Rohmatul Fajriyah

Rohmatul Fajriyah memiliki keahlian akademik yang berfokus pada pengembangan dan penerapan metode statistika serta data mining untuk berbagai bidang interdisipliner, dengan penekanan kuat pada analisis data genomik, bioinformatika, dan pengelompokan (clustering) dalam lima tahun terakhir. Publikasi terkininya menunjukkan pergeseran signifikan menuju aplikasi data-driven untuk isu-isu spesifik, seperti restorasi keanekaragaman hayati melalui novel data-driven rule filtering untuk memprioritaskan spesies mangrove yang terancam punah, serta identifikasi penanda genetik penyakit kompleks seperti infark miokard akut dan stroke iskemik menggunakan algoritma machine learning canggih seperti XGBoost dan Support Vector Machine. Keahliannya dalam analisis klaster juga diterapkan secara luas, mulai dari mengelompokkan provinsi di Indonesia berdasarkan prevalensi depresi dengan metode Natural Breaks Jenks, menganalisis dampak bencana angin kencang di Yogyakarta menggunakan K-means, hingga pembentukan portofolio saham pada indeks LQ45 dan Kompas 100. Selain itu, ia mengeksplorasi analisis deret waktu dengan Dynamic Time Warping untuk mengelompokkan Nilai Tukar Petani antarprovinsi, serta memanfaatkan deep learning untuk deteksi kuantitatif trikoma pada daun kentang. Publikasi lamanya, yang berfokus pada model koreksi latar belakang untuk data microarray dan analisis ekspresi gen pada jagung, memberikan fondasi metodologis yang kokoh bagi riset mutakhirnya. Secara keseluruhan, arah riset terkini Fajriyah menonjolkan integrasi antara statistika komputasional, pembelajaran mesin, dan aplikasi nyata di bidang ekologi, kesehatan masyarakat, genetika, serta ekonomi, dengan penekanan pada pengembangan kerangka kerja berbasis data yang inovatif untuk pemecahan masalah kompleks.