Statistika dan Sains Data
Program Studi Doktor Statistika dan Sains Data di IPB University dirancang untuk menghasilkan ilmuwan dan inovator yang mampu memimpin pengembangan teori statistika dan metodologi sains data secara global. Sejalan dengan perkembangan dunia, statistika dan sains data tidak
lagi hanya berperan sebagai alat bantu analisis, melainkan telah menjadi komponen utama dalam pengambilan keputusan berbasis data, kecerdasan buatan, analitik prediktif, dan berbagai inovasi teknologi lintas sektor.
Program ini menawarkan lingkungan akademik yang ketat dan unggul dalam membekali mahasiswa dengan pemahaman teoritis tingkat lanjut, kompetensi metodologis yang mendalam, serta keahlian komputasi mutakhir. Lulusan diharapkan mampu mengembangkan metode baru, merancang pendekatan inovatif di bidang sains data, serta mengaplikasikan keilmuannya secara etis dan bertanggung jawab dalam berbagai konteks multidisipliner.
Struktur kurikulum disusun berdasarkan prinsip Outcome-Based Education (OBE) dan selaras
dengan:
• Kerangka Kualifikasi Nasional Indonesia (KKNI) – Level 9,
• Standar internasional seperti Curriculum Guidelines for Data Science dari American
Statistical Association (ASA),
• Data Science Competency Framework dari European Data Science Academy (EDSA),
• Serta masukan dari pemangku kepentingan, baik dari akademisi, industri, maupun
lembaga riset.
Capaian pembelajaran utama (learning outcomes) mencakup:
• Kemampuan melakukan riset orisinal yang dapat dipublikasikan di bidang statistika
dan sains data.
• Kapasitas untuk mengintegrasikan teori dan keterampilan praktis dalam
menyelesaikan permasalahan nyata berbasis data.
• Kepemimpinan dalam tim riset interdisipliner dan komunitas akademik.
• Kesadaran etis dan perspektif global dalam penerapan solusi berbasis data untuk
menjawab tantangan masyarakat.
Program ini telah meraih akreditasi nasional tertinggi dengan predikat “UNGGUL” dari Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT), sebagai pengakuan atas mutu akademik, tata kelola, dan kontribusinya terhadap pengembangan keilmuan di tingkat nasional.
Melalui orientasi riset yang kuat, jejaring nasional dan internasional, dan penekanan pada inovasi, Program Studi Doktor Statistika dan Sains Data – IPB University berkomitmen untuk berkontribusi dalam pengembangan ilmu pengetahuan global dan mencetak pemimpin masa
depan yang melek data untuk dunia yang berkelanjutan.
Visi
Menjadi Program Studi Doktor Statistika dan Sains Data yang unggul dan bereputasi di tingkat nasional dan internasional dalam pengembangan teori, metodologi, dan aplikasi statistika serta sains data untuk mendukung pengambilan keputusan berbasis data yang inovatif dan
berkelanjutan.
Misi
1. Menyelenggarakan pendidikan doktoral yang berkualitas tinggi untuk menghasilkan lulusan yang mampu mengembangkan ilmu statistika dan sains data secara mandiri, kreatif, dan inovatif.
2. Mengembangkan penelitian unggulan dalam bidang statistika teoritis, statistika terapan, komputasi statistika, dan sains data yang berkontribusi pada pengembangan ilmu pengetahuan serta pemecahan masalah nasional dan global.
3. Mendorong publikasi ilmiah bereputasi internasional dan diseminasi hasil penelitian
yang berdampak pada pengembangan keilmuan, industri, pemerintahan, dan masyarakat.
4. Memperkuat kolaborasi akademik dan profesional dengan perguruan tinggi, lembaga penelitian, pemerintah, dan industri di tingkat nasional maupun internasional.
5. Menumbuhkan integritas akademik, etika penelitian, dan kepemimpinan ilmiah dalam
bidang statistika dan sains data.
▪ (C1) Memiliki kemampuan analitik untuk merumuskan dan memecahkan permasalahan berbasis teori statistika dan sains data, serta mengevaluasi dan mengembangkan metodologi pengumpulan, akuisisi, dan manajemen data secara
efisien untuk riset interdisipliner.
▪ (C2) Memiliki kemampuan untuk mengembangkan metodologi statistika, analitik, dan machine learning berbasis statistika, serta menginterpretasikan dan
menyajikan hasil analisis secara jelas dan efektif bagi berbagai pemangku kepentingan.
Mengembangkan ilmu statistik dalam pengumpulan/pembangkitan, pengolahan dan penyajian data untuk analisis kuantitatif dalam menarik kesimpulan secara sah
▪ Program studi ini memiliki ciri utama sebagai program berbasis riset tingkat lanjut yang berfokus pada pengembangan teori dan metode
mutakhir dalam statistika serta sains data.
▪ Pembelajaran berorientasi pada pemecahan masalah nyata secara data-driven melalui analisis yang inovatif dan berbasis bukti ilmiah.
▪ Lulusan disiapkan mampu memimpin dan berkolaborasi dalam proyek akademik maupun profesional untuk memberikan dampak nyata bagi masyarakat dan berbagai sektor berbasis data.
▪ Sebagai dosen dan peneliti yang berfokus pada pengembangan teori dan metode mutakhir dalam bidang statistika dan sains data berbasis data-driven melalui analisis yang inovatif dan modern.
▪ Sebagai praktisi profesional yang mampu memimpin dan berkolaborasi dengan berbagai mitra dalam bidang statistika dan sains data yang memberikan dampak positif pada berbagai sektor berbasis data
Struktur Kurikulum
Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Pada matakuliah ini mahasiswa belajar mengenai model linier terampat dengan terlebih dahulu mengulas konsep-konsep dasar dalam model linier . Mahasiswa belajar mengenai konsep estimability, metode kuadrat terkecil untuk fitting model, inferensi statistik untuk peubah respon menyebar normal dan juga non-normal, dalam hal ini sebaran keluarga eksponensial. Lebih lanjut dipelajari pemodelan dan komputasi untuk peubah respon menyebar binomial, multinomial, betabinomial, poisson, dan binomial negatif. Selain itu, mahasiswa juga diperkenalkan dengan metode penanganan masalah overdispersi dan pemodelan untuk peubah respon berkorelasi
Deskripsi:
Mengkaji beberapa topik aktual yang dipublikasikan dalam jurnal statistika dan/atau sains data terkemuka sehingga peserta dapat mengetahui perkembangan mutakhir dari teori dan metode statistika dan sains data. Pengkajian diarahkan untuk menghasikan makalah yang dapat dipresentasikan pada forum ilmiah baik tingkat lokal, nasional, maupun internasional. Makalah tersebut selanjutnya diharapkan dipublikasikan dalam jurnal ilmiah bermutu
Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Mata kuliah ini membekali mahasiswa dengan pemahaman mendalam tentang prinsip metodologi penelitian kuantitatif modern, khususnya yang relevan untuk pengembangan teori dan aplikasi di bidang statistika dan sains data. Termasuk pula membekali mahasiswa beberapa kompetensi penting untuk melakukan penelitian disertasi yang meliputi konsep dan teknik penarikan contoh, perancangan percobaan dan analisis ragam (anova), teknik simulasi dan resampling (bootstrap, jackknife, dan permutasi), pendekatan replikasi dan validasi model, serta web-scraping. Pada praktiknya, mahasiswa akan menggunakan program R dan Python untuk menyusun, mengimplementasikan, dan memvisualisasikan eksperimen penelitian kuantitatif berbasis data.
Deskripsi:
Mata kuliah ini membahas inferensia statistika dengan topik utama Maximum Likelihood Inference dan Bayesian Inference. Pokok bahasan dalam Maximum Likelihood Inference adalah Concept of Likelihood Inference, Parameter Estimation and Hypothesis Tests, Maximizing Technique the Likelihood, Extensions of Maximum Likelihood. Adapun pokok bahasan dalam Bayesian Inference mencakup Concept of Bayesian Inference, Parameter Estimation and Hypothesis Tests, Bayesian Calculations, Extensions of Bayesian
Deskripsi:
Mata kuliah ini merupakan reading course yang mendiskusikan state of the art dari analisis dan pemodelan statistika, terutama pemodelan campuran linear terampat dan regresi berpenalti yang menghindarkan suatu model regresi untuk memiliki terlalu banyak peubah melalui penambahan kendala (shrinkage atau regularization) terhadap model. Pembahasan tidak hanya difokuskan pada sisi pemodelan statistikanya melainkan juga pada sisi komputasi dan penerapannya. Beberapa artikel jurnal mutakhir yang relevan akan dikaji dan dipresentasikan oleh mahasiswa di bawah bimbingan pengasuh mata kuliah. Melalui kajian jurnal ini mahasiswa dilatih untuk menggali gagasan permasalahan penelitian dan menuliskannya menjadi makalah ilmiah (paper). Makalah ini dapat dipresentasikan dalam seminar ilmiah nasional maupun internasional serta dapat dipublikasikan dalam jurnal ilmiah.
Deskripsi:
Ujian kualifikasi tertulis adalah sebuah bentuk evaluasi tertulis yang wajib diikuti oleh
mahasiswa program Doktor Statistika dan Sains Data untuk menjamin penguasaan ilmu dan kelayakannya sebagai seorang kandidat doktor.
Ujian kualifikasi tertulis bertujuan untuk mengukur kompetensi mahasiswa program
doktor dalam bidang ilmu Statistika dan Sains Data.
Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Kolokium merupakan salah satu media komunikasi ilmiah bagi mahasiswa untuk
mengemukakan substansi dan permasalahan yang akan dijadikan subyek penelitian
tesis/disertasi serta menambah wawasan keilmuan.
Deskripsi:
Ujian Kualifikasi Lisan, selanjutnya disebut sebagai ujian, merupakan kegiatan
untuk memprediksi kemampuan mahasiswa Program Doktor Statistika dan Sains Data
dalam melakukan penelitian disertasi. Bentuk kegiatannya meliputi presentasi
rencana penelitian oleh mahasiswa, dilanjutkan berbagai pertanyaan yang diajukan
oleh penguji
Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Deskripsi belum tersedia.Deskripsi:
Ujian Disertasi merupakan ujian lisan yang dilaksanakan secara tertutup untuk
menguji kelayakan mahasiswa sebagai calon pemegang gelar Doktor Statistika dan Sains Data.
Untuk memastikan bahwa mahasiswa memiliki kemampuan dalam
penguasaan ilmu statistik, metodologi ilmiah, pendalaman dan pembahasan hasil
penelitian level doktor, serta komunikasi ilmiah.