Mujiati Dwi Kartikasari

Keahlian akademik Mujiati Dwi Kartikasari berpusat pada pengembangan dan penerapan model statistika untuk peramalan, klasifikasi, dan pengelompokan data, dengan bobot signifikan pada publikasi lima tahun terakhir. Fokus mutakhirnya menonjolkan peramalan menggunakan model deret waktu adaptif, seperti terlihat pada penerapan Adaptive Grey Model untuk prediksi pendapatan daerah dan Grey GM(1,1) serta Grey Verhulst untuk konsumsi listrik di Indonesia. Ia juga aktif mengaplikasikan metode machine learning dan deep learning, misalnya LightGBM untuk klasifikasi stunting anak, YOLO untuk deteksi kesegaran alpukat secara real-time, serta Neural Network Autoregressive (NNAR) dan Long Short-Term Memory (LSTM) untuk peramalan ekspor dan klasifikasi teks opini. Di bidang aktuaria, ia membandingkan metode Projected Unit Credit dan Entry Age Normal dengan suku bunga stokastik dan konstan untuk perhitungan dana pensiun. Pergeseran tematik terlihat dari publikasi lama yang banyak membahas estimasi cadangan klaim asuransi dan pemodelan kopula, sementara riset terbaru lebih condong ke analisis data panel untuk pendapatan asli daerah, regresi logistik ordinal untuk faktor kecelakaan, serta pengelompokan menggunakan K-Means dan Fuzzy C-Means untuk indeks pembangunan manusia dan kriminalitas. Secara keseluruhan, keahliannya mencakup peramalan ekonomi-energi, klasifikasi risiko kesehatan dan keuangan, serta analisis sentimen, dengan metode yang terus bergeser ke arah hybrid dan pembelajaran mesin.