{"id":1213,"date":"2023-07-27T06:49:34","date_gmt":"2023-07-27T06:49:34","guid":{"rendered":"https:\/\/statorials.org\/id\/regresi-polinomial\/"},"modified":"2023-07-27T06:49:34","modified_gmt":"2023-07-27T06:49:34","slug":"regresi-polinomial","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/regresi-polinomial\/","title":{"rendered":"Pengantar regresi polinomial"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Saat kita memiliki kumpulan data dengan variabel prediktor dan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel respons<\/a> , kita sering menggunakan <a href=\"https:\/\/statorials.org\/id\/regresi-linier-1\/\" target=\"_blank\" rel=\"noopener noreferrer\">regresi linier sederhana<\/a> untuk mengukur hubungan antara kedua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, regresi linier sederhana (SLR) mengasumsikan bahwa hubungan antara prediktor dan variabel respon adalah linier. Ditulis dalam notasi matematika, SLR mengasumsikan hubungan tersebut berbentuk:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Y = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> X + \u03b5<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun dalam praktiknya, hubungan antara kedua variabel mungkin bersifat nonlinier dan upaya menggunakan regresi linier dapat menghasilkan model yang tidak sesuai.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Salah satu cara untuk memperhitungkan hubungan nonlinier antara variabel prediktor dan respons adalah dengan menggunakan <strong>regresi polinomial<\/strong> , yang berbentuk:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Y = \u03b2 <sub>0<\/sub> <sup>+<\/sup> \u03b2 <sub>1<\/sub> X + \u03b2 <sub>2<\/sub> X <sup>2<\/sup> + \u2026 + \u03b2 <sub>h<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam persamaan ini, <em>h<\/em> disebut <strong>derajat<\/strong> polinomial.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Saat kita meningkatkan nilai <em>h<\/em> , model akan mampu mengakomodasi hubungan nonlinier dengan lebih baik, namun dalam praktiknya kita jarang memilih <em>h<\/em> yang lebih besar dari 3 atau 4. Di luar titik ini, model menjadi terlalu fleksibel dan <a href=\"https:\/\/statorials.org\/id\/pembelajaran-mesin-yang-berlebihan\/\" target=\"_blank\" rel=\"noopener noreferrer\">terlalu cocok dengan data<\/a> .<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>Catatan teknis<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Meskipun regresi polinomial dapat memuat data nonlinier, namun tetap dianggap sebagai bentuk regresi <em>linier<\/em> karena koefisiennya linier <sub>\u03b21<\/sub> , <sub>\u03b22<\/sub> , \u2026, <sub>\u03b2h<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Regresi polinomial juga dapat digunakan untuk beberapa variabel prediktor, namun hal ini menciptakan istilah interaksi dalam model, yang dapat membuat model menjadi sangat kompleks jika beberapa variabel prediktor digunakan.<\/span><\/li>\n<\/ul>\n<\/blockquote>\n<h3> <span style=\"color: #000000;\"><strong>Kapan menggunakan regresi polinomial<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kami menggunakan regresi polinomial ketika hubungan antara prediktor dan variabel respons bersifat nonlinier.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada tiga cara umum untuk mendeteksi hubungan nonlinier:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Buat diagram sebar.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Cara paling sederhana untuk mendeteksi hubungan nonlinier adalah dengan membuat plot sebar antara variabel respons versus variabel prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, jika kita membuat diagram sebar berikut, kita dapat melihat bahwa hubungan antara kedua variabel kira-kira linier, sehingga regresi linier sederhana mungkin dapat berfungsi dengan baik pada data ini.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-8174 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/polynomeexcel1.png\" alt=\"\" width=\"435\" height=\"326\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Namun, jika plot sebar kita terlihat seperti salah satu grafik berikut, kita mungkin melihat bahwa hubungannya tidak linier dan oleh karena itu regresi polinomial merupakan ide yang bagus:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-8175 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/polynomeexcel2.png\" alt=\"\" width=\"434\" height=\"328\" srcset=\"\" sizes=\"\"><\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-8176 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/polynomeexcel3.png\" alt=\"\" width=\"434\" height=\"326\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Buatlah plot residu terhadap plot yang dipasang.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Cara lain untuk mendeteksi nonlinier adalah dengan menyesuaikan model regresi linier sederhana dengan data dan kemudian membuat <a href=\"https:\/\/statorials.org\/id\/cara-membuat-sisa-jejak-di-excel\/\" target=\"_blank\" rel=\"noopener noreferrer\">plot residu terhadap nilai yang dipasang<\/a> .<\/span><\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika sisa plot didistribusikan secara merata di sekitar nol tanpa tren yang jelas, maka regresi linier sederhana mungkin sudah cukup.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, jika residu menunjukkan tren nonlinier pada grafik, hal ini menunjukkan bahwa hubungan antara prediktor dan respons kemungkinan besar nonlinier.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3. Hitung R <sup>2<\/sup> model.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai R <sup>2<\/sup> model regresi menunjukkan persentase variasi variabel respons yang dapat dijelaskan oleh variabel prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika Anda memasukkan model regresi linier sederhana ke kumpulan data dan nilai <sup>R2<\/sup> model tersebut cukup rendah, hal ini dapat menunjukkan bahwa hubungan antara prediktor dan variabel respons lebih kompleks daripada hubungan linier sederhana.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini mungkin merupakan tanda bahwa Anda mungkin perlu mencoba regresi polinomial.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Terkait:<\/strong> <a href=\"https:\/\/statorials.org\/id\/nilai-r-kuadrat-yang-bagus\/\" target=\"_blank\" rel=\"noopener noreferrer\">Berapa nilai R-kuadrat yang bagus?<\/a><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Bagaimana memilih derajat polinomial<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Model regresi polinomial mengambil bentuk berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Y = \u03b2 <sub>0<\/sub> <sup>+<\/sup> \u03b2 <sub>1<\/sub> X + \u03b2 <sub>2<\/sub> X <sup>2<\/sup> + \u2026 + \u03b2 <sub>h<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam persamaan ini, <em>h<\/em> adalah derajat polinomial.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tapi bagaimana cara memilih nilai <em>h<\/em> ?<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam praktiknya, kami menyesuaikan beberapa model berbeda dengan nilai <em>h<\/em> yang berbeda dan melakukan <a href=\"https:\/\/statorials.org\/id\/k-lipat-validasi-silang\/\" target=\"_blank\" rel=\"noopener noreferrer\">validasi silang k-fold<\/a> untuk menentukan model mana yang menghasilkan mean squared error (MSE) pengujian terendah.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita dapat menyesuaikan model berikut ke kumpulan data tertentu:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">kamu = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub><\/span><\/li>\n<li> <span style=\"color: #000000;\">Y = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> X + \u03b2 <sub>2<\/sub> X <sup>2<\/sup><\/span><\/li>\n<li> <span style=\"color: #000000;\"><sup>Y<\/sup> <sup>=<\/sup> <sub>\u03b20<\/sub> + <sub>\u03b21X<\/sub> + <sub>\u03b22X2<\/sub> + <sub>\u03b23X3<\/sub><\/span><\/li>\n<li> <span style=\"color: #000000;\">Y = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> X + \u03b2 <sub>2<\/sub> X <sup>2<\/sup> + \u03b2 <sub>3<\/sub> X <sup>3<\/sup> + \u03b2 <sub>4<\/sub> X <sup>4<\/sup><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kita kemudian dapat menggunakan validasi silang k-fold untuk menghitung pengujian MSE untuk setiap model, yang akan memberi tahu kita seberapa baik kinerja setiap model pada data yang belum pernah dilihat sebelumnya.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Pengorbanan bias-varians dari regresi polinomial<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Ada <a href=\"https:\/\/statorials.org\/id\/kompromi-varians-bias\/\" target=\"_blank\" rel=\"noopener noreferrer\">tradeoff bias-varians<\/a> saat menggunakan regresi polinomial. Saat kita meningkatkan derajat polinomial, biasnya berkurang (karena model menjadi lebih fleksibel) tetapi variansnya meningkat.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Seperti semua model pembelajaran mesin, kita perlu menemukan keseimbangan optimal antara bias dan varians.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam sebagian besar kasus, hal ini memungkinkan derajat polinomial ditingkatkan hingga batas tertentu, namun melampaui nilai tertentu, model mulai beradaptasi dengan gangguan dalam data dan MSE pengujian mulai menurun.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk memastikan bahwa kami cocok dengan model yang fleksibel namun tidak <em>terlalu<\/em> fleksibel, kami menggunakan validasi silang k-fold untuk menemukan model yang menghasilkan pengujian MSE terendah.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Cara melakukan regresi polinomial<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Tutorial berikut memberikan contoh cara melakukan regresi polinomial di berbagai perangkat lunak:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/id\/regresi-polinomial-unggul\/\" target=\"_blank\" rel=\"noopener noreferrer\">Cara Melakukan Regresi Polinomial di Excel<\/a><br \/><a href=\"https:\/\/statorials.org\/id\/regresi-polinomial-r\/\" target=\"_blank\" rel=\"noopener noreferrer\">Bagaimana melakukan regresi polinomial di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/python-regresi-polinomial\/\" target=\"_blank\" rel=\"noopener noreferrer\">Cara melakukan regresi polinomial dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Saat kita memiliki kumpulan data dengan variabel prediktor dan variabel respons , kita sering menggunakan regresi linier sederhana untuk mengukur hubungan antara kedua variabel. Namun, regresi linier sederhana (SLR) mengasumsikan bahwa hubungan antara prediktor dan variabel respon adalah linier. Ditulis dalam notasi matematika, SLR mengasumsikan hubungan tersebut berbentuk: Y = \u03b2 0 + \u03b2 1 [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pengantar Regresi Polinomial<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/regresi-polinomial\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pengantar Regresi Polinomial\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/regresi-polinomial\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T06:49:34+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/polynomeexcel1.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-polinomial\/\",\"url\":\"https:\/\/statorials.org\/id\/regresi-polinomial\/\",\"name\":\"Pengantar Regresi Polinomial\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T06:49:34+00:00\",\"dateModified\":\"2023-07-27T06:49:34+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/regresi-polinomial\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/regresi-polinomial\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-polinomial\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pengantar regresi polinomial\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pengantar Regresi Polinomial","description":"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/regresi-polinomial\/","og_locale":"id_ID","og_type":"article","og_title":"Pengantar Regresi Polinomial","og_description":"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.","og_url":"https:\/\/statorials.org\/id\/regresi-polinomial\/","og_site_name":"Statorials","article_published_time":"2023-07-27T06:49:34+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/polynomeexcel1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/regresi-polinomial\/","url":"https:\/\/statorials.org\/id\/regresi-polinomial\/","name":"Pengantar Regresi Polinomial","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T06:49:34+00:00","dateModified":"2023-07-27T06:49:34+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan pengenalan regresi polinomial, teknik yang umum digunakan dalam pembelajaran mesin.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/regresi-polinomial\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/regresi-polinomial\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/regresi-polinomial\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Pengantar regresi polinomial"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1213"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1213"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1213\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1213"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1213"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1213"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}