Mata kuliah ini bertujuan mendorong mahasiswa mengaktualisasikan dirinya melalui
kreativitas berlandaskan teori dasar ilmu biologi, keingintahuan terhadap fenomena yang
berhubungan dengan ilmu biologi, dan menggali potensi biodiversitas sumber daya hayati
Indonesia. Landasan teori yang akan disampaikan diawali dengan informasi keunggulan
sumber daya hayati Indonesia, dilanjutkan dengan diskusi fenomena aktual dan pemberian
teori biologi yang mendasari fenomena tersebut, seperti bioprospeksi dari biodiversitas
hayati (pangan untuk dunia, sumber energi terbarukan, bioremediasi), biomimikri dan
struktur tubuh organisme yang menjadi inspirasi tercipta suatu inovasi teknologi,
personalized medicine, pengelolaan lingkungan yang berkelanjutan melalui pengetahuan
tentang siklus materi di alam, pemanfaatan limbah, dan pelestarian biodiversitas hayati. Mata
kuliah ini dilengkapi dengan praktikum agar mahasiswa lebih memahami teori yang
diberikan

Mata kuliah ini disusun untuk mendorong mahasiswa mampu menggunakan bahasa Inggris sesuai kebutuhan dan konteksnya. Untuk itu diperkenalkan grammatical structures, rhetorical models dalam gagasan, pengembangan kosa-kata, dan bentuk-bentuk ujaran sesuai language functions dalam konteksnya masing-masing.

Mata kuliah ini bertujuan meningkatkan kemampuan mahasiswa Mengembangkan pola pikir mencari tahu (inquiring mind) berdasarkan konsep-konsep dan teori sosiologi (aspek pengetahuan), Melatih pola pikir antisipatif terhadap konsekuensi suatu proses perubahan akibat tindakan manusia (realitas dan masalah sosial) di masyarakat pada berbagai aras (aspek pemahaman-sikap), dan Melatih respon proaktif penuh minat terhadap perubahan sosial pada society 1.0 hingga society 5.0 (aspek aplikasi) serta mengenalkan keterampilan tentang metode pendekatan dan pemecahan permasalahan sosial di masyarakat. Topik-topik yang akan disampaikan dalam mata kuliah antara lain (1) Memahami Masyarakat secara Sosiologis; (2) Interaksi Sosial: Membangun Kerjasama dan Memfungsikan Konflik Sosial; (3) Potret Masyarakat dilihat dengan Lensa Struktur Sosial; (4) Keragaman dan Eksistensi Budaya Indonesia; (5) Dinamika Lembaga Sosial; (6) Dinamika Grup dalam Masyarakat yang Berubah; (7) Birokrasi dan Pecegahan Korupsi; (8) Dinamika Stratifikasi dan Mobilitas Sosial di Indonesia pada Era Digital; (9) Kekuasaan dan Wewenang; (10) Komunikasi: Merajut Hubungan Sosial; (11) Krisis Ekologi dan Modernisasi Ekologi; (12) Gender, Kesetaraan dan Inklusi Sosial; serta (13) Perubahan Sosial dalam Arus Globalisasi.

Mata kuliah ini membahas bentuk tak tentu dan integral tak wajar; barisan dan deret tak hingga; dan menyusun beberapa bukti formal irisan kerucut dan koordinat kutub; geometri ruang: sistem koordinat dimensi tiga, silinder dan permukaan-permukaan kuadrik, koordinat silinder dan koordinat bola.

Mata kuliah ini menjelaskan tentang konsep dasar statistika, pengertian tentang beberapa istilah dalam statistika (sampel, populasi, data, dll); berbagai tehnik memahami data (data understanding), yang meliputi penyajian dan peringkasan data, eksplorasi tentang keberadaan nilai ekstrim, eksplorasi pola sebaran, eksplorasi perbandingan antar grup, dan eksplorasi hubungan antar ariable; pemodelan (modelling), yang meliputi asosiasi, korelasi dan pengenalan model regresi linier; pengertian beberapa metode pengumpulan data, manajemen data serta beberapa tehnik penyajian informasi dalam presentasi hasil analisis, yang dapat diterapkan pada berbagai bidang terapan, seperti Pertanian, Biologi, Sosial, Bisnis, dan sebagainya. Mata kuliah ini juga menjadi dasar bagi mata ajaran bagi mata kuliah statistika lebih lanjut seperti Analisis Data Kategorik, Analisis Regresi, Perancangan Percobaan, Statistika Pengendalian Mutu, dan Analisis Deret Waktu.

Mata kuliah ini berisi teknik penyelesaian masalah dengan algoritma dan mengimplementasikan algoritma menggunakan bahasa pemrograman C. Konstruksi algoritma: sekuensial, penugasan, evaluasi ekspresi, seleksi, dan iterasi. Bahasa pemrograman C: tahapan pemrograman, struktur program, kata kunci, tipe data, literal constant, symbolic variable, operator aritmatika, logika, relasional, kesamaan, penugasan, dan operator increment dan decrement. Kontrol program: if, while, do … while, for, dan switch. Fungsi: definisi fungsi, pemanggilan fungsi (call by value/reference), fungsi rekursif, inline function. Struktur data sederhana: array dan struct.

Mata kuliah ini membahas bentuk tak tentu dan integral tak wajar; barisan dan deret tak hingga; dan menyusun beberapa bukti formal irisan kerucut dan koordinat kutub; geometri ruang: sistem koordinat dimensi tiga, silinder dan permukaan-permukaan kuadrik, koordinat silinder dan koordinat bola

Mata kuliah ini mengupas topik-topik utama aljabar matriks yang berperan dalam analisis data,
yaitu matriks dan operator pengolahnya, matriks-matriks spesial dalam statistika, determinan,
pangkat matriks, matriks kebalikan dan matriks kebalikan umum, solusi sistem persamaan
linier, ruang vektor real dan ruang euclid, transformasi linier, pendiagonalan matriks, bentuk
bilinier dan bentuk kuadrat, dan pendiferensiasian dalam aljabar matriks.

Mata kuliah ini akan mendiskusikan dasar-dasar dari teknik pengumpulan data terutama yang
berbasis pada percontohan (sampling) dan percobaan. Beberapa teknik dasar penarikan
contoh baik yang sifatnya berpeluang maupun tak-berpeluang akan dibahas disertai dengan
penerapannya. Sedangkan pada pengumpulan berbasis percobaan akan dibahas prinsip dasar
perancangan percobaan yang meliputi pengacakan, pengelompokan, dan pengulangan.
Rancangan-rancangan percobaan standar akan dipelajari beserta model analisisnya. Selain itu,
juga akan disinggung proses pengumpulan data yang terkait dengan big data, baik
pengumpulan data dari database maupun dari data berbasis web dan internet

Mata kuliah ini mengupas topik-topik utama aljabar matriks yang berperan dalam analisis data, yaitu matriks dan operator pengolahnya, matriks-matriks spesial dalam statistika, determinan, pangkat matriks, matriks kebalikan dan matriks kebalikan umum, solusi sistem persamaan linier, ruang vektor real dan ruang euclid, transformasi linier, pendiagonalan matriks, bentuk bilinier dan bentuk kuadrat, dan pendiferensiasian dalam aljabar matriks.

Mata kuliah ini menjelaskan prinsip-prinsip dasar metode statistika (konsep dasar peluang, konsep peubah acak,konsep dasar sebaran penarikan contoh, konsep dasar pendugaan parameter, serta konsep dasar uji hipotesis) dan beberapa metode analisis sederhana (perbandingan nilai tengah, anova, uji khi kuadrat, analisis korelasi dan regresi), yang dapat diterapkan pada berbagai bidang terapan, seperti Pertanian, Bio Sains, Lingkungan, Sosial, Ekonomi, Industri, Bisnis, dan sebagainya. Mata kuliah ini juga menjadi dasar bagi Mata kuliah bagi mata kuliah statistika lebih lanjut seperti Analisis Data Kategorik, Analisis Regresi, Perancangan Percobaan, Statistika Pengendalian Mutu, dan Analisis Deret Waktu.

Pada mata kuliah ini dibahas materi-materi berikut. Turunan Parsial: fungsi multi variable, limit dan kekontinuan, turunan parsial, bidang singgung dan hampiran linear, aturan rantai, turunan berarah dan vector gradien, nilai maksimum dan minimum, penggali Lagrange. Integral Lipat: integral lipat dua pada persegi panjang, integral berulang, integral lipat dua pada daerah umum, integral berulang pada koordinat polar, penerapan integral lipat dua, luas permukaan, integral lipat tiga, integral lipat tiga dalam koordinat silinder dan koordinat bola, penggantian variable dalam integral lipat. Kalkulus Vektor: medan vector, integral garis, Teorema Dasar untuk integral garis, Teorema Green, curl dan divergensi, permukaan parametric dan luasnya, integral permukaan, Teorema Stokes, Teorema Divergens.

Mata kuliah perancangan percobaan membahas tentang rancangan percobaan standard, terutama yang umum digunakan di Bidang Pertanian. Perkuliahan dimulai dengan pengenalan perancangan percobaan dan beberapa rancangan baku percobaan, kemudian dilanjutkan dengan percobaan faktor tunggal dalam Rancangan Teracak Lengkap (RTL), Rancangan Kelompok Teracak Lengkap (RKT), Rancangan Bujur-sangkar Latin (RBSL), pembandingan antar perlakuan, pengujian asumsi, percobaan berfaktor, rancangan petak terbagi (RPT) dan rancangan kelompok terbagi, serta analisis peragam.

Mata kuliah ini membahas prinsip dasar hubungan antar peubah, pemodelan statistika, model linier sederhana, pendugaan MKT dan MKM, interpretasi model, penguraian keragaman, uji hipotesis, ukuran kebaikan model, pendugaan Y, diagnostik model regresi, model regresi ganda, pendugaan parameter menggunakan matriks, uji bersama, parsial dan sekuensial, regresi dengan pubah dummy, dan pemilihan model terbaik.

Mata kuliah ini akan mendiskusikan teknik visualisasi data, yang diperoleh dari hasil proses analisis. Didasarkan pada persepsi grafis manusia, akan dibicarakan bebagai teknik visualisasi tradisional dan modern. Akan dibahas juga penggunaan paket komputer secara intensif untuk menghasilkan berbagai bentuk visualisasi, termasuk animasi sebagai cara memperoleh informasi lebih pada data berdimensi besar. Teknik visualisasi yang akan dibahas meliputi visualisasi sebaran data, visualisasi nilai dan proporsi, visualisasi hubungan antar peubah, trend, dan peta spasial.

Mata kuliah ini membahas topik-topik dasar statistika dari sudut teori yang meliputi pendugaan parameter dan sifat-sifat penduga parameter, pengujian hipotesis dan selang kepercayaan

Mata kuliah perancangan percobaan membahas tentang rancangan percobaan standard, terutama yang umum digunakan di Bidang Pertanian dan Industri. Perkuliahan dimulai dengan pengenalan dan definisi perancangan percobaan, prinsip dasar perancangan percobaan, serta istilah istilah dalam perancangan percobaan. Kemudian dilanjutkan dengan percobaan faktor tunggal dalam Rancangan Teracak Lengkap (RTL), Rancangan Kelompok Teracak Lengkap (RKT), Rancangan Bujur-sangkar Latin (RBSL), pembandingan antar perlakuan, pengujian asumsi, percobaan berfaktor baik dalam RAL dan RAKL, rancangan petak terbagi (RPT) dalam RAL dan RAKL, serta dan rancangan kelompok terbagi, serta analisis peragam. Ditambah dengan rancangan permukaan respon

Mata kuliah ini membahas konsep pemrograman lanjutan dengan menggunakan R dan Python untuk mendukung analisis data dan pengembangan aplikasi statistik. Topik yang dibahas meliputi pemanfaatan fungsi dalam pemrograman, implementasi fungsi matematika dan statistik, serta pengenalan dan pengembangan konsep Object-Oriented Programming (OOP) pada R melalui pembuatan class dan objek. Selain itu, mahasiswa juga akan mempelajari desain dan implementasi visualisasi data baik dalam bentuk statis maupun interaktif, serta pengembangan antarmuka sederhana yang dapat digunakan sebagai dasar pembuatan aplikasi statistik. Dengan mengikuti mata kuliah ini, mahasiswa diharapkan mampu mengintegrasikan keterampilan pemrograman dengan kebutuhan analisis dan komunikasi data secara efektif.

Mata kuliah ini membahas topik-topik dasar statistika dari sudut teori yang meliputi (1) konsep kekonvergenan : konvergen dalam peluang dan konvergen dalam sebaran; (2) pendugaan parameter : penduga momen, penduga likelihood, penduga Bayes; (3) sifat-sifat penduga parameter : cukup, konsisten, efisien, dan penduga tak bias terbaik; (4) pengujian hipotesis : metode rasio likelihood, metode Bayes, kuasa uji, uji paling kuasa; dan (5) penduga selang : balikan daerah uji, besaran pivot.

Mata kuliah ini membahas tentang pengertian,  ruang lingkup, karakteristik data deret waktu, pemulusan data melalui Metode Rataan Bergerak (Moving Average), Eksponensial, Metode Winter. Selain itu mata kuliah ini juga membahas Model Regresi untuk Data Deret Waktu, serta pemodelan data deret waktu ARIMA(p,d,q) melalui Metode Box-Jenkins.

Mata kuliah ini membahas tentang metode statistika untuk data kategorik yang mencakup
metode yang memiliki peran penting dalam perjalanan sejarah statistika seperti uji Khi-kuadrat
sampai ke model analisis statistika yang berkembang sejalan perkembangan mutakhir dari
teknologi komputasi seperti model regresi logistik

Mata kuliah ini memberikan pengantar mengenai pendekatan Bayesian pada analisis dan pemodelan statistika, yang dimulai dengan konsep peluang dan kemudian secara perlahan bergerak ke proses analisis data.

Mahasiswa akan mempelajarai filosof pendekatan Bayesian dan membandingkannya dengan pendekatan umum lain yaitu Frequentist. Fokus sebaran pada mata kuliah ini adalah sebaran normal dan binomial, sebagai dua sebaran yang paling populer digunakan.

Selain itu, juga akan dibicarakan teknik komputasi yang memungkinkan penerapan pendekatan Bayesian pada berbagai analisis data menggunakan Markov Chain dan Gibbs Sampling.

Pendekatan Problem-Based Learning (PBL) diterapkan dalam mata kuliah ini untuk melatih mahasiswa memecahkan masalah ril berbasis pada data melalui pendekatan analisis Bayesian.

Mata kuliah ini membahas tentang pengertian, ruang lingkup, karakteristik data deret waktu, pemulusan data melalui Metode Rataan Bergerak (Moving Average), Eksponensial, Metode Winter. Selain itu mata kuliah ini juga membahas Model Regresi untuk Data Deret Waktu, serta pemodelan data deret waktu ARIMA(p,d,q) melalui Metode Box-Jenkins.

Mata kuliah ini membahas tentang metode statistika untuk data kategorik yang mencakup metode yang memiliki peran penting dalam perjalanan sejarah statistika seperti uji Khi-kuadrat sampai ke model analisis statistika yang berkembang sejalan perkembangan mutakhir dari teknologi komputasi seperti model regresi logistik.

Mata kuliah ini membahas tentang teknik-teknik pengendalian dan peningkatan mutu secara statistik.  Pengendalian proses, bagan Shewhart, bagan Cusum, metode grafik untuk pengawasan (peningkatan) mutu, bagan kendali, plot peluang. Diagram ishikawa dan diagram Pareto.  Penerapan perancangan percobaan dalam proses peningkatan mutu.

Teknik pembelajaran mesin merupakan teknik yang menggabungkan ilmu statistika, aljabar linear, optimisasi, dan ilmu komputer yang berguna dalam penyelesaian permasalahan berbasiskan data dalam ukuran yang besar yang berguna dalam banyak sistem otomatis. Mata kuliah ini akan memberikan pemahaman mengenai berbagai teknik dan algoritma machine learning, mengasah kemampuan analisis data, serta memberikan eksposur dan pengalaman penyelesaian permasalahan pada berbagai bidang terapan baik di industri maupun riset. Sebagai mata kuliah pada jenjang program sarjana, mata kuliah ini fokus pada beberapa algoritma utama pada unsupervised learning dan supervised learning. Teknik unsupervised learning yang akan dibahas antara lain adalah clustering dan association rule, sedangkan teknik supervised learning akan meliputi permasalahan regresi dan klasifikasi.

Mata kuliah ini fokus pada penerapan metode-metode untuk analis data waktu hingga kejadian (time-to-event data). Model-model yang akan dibahas antara lain adalah model parametrik seperti regresi eksponensial, Weibull, dan log-logistik. Juga akan dibahas model semi-parametrik seperti regresi Cox proportional hazards. Model non-parametrik seperti Life Tables, metode Kaplan-Meier juga akan diperkenalkan.

Mata kuliah ini membahas penggunaan metode simulasi dan resampling pada penarikan kesimpulan secara statistika. Materi yang akan dibahas meliputi pembangkitan bilangan acak peubah tunggal dan peubah ganda, pemeriksaan kualitas peubah acak yang dibangkitkan, metode simulasi Montecarlo, teknik resampling Bootstrap dan Jacknife, serta beberapa penerapannya pada analisis statistika. Terapan akan diberikan dalam pendekatan problem solving pada kasus antara lain identifikasi karakteristik penduga, identifikasi kuasa uji suatu prosedur pengujian, sifat penduga pada model regresi dan analisis lainnya.

Teknik pembelajaran mesin merupakan teknik yang menggabungkan ilmu statistika, aljabar linear, optimisasi, dan ilmu komputer yang berguna dalam penyelesaian permasalahan berbasiskan data dalam ukuran yang besar yang berguna dalam banyak sistem otomatis. Mata kuliah ini akan memberikan pemahaman mengenai berbagai teknik dan algoritma machine learning, mengasah kemampuan analisis data, serta memberikan eksposur dan pengalaman penyelesaian permasalahan pada berbagai bidang terapan baik di industri maupun riset. Sebagai mata kuliah pada jenjang program sarjana, mata kuliah ini fokus pada beberapa algoritma utama pada unsupervised learning dan supervised learning. Teknik unsupervised learning yang akan dibahas antara lain adalah clustering dan association rule, sedangkan teknik supervised learning akan meliputi permasalahan regresi dan klasifikasi.

Mata kuliah ini membahas topik-topik tentang sejarah ilmu pengetahuan, perkembangan dan peranan statistika, metodologi penelitian, teknik pencarian dan penelusuran kepustakaan, teknik pembuatan kajian/telaah pustaka, menyusun pertanyaan penelitian dan kerangka pikir metodologi, serta membahas metode penulisan karya ilmiah.

Kuliah Kerja Nyata Tematik Inovasi Institut Pertanian Bogor (KKNT IPB)
merupakan suatu bentuk pendidikan dengan cara memberikan pengalaman belajar
kepada mahasiswa untuk hidup di tengah masyarakat di luar kampus, yang secara
langsung bersama-sama masyarakat mengidentifikasi dan menangani masalah-
masalah pertanian dalam arti luas dan lingkungan serta masalah pembangunan lain
yang dihadapi di daerah.
Kegiatan KKNT Inovasi IPB diharapkan dapat:
1. Mengasah softskill mahasiswa untuk berfikir kritis dan analitis, kreatif,
komunikatif dan kolaboratif lintas disiplin/keilmuan;
2. Meningkatkan keterampilan dalam menerapkan ilmu pengetahuan dan
teknologi;
3. Mampu mengembangkan inisiasi dalam pemecahan masalah pembangunan,
berempati terhadap masalah sosial, budaya dan lingkungan;
4. Mengasah kepemimpinan adaptif berbasis ilmu pengetahuan teknologi dan seni
yang inovatif;
5. Menjadi wahana bagi dosen untuk membimbing mahasiswa membantu
memberikan solusi terhadap permasalahan masyarakat.

Pengakuan atas capaian pembelajaran yang didapat mahasiswa dalam menggunakan kreativitas dan keterampilan berpikir desain untuk mengidentifikasi dan memilih peluang yang memungkinkan inovasi. Keterampilan dalam pemecahan masalah secara kreatif dikembangkan dan ditingkatkan melalui berbagai aktivitas. Kemampuan menggunakan alat berpikir desain untuk membantu siswa memahami pemikiran desain sebagai pendekatan pemecahan masalah. Kemampuan mengembangkan ide/gagasan melalui proses empati terhadap permasalahan yang dihadapi oleh masyarakat dan penciptaan nilai (value co-creation).

Mata kuliah ini merupakan mata kuliah praktikum dimana mahasiswa akan diberikan kasus untuk dipecahkan menggunakan pendekatan statistika dan sains data yang telah mereka peroleh. Pendekatan yang digunakan terutama diharapkan merupakan teknik-teknik analisis yang telah dibahas pada mata kuliah STA231, STA232/STA262, STA371 dan STA381. Kasus yang diberikan akan melibatkan permasalahan big data dan penggunaan komputer secara intensif. Selama proses pengerjaan, mahasiswa akan dibagi menjadi beberapa kelompok dan setiap kelompok didampingi seorang dosen. Pada akhir semester, mahasiswa akan mempresentasikan hasil pekerjaannya dalam bentuk poster dan paparan lisan.

Magang (STA 2494) merupakan salah satu mata kuliah pada program studi Sarjana Statistika dan Sains Data dengan nilai kredit 10 SKS, yang berupa praktek kerja lapangan atau magang yang dilakukan oleh mahasiswa di lembaga mitra program studi selama 1 (satu) semester. Selama kegiatan ini, mahasiswa diharapkan mampu mempelajari bagaimana ilmu statistika dan sains data diterapkan, serta mengasah berbagai softskill seperti komunikasi, bekerja dalam tim, dan manajemen waktu. Mahasiswa harus melakukan pelaporan berkala mengenai kegiatan yang dikerjakan, serta akan ada dosen pembimbing dan supervisi yang menjadi tempat mahasiswa berkonsultansi

Mata kuliah ini berupa penyajian rencana pengerjaan karya ilmiah secara lisan dari seorang mahasiswa dalam suatu forum yang dihadiri oleh dosen pembimbing dan mahasiswa, serta dipimpin seorang moderator. Sebelum pelaksanaannya, mahasiswa harus menyusun makalah kolokium. Pada saat kolokium, mahasiswa memaparkan rencana atau proposal karya ilmiahnya mulai dari latar belakang, tinjauan pustaka hingga metodologi, merespon pertanyaan peserta, dan menanggapi masukan peserta. Hasil dari kolokium dapat dijadikan masukan perbaikan rencana pengerjaan karya ilmiah.

Penyajian hasil karya ilmiah secara lisan dari seorang mahasiswa dalam suatu forum yang dihadiri oleh dosen pembimbing dan mahasiswa, serta dipimpin seorang moderator. Sebelum pelaksanaannya, mahasiswa harus menyusun makalah seminar. Pada saat seminar, mahasiswa memaparkan hasil karya ilmiahnya, merespon pertanyaan peserta, dan menanggapi masukan peserta. Hasil dari seminar dapat dijadikan masukan perbaikan karya ilmiah.