{"id":1552,"date":"2023-07-25T22:20:24","date_gmt":"2023-07-25T22:20:24","guid":{"rendered":"https:\/\/statorials.org\/id\/tingkat-beta\/"},"modified":"2023-07-25T22:20:24","modified_gmt":"2023-07-25T22:20:24","slug":"tingkat-beta","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/tingkat-beta\/","title":{"rendered":"Apa yang dimaksud dengan tingkat beta dalam statistik? (definisi &amp; #038; contoh)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Dalam statistik, kami menggunakan <a href=\"https:\/\/statorials.org\/id\/pengujian-hipotesis-1\/\" target=\"_blank\" rel=\"noopener\">pengujian hipotesis<\/a> untuk menentukan apakah hipotesis tentang suatu <a href=\"https:\/\/statorials.org\/id\/statistik-vs-parameter\/\" target=\"_blank\" rel=\"noopener\">parameter populasi<\/a> benar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Uji hipotesis selalu memiliki dua hipotesis berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Hipotesis nol (H <sub>0<\/sub> ):<\/strong> Data sampel konsisten dengan keyakinan dominan mengenai parameter populasi.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Hipotesis Alternatif ( <sub>HA<\/sub> ):<\/strong> Data sampel menunjukkan bahwa hipotesis yang dinyatakan dalam hipotesis nol tidak benar. Dengan kata lain, penyebab non-acak mempengaruhi data.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Setiap kali kita melakukan uji hipotesis, selalu ada empat kemungkinan hasil:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-15374 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/beta1.png\" alt=\"Beta vs. Alpha dalam Pengujian Hipotesis dalam Statistik\" width=\"349\" height=\"144\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Ada dua jenis kesalahan yang bisa kita lakukan:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Kesalahan tipe I:<\/strong> Kita menolak hipotesis nol padahal hipotesis tersebut benar. Probabilitas melakukan jenis kesalahan ini dilambangkan dengan <strong>\u03b1<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Kesalahan tipe II:<\/strong> Kita gagal menolak hipotesis nol padahal hipotesis tersebut salah. Kemungkinan melakukan jenis kesalahan ini dicatat <strong>\u03b2<\/strong> .<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Hubungan antara alfa dan beta<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Idealnya, peneliti ingin probabilitas terjadinya kesalahan Tipe I <em>dan<\/em> probabilitas terjadinya kesalahan Tipe II menjadi rendah.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, ada kompromi antara kedua kemungkinan ini. Jika kita menurunkan tingkat alfa, kita dapat mengurangi kemungkinan menolak hipotesis nol padahal hipotesis tersebut benar, namun hal ini justru meningkatkan tingkat beta \u2013 kemungkinan kita gagal menolak hipotesis nol padahal hipotesis itu salah.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Hubungan antara kekuatan dan beta<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\"><strong>Kekuatan<\/strong> uji hipotesis mengacu pada kemungkinan mendeteksi suatu efek atau perbedaan ketika suatu efek atau perbedaan benar-benar ada.<\/span> <span style=\"color: #000000;\">Dengan kata lain, ini adalah probabilitas menolak hipotesis nol yang salah dengan benar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Daya = 1 \u2013 \u03b2<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Pada umumnya peneliti menginginkan kekuatan suatu tes yang tinggi sehingga jika terdapat pengaruh atau perbedaan maka tes tersebut dapat mendeteksinya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dari persamaan di atas, kita dapat melihat bahwa cara terbaik untuk meningkatkan kekuatan suatu pengujian adalah dengan mengurangi level beta. Dan cara terbaik untuk mengurangi tingkat beta biasanya dengan meningkatkan ukuran sampel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan cara menghitung tingkat beta uji hipotesis dan menunjukkan mengapa meningkatkan ukuran sampel dapat mengurangi tingkat beta.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 1: Hitung Beta untuk Uji Hipotesis<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Misalkan seorang peneliti ingin menguji apakah berat rata-rata widget yang diproduksi di sebuah pabrik kurang dari 500 ons. Kita tahu bahwa deviasi standar bobot adalah 24 ons dan peneliti memutuskan untuk mengumpulkan sampel acak sebanyak 40 widget.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hipotesis berikut akan terwujud pada \u03b1 = 0,05:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>H <sub>0<\/sub> :<\/strong> \u00b5 = 500<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong><sub>HA<\/sub> :<\/strong> \u03bc &lt; 500<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Sekarang bayangkan berat rata-rata widget yang dihasilkan sebenarnya adalah 490 ons. Dengan kata lain, hipotesis nol harus ditolak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan langkah-langkah berikut untuk menghitung tingkat beta \u2013 probabilitas tidak menolak hipotesis nol padahal hipotesis tersebut sebenarnya ditolak:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 1: Temukan wilayah tanpa penolakan.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Menurut kalkulator nilai kritis Z, nilai kritis kiri pada \u03b1 = 0,05 adalah <strong>-1,645<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 2: Temukan sampel minimum yang gagal kami tolak.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Statistik uji dihitung sebagai z = ( <span style=\"border-top: 1px solid black;\">x<\/span> \u2013 \u03bc) \/ (s\/ <span style=\"border-top: 1px solid black;\">\u221an<\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, kita dapat menyelesaikan persamaan ini untuk mean sampel:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = \u00b5 \u2013 z*(s\/ <span style=\"border-top: 1px solid black;\">\u221an<\/span> )<\/span><\/li>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = 500 \u2013 1,645*(24\/ <span style=\"border-top: 1px solid black;\">\u221a40<\/span> )<\/span><\/li>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = <strong>493.758<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Langkah 3: Tentukan probabilitas bahwa rata-rata sampel minimum akan benar-benar terjadi.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menghitung probabilitas ini sebagai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">P(Z \u2265 (493.758 \u2013 490) \/ (24\/\u221a <span style=\"border-top: 1px solid black;\">40<\/span> ))<\/span><\/li>\n<li> <span style=\"color: #000000;\">P(Z \u2265 0,99)<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Menurut <a href=\"https:\/\/statorials.org\/id\/kalkulator-cdf-normal-cepat\/\" target=\"_blank\" rel=\"noopener\">kalkulator CDF normal<\/a> , peluang Z \u2265 0,99 adalah <strong>0,1611<\/strong> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-15376 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/beta2.png\" alt=\"\" width=\"284\" height=\"405\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Jadi, level beta untuk pengujian ini adalah <strong>\u03b2 = 0,1611.<\/strong> Artinya ada kemungkinan 16,11% tidak terdeteksi perbedaannya jika rata-rata sebenarnya adalah 490 ons.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 2: Hitung Beta untuk Pengujian dengan Ukuran Sampel Lebih Besar<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Sekarang misalkan peneliti melakukan uji hipotesis yang sama persis, namun menggunakan sampel n = 100 widget. Kita dapat mengulangi tiga langkah yang sama untuk menghitung level beta untuk pengujian ini:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 1: Temukan wilayah tanpa penolakan.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Menurut kalkulator nilai kritis Z, nilai kritis kiri pada \u03b1 = 0,05 adalah <strong>-1,645<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Langkah 2: Temukan sampel minimum yang gagal kami tolak.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Statistik uji dihitung sebagai z = ( <span style=\"border-top: 1px solid black;\">x<\/span> \u2013 \u03bc) \/ (s\/ <span style=\"border-top: 1px solid black;\">\u221an<\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, kita dapat menyelesaikan persamaan ini untuk mean sampel:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = \u00b5 \u2013 z*(s\/ <span style=\"border-top: 1px solid black;\">\u221an<\/span> )<\/span><\/li>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = 500 \u2013 1,645*(24\/\u221a <span style=\"border-top: 1px solid black;\">100<\/span> )<\/span><\/li>\n<li> <span style=\"color: #000000;\"><span style=\"border-top: 1px solid black;\">x<\/span> = <strong>496,05<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Langkah 3: Tentukan probabilitas bahwa rata-rata sampel minimum akan benar-benar terjadi.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menghitung probabilitas ini sebagai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">P(Z \u2265 (496,05 \u2013 490) \/ (24\/\u221a <span style=\"border-top: 1px solid black;\">100<\/span> ))<\/span><\/li>\n<li> <span style=\"color: #000000;\">P(Z \u2265 2,52)<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Menurut <a href=\"https:\/\/statorials.org\/id\/kalkulator-cdf-normal-cepat\/\" target=\"_blank\" rel=\"noopener\">kalkulator CDF normal<\/a> , peluang Z \u2265 2,52 adalah <strong>0,0059.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, tingkat beta untuk pengujian ini adalah <strong>\u03b2 = 0,0059.<\/strong> Artinya, hanya ada kemungkinan 0,59% untuk tidak mendeteksi perbedaannya jika rata-rata sebenarnya adalah 490 ons.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa hanya dengan meningkatkan ukuran sampel dari 40 menjadi 100, peneliti dapat mengurangi tingkat beta dari 0,1611 menjadi 0,0059.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Bonus:<\/strong> Gunakan kalkulator kesalahan Tipe II ini untuk menghitung level beta suatu pengujian secara otomatis.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/pengujian-hipotesis-1\/\" target=\"_blank\" rel=\"noopener\">Pengantar Pengujian Hipotesis<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/cara-menulis-hipotesis-nol\/\" target=\"_blank\" rel=\"noopener\">Cara Menulis Hipotesis Nol (5 Contoh)<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/p-menghargai-signifikansi-statistik\/\" target=\"_blank\" rel=\"noopener\">Penjelasan tentang nilai P dan signifikansi statistik<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dalam statistik, kami menggunakan pengujian hipotesis untuk menentukan apakah hipotesis tentang suatu parameter populasi benar. Uji hipotesis selalu memiliki dua hipotesis berikut: Hipotesis nol (H 0 ): Data sampel konsisten dengan keyakinan dominan mengenai parameter populasi. Hipotesis Alternatif ( HA ): Data sampel menunjukkan bahwa hipotesis yang dinyatakan dalam hipotesis nol tidak benar. Dengan kata [&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>Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.\" \/>\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\/tingkat-beta\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/tingkat-beta\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-25T22:20:24+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/beta1.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\/tingkat-beta\/\",\"url\":\"https:\/\/statorials.org\/id\/tingkat-beta\/\",\"name\":\"Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-25T22:20:24+00:00\",\"dateModified\":\"2023-07-25T22:20:24+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/tingkat-beta\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/tingkat-beta\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/tingkat-beta\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Apa yang dimaksud dengan tingkat beta dalam statistik? (definisi &amp; #038; contoh)\"}]},{\"@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":"Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)","description":"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.","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\/tingkat-beta\/","og_locale":"id_ID","og_type":"article","og_title":"Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)","og_description":"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.","og_url":"https:\/\/statorials.org\/id\/tingkat-beta\/","og_site_name":"Statorials","article_published_time":"2023-07-25T22:20:24+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/beta1.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\/tingkat-beta\/","url":"https:\/\/statorials.org\/id\/tingkat-beta\/","name":"Apa yang dimaksud dengan tingkat beta dalam statistik? (Definisi dan contoh)","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-25T22:20:24+00:00","dateModified":"2023-07-25T22:20:24+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan penjelasan tentang level beta dalam statistik, termasuk definisi dan contohnya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/tingkat-beta\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/tingkat-beta\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/tingkat-beta\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Apa yang dimaksud dengan tingkat beta dalam statistik? (definisi &amp; #038; contoh)"}]},{"@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\/1552"}],"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=1552"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1552\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1552"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1552"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1552"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}