Edy Widodo

Edy Widodo memiliki keahlian dalam statistika terapan dengan fokus mutakhir pada analisis klaster, regresi data panel, dan peramalan deret waktu untuk isu sosial-ekonomi. Publikasi terbaru menunjukkan dominasi penerapan algoritma K-Means dan K-Medoids untuk segmentasi siswa dalam pembentukan kelas unggulan serta pengelompokan kabupaten atau kota di Pulau Jawa, Aceh, dan Jawa Barat berdasarkan faktor kemiskinan dan dampak bencana banjir. Ia juga aktif memodelkan tingkat pengangguran terbuka dan indeks kedalaman kemiskinan menggunakan regresi data panel, serta mengembangkan peramalan dengan metode double dan triple exponential smoothing untuk indeks harga konsumen, penjualan, dan curah hujan. Pergeseran riset terlihat dari integrasi machine learning, seperti Convolutional Neural Network untuk pengenalan bahasa isyarat secara real-time dan regresi linear untuk prediksi kualitas industri, serta analisis pengaruh media sosial terhadap psikologi mahasiswa. Publikasi lama yang berfokus pada perbandingan ARIMA dan extreme learning machine untuk peramalan wisatawan serta klaster kemiskinan dan pendidikan memberikan konteks kesinambungan, namun arah terkini lebih menekankan pada solusi praktis berbasis data untuk kebijakan publik, pendidikan, dan teknologi.