Ayundyah Kesumawati

Ayundyah Kesumawati memiliki keahlian di bidang statistika terapan dengan fokus mutakhir pada pemodelan data deret waktu, analisis sentimen, dan pengelompokan untuk isu lingkungan, ketenagakerjaan, serta ekonomi. Dalam lima tahun terakhir, risetnya menonjolkan penggunaan metode hibrida Prophet-ELM untuk analisis metana atmosfer serta penerapan Prophet Facebook untuk emisi CO2, menunjukkan pergeseran ke arah pemodelan polusi udara dengan pendekatan machine learning. Ia juga aktif menerapkan topic modelling Latent Dirichlet Allocation dan klasifikasi Naïve Bayes pada data Twitter terkait persepsi Covid-19 serta ulasan video game lokal di Steam, memperkuat keahlian dalam analisis teks tidak terstruktur. Di bidang ketenagakerjaan, ia menggunakan Multidimensional Scaling dan K-Means untuk mengelompokkan lapangan usaha berdasarkan level skill, serta membandingkan K-Medoids dengan Self Organizing Maps pada indikator pasar tenaga kerja Indonesia. Peramalan jumlah pekerja migran Indonesia dengan Triple Exponential Smoothing Damped, kedatangan penumpang internasional, dan nilai ekspor Kalimantan Timur menggunakan Double Exponential Smoothing menunjukkan penguasaan metode peramalan klasik untuk data ekonomi dan transportasi. Secara keseluruhan, riset terkini Ayundyah berpusat pada integrasi teknik statistik tradisional dan machine learning untuk analisis lingkungan, persepsi publik, dan kebijakan tenaga kerja, meninggalkan fokus awal pada klasifikasi akademik dan data pelanggan.