Arum Handini Primandari

Arum Handini Primandari memiliki keahlian dalam statistika terapan yang berfokus pada peramalan deret waktu dan analisis klaster, dengan pergeseran signifikan menuju aplikasi kesehatan dan gizi dalam lima tahun terakhir. Publikasi terbarunya mendominasi pada pengelompokan produk makanan dan minuman berdasarkan kandungan gizi, seperti pada klasterisasi produk camilan menggunakan SOM dan K-Means untuk rekomendasi diet diabetes serta segmentasi produk makanan dan minuman dengan DBSCAN. Di sisi peramalan, ia mengembangkan metode hibrida Prophet-ELM untuk analisis metana atmosfer dan menerapkan Seasonal ARIMA untuk konsumsi listrik, serta membandingkan teknik pemulusan eksponensial untuk harga telur. Analisis dampak pandemi juga menjadi perhatian, terlihat dari penggunaan Dynamic Time Warping untuk mengukur perubahan pertumbuhan ekonomi dan pengangguran di DIY. Metode klasifikasi seperti XGBoost digunakan untuk mendeteksi kekerasan berbasis gender daring, sementara sistem rekomendasi produk perawatan tubuh dan kulit dikembangkan dengan collaborative filtering dan SVD. Publikasi lamanya menunjukkan kesinambungan dalam peramalan harga Bitcoin dan volume penumpang bandara, namun fokus mutakhir lebih menekankan pada aplikasi klasterisasi dan peramalan untuk isu kesehatan masyarakat dan ekonomi regional, meninggalkan topik keuangan dan seismik.