 KV KE 19.5KV PADA DIRTIBUTION TRANFORMER

Gambar tersebut menjelaskan kasus penurunan tegangan sumber dari 20.000 V → 19.450 V pada sebuah distribution transformer (trafo distribusi).


📌 1. Apa yang terjadi?

  • Rated HV trafo: 20 kV (20.000 V).

  • Tegangan sumber aktual: 19,45 kV.

  • Terjadi drop 550 V (≈ 2,75%) dari tegangan nominal.


📌 2. Fungsi Tap Changer

Trafo dilengkapi Tap Changer untuk mengatur tegangan sisi HV sehingga tegangan sisi LV tetap sesuai (umumnya 400 V pada trafo distribusi).

Dari nameplate terlihat pilihan tap:

  • Tap 1 → 20.500 V

  • Tap 2 → 20.250 V

  • Tap 3 → 20.000 V (posisi normal / nominal)

  • Tap 4 → 19.750 V

  • Tap 5 → 19.500 V


📌 3. Langkah praktis penentuan tap

  1. Ukur tegangan HV dan LV saat beban normal.
    → Dalam kasus ini HV = 19,45 kV.

  2. Target LV: sekitar 400 V (fase-fase).
    → Perlu disesuaikan dengan drop jaringan LV.

  3. Hitung % tap:

    % deviasi=20.00019.45020.000×100%=2,75%\% \text{ deviasi} = \frac{20.000 - 19.450}{20.000} \times 100\% = 2,75\%
  4. Pilih tap terdekat:

    • Tiap tap step = ±2,5% dari tegangan nominal.

    • Karena sumber lebih rendah, trafo harus dinaikkan tap → pindah ke posisi HV yang lebih tinggi.

    • Jadi dari Tap 3 (20.000 V) digeser ke Tap 2 (20.250 V) atau Tap 1 (20.500 V).

  5. Verifikasi di LV panel:

    • Pastikan tegangan fase-fase mendekati 400 V.

    • Bila masih di bawah 400 V → geser ke Tap 1.

    • Bila cukup di Tap 2 → biarkan di sana.


📌 4. Catatan Penting

  • Pergantian tap dilakukan saat trafo off-load (OFF-load tap changer), kecuali kalau pakai OLTC (On Load Tap Changer).

  • Selalu koordinasi dengan dispatcher / control center sebelum ubah tap.

  • Setelah penyesuaian, lakukan monitoring tegangan LV pada beberapa beban & waktu berbeda.


👉 Jadi intinya: karena tegangan sumber drop ke 19,45 kV, maka tap trafo perlu dinaikkan (ke Tap 2 atau Tap 1) agar tegangan sisi LV tetap sekitar 400 V.

 

contoh perhitungan tegangan LV untuk tiap posisi tap—dan koreksi kecil:
kalau tegangan sumber HV turun, maka tap HV harus diturunkan (ke nilai kV yang lebih rendah) agar LV kembali mendekati 400 V. Sebelumnya aku sempat menyebut “naik tap”—itu terbalik. 🙏

Data:

  • Trafo distribusi: 20 kV / 0.4 kV (Dyn5)

  • Pilihan tap HV (nameplate): 20.5 – 20.25 – 20.0 – 19.75 – 19.5 kV

  • Tegangan sumber aktual: 19.45 kV

  • Target LV: ≈ 400 V (line-to-line)

Rumus praktis (ideal, tanpa rugi):

VLV400 V×VHV, actualVHV, rated (tap)V_{LV} \approx 400\ \text{V} \times \frac{V_{HV,\ actual}}{V_{HV,\ rated\ (tap)}}

Hasil per tap

Posisi Tap (kV)PerhitunganPerkiraan VLLV_{LL} di LV
20.5400×19.4520.5400 \times \frac{19.45}{20.5}≈ 379.5 V
20.25400×19.4520.25400 \times \frac{19.45}{20.25}≈ 384.2 V
20.0400×19.4520.0400 \times \frac{19.45}{20.0}≈ 389.0 V
19.75400×19.4519.75400 \times \frac{19.45}{19.75}≈ 393.9 V
19.5400×19.4519.5400 \times \frac{19.45}{19.5}≈ 399.0 V

Rekomendasi: pilih Tap 5 (19.5 kV) — hasil LV ≈ 399 V, sangat dekat dengan target 400 V.
Sebagai pembanding, Tap 4 (19.75 kV) memberi ≈ 394 V (masih OK bila kebijakan tegangan ±5% → 380–420 V), tetapi Tap 5 paling tepat untuk kondisi 19.45 kV.

Langkah ringkas di lapangan

  1. Ukur HV & LV saat beban normal (beberapa waktu).

  2. Hitung VLVV_{LV} per opsi tap (pakai rumus di atas).

  3. Pilih tap yang membuat LV ~400 V (atau dalam band kebijakan, mis. ±5%).

  4. Ganti tap sesuai SOP (OFF-load kecuali OLTC), koordinasi dengan dispatcher.

  5. Verifikasi di panel LV: tegangan fasa-fasa ≈ 400 V dan seimbang.

  6. Monitor lagi saat beban puncak & rendah; sesuaikan bila profil HV berubah.

 

 



Friday, August 22, 2025

Pertimbangan pembuatan TSD dalam project banking

Dalam project banking (atau financial services secara umum), dokumen TSD (Technical Specification Document) itu sangat penting karena sistemnya harus regulasi-compliant, secure, dan audit-ready.

Berikut hal-hal yang perlu diperhatikan saat membuat TSD untuk project banking:


📌 1. Pendahuluan & Konteks

  • Latar belakang sistem (misal: Core Banking, Loan System, Payment Gateway).

  • Scope dokumen → sistem apa saja yang dicakup.

  • Stakeholder → tim developer, QA, security, auditor, regulator.

  • Standar/regulasi → OJK, BI, PCI DSS, ISO 27001.


📌 2. Arsitektur Sistem

  • High-Level Diagram → komponen utama (API Gateway, microservices, Kafka, DB, Redis, security layer).

  • Integration Points → misalnya dengan core banking, ATM switch, payment network (Visa/MasterCard), dll.

  • Data Flow Diagram → aliran data transaksi (contoh: transfer uang dari mobile → API → core banking → settlement).


📌 3. Spesifikasi Teknis

  • Teknologi utama → Java (Spring Boot, Reactive), Database (Oracle, MongoDB, Redis), Kafka, Docker, K8s.

  • Deployment architecture → bare metal, VM, cloud (AWS, GCP, Azure), Kubernetes.

  • Networking → port, ingress/egress rules, firewall.

  • Scalability plan → horizontal scaling via Kubernetes, autoscaler.


📌 4. Keamanan (Security)

  • Authentication & Authorization → OAuth2, JWT, SSO, RBAC.

  • Data Security

    • Encryption in-transit (TLS 1.2/1.3).

    • Encryption at-rest (AES-256 untuk DB, Redis, Kafka).

  • Key Management (Vault, HSM, KMS).

  • Audit Trail → semua transaksi harus log immutable (untuk compliance & fraud detection).

  • Security Controls → OWASP Top 10, anti-SQL injection, anti-CSRF, rate limiting.


📌 5. Data Management

  • Data Model → ERD, schema MongoDB/Oracle, indexing.

  • Data Retention Policy (berapa lama transaksi disimpan).

  • Archiving Strategy → cold storage untuk transaksi lama.

  • Backup & Restore → strategi HA (high availability).

  • Consistency → transaksi harus ACID (atau saga pattern untuk microservices).


📌 6. Integrasi & Messaging

  • Kafka/RabbitMQ → topik, partisi, consumer group, retry & DLQ (Dead Letter Queue).

  • Batch Processing → end-of-day settlement, report generation.

  • External API → misalnya integrasi BI-FAST, SWIFT, VISA/MasterCard.


📌 7. Performance & Reliability

  • Latency Target → misalnya < 500ms untuk transfer antar rekening.

  • Throughput → berapa transaksi per detik yang didukung.

  • High Availability → cluster DB, Kafka, Redis sentinel.

  • Disaster Recovery → RPO/RTO target.


📌 8. Monitoring & Logging

  • Observability → Prometheus, Grafana, OpenTelemetry.

  • Log Management → ELK stack (Elasticsearch, Logstash, Kibana) atau Loki.

  • Alerting → Slack/Email/PagerDuty untuk SLA breach.

  • Business Metrics → jumlah transaksi, gagal transaksi, fraud detection.


📌 9. Compliance & Audit

  • Regulasi → OJK/BI compliance, PCI DSS (jika ada kartu).

  • Audit Logs → immutable, disimpan min. 5–7 tahun.

  • User Privacy → PII handling, GDPR/PDPA compliance.

  • Change Management → semua perubahan harus lewat approval (DevSecOps pipeline).


📌 10. Non-Functional Requirements

  • Skalabilitas, maintainability, portability.

  • SLA & SLO (availability target 99.9% misalnya).

  • Testing strategy → Unit, Integration, UAT, Security Testing, Performance Testing.


⚡ Jadi, TSD untuk banking harus sangat detail, tidak cuma teknis coding, tapi juga regulasi, security, dan audit karena sifat domainnya yang kritikal.



iklan

iklan