{"id":1679,"date":"2023-07-25T10:08:18","date_gmt":"2023-07-25T10:08:18","guid":{"rendered":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/"},"modified":"2023-07-25T10:08:18","modified_gmt":"2023-07-25T10:08:18","slug":"apa-yang-dimaksud-dengan-korelasi-lemah","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/","title":{"rendered":"Apa yang dianggap \u201clemah\u201d; korelasi?"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Dalam statistik, kita sering kali berusaha memahami bagaimana dua variabel berhubungan satu sama lain. Misalnya, kita mungkin ingin mengetahui:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Apa hubungan antara jumlah jam belajar siswa dan nilai ujiannya?<\/span><\/li>\n<li> <span style=\"color: #000000;\">Apa hubungan antara suhu luar dan jumlah es krim batangan yang dijual oleh truk makanan?<\/span><\/li>\n<li> <span style=\"color: #000000;\">Apa hubungan antara uang yang dibelanjakan untuk iklan dan total pendapatan yang diperoleh bisnis tertentu?<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dalam setiap skenario, kami ingin memahami hubungan antara dua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Salah satu cara paling umum untuk mengukur hubungan antara dua variabel adalah dengan menggunakan <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-pearson-1\/\" target=\"_blank\" rel=\"noopener\">koefisien korelasi Pearson<\/a> , yang merupakan ukuran hubungan linier antara dua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Itu selalu mengambil nilai antara -1 dan 1 di mana:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 menunjukkan korelasi linier negatif sempurna antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 menunjukkan tidak ada korelasi linier antara dua variabel<\/span><\/li>\n<li> <span style=\"color: #000000;\">Angka 1 menunjukkan korelasi linier positif sempurna antara dua variabel<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Sering dilambangkan <em>r<\/em> , angka ini membantu kita memahami kekuatan hubungan antara dua variabel. <strong>Semakin dekat <em>r<\/em> ke nol maka semakin lemah hubungan kedua variabel tersebut<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Penting untuk dicatat bahwa dua variabel dapat memiliki korelasi <i>positif<\/i> yang lemah atau korelasi <em>negatif<\/em> yang lemah.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Korelasi positif lemah:<\/strong> Ketika satu variabel meningkat, variabel lainnya cenderung meningkat juga, namun hanya lemah atau tidak dapat diandalkan.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-16546 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible1-1.png\" alt=\"Contoh korelasi positif lemah\" width=\"412\" height=\"352\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\"><strong>Korelasi negatif rendah:<\/strong> Ketika satu variabel meningkat, variabel lainnya cenderung menurun, namun hanya lemah atau tidak dapat diandalkan.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-16547 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible2-1.png\" alt=\"Contoh korelasi negatif yang lemah\" width=\"408\" height=\"351\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Tabel berikut menunjukkan aturan praktis untuk menafsirkan kekuatan hubungan dua variabel berdasarkan nilai <em>r<\/em> :<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th> <strong><span style=\"color: #000000;\">Nilai mutlak <em>r<\/em><\/span><\/strong><\/th>\n<th> <strong><span style=\"color: #000000;\">Kekuatan hubungan<\/span><\/strong><\/th>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">r &lt;0,25<\/span><\/td>\n<td> <span style=\"color: #000000;\">Tidak ada hubungan<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,25 &lt; r &lt; 0,5<\/span><\/td>\n<td> <span style=\"color: #000000;\">Hubungan yang lemah<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,5 &lt; r &lt; 0,75<\/span><\/td>\n<td> <span style=\"color: #000000;\">Hubungan yang moderat<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">r &gt; 0,75<\/span><\/td>\n<td> <span style=\"color: #000000;\">Hubungan yang kuat<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p> <span style=\"color: #000000;\">Korelasi antara dua variabel dianggap rendah jika nilai absolut <em>r<\/em> antara 0,25 dan 0,5.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, definisi korelasi \u201clemah\u201d dapat bervariasi dari satu bidang ke bidang lainnya.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Medis<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Dalam bidang medis, definisi hubungan \u201clemah\u201d seringkali jauh lebih rendah. Jika hubungan antara penggunaan obat tertentu dan penurunan serangan jantung adalah <em>r<\/em> = <strong>0,2,<\/strong> hal ini mungkin dianggap &#8220;tidak ada hubungan&#8221; di bidang lain, namun dalam dunia kedokteran hal ini cukup signifikan sehingga layak untuk meminum obat tersebut untuk mengurangi risiko serangan jantung. . mengalami serangan jantung.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya manusia<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Dalam bidang seperti sumber daya manusia, korelasi yang lebih rendah juga lebih sering digunakan. Misalnya, korelasi antara IPK perguruan tinggi dan prestasi kerja telah terbukti kira-kira <em>r<\/em> = <strong>0,16<\/strong> . Itu cukup rendah, tapi cukup penting sehingga perusahaan setidaknya harus mempertimbangkannya selama proses wawancara.<\/span><\/p>\n<h3> <strong><span style=\"color: #000000;\">Teknologi<\/span><\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Di bidang teknologi, korelasi antar variabel mungkin perlu lebih tinggi agar bisa dianggap &#8220;rendah&#8221;. Misalnya, jika sebuah perusahaan menciptakan mobil tanpa pengemudi dan korelasi antara keputusan membelokkan mobil dan kemungkinan menghindari kecelakaan adalah <em>r<\/em> = <strong>0,95<\/strong> , hal ini dapat dianggap sebagai korelasi yang &#8220;lemah&#8221; dan mungkin terlalu lemah bagi mobil tersebut untuk melakukannya. dianggap aman, karena salah mengambil keputusan bisa berakibat fatal.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Gunakan plot sebar untuk memvisualisasikan korelasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Saat menghitung koefisien korelasi antara dua variabel, ada gunanya membuat diagram sebar untuk memvisualisasikan korelasinya juga.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Secara khusus, point cloud menawarkan dua keuntungan:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Scatterplots dapat membantu Anda mengidentifikasi outlier yang mempengaruhi koefisien korelasi.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Pencilan yang ekstrim dapat berdampak besar pada koefisien korelasi. Perhatikan contoh di bawah ini, dimana variabel <em>X<\/em> dan <em>Y<\/em> memiliki koefisien korelasi Pearson sebesar <em>r<\/em> = <strong>0,91<\/strong> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16548 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible3-1.png\" alt=\"\" width=\"403\" height=\"339\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Sekarang bayangkan kita mengubah titik data pertama menjadi lebih besar. Koefisien korelasi tiba-tiba menjadi <em>r<\/em> = <strong>0,29<\/strong> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16550 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible4-1.png\" alt=\"\" width=\"404\" height=\"345\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Titik data tunggal ini mengubah koefisien korelasi dari hubungan positif kuat menjadi hubungan positif lemah.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>(2) Scatterplots dapat membantu Anda mengidentifikasi hubungan nonlinier antar variabel.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson hanya memberi tahu kita apakah dua variabel berhubungan <em>linier<\/em> . Bahkan jika koefisien korelasi Pearson menunjukkan bahwa dua variabel tidak berkorelasi, keduanya masih mempunyai hubungan nonlinier.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, perhatikan diagram sebar di bawah ini antara variabel <em>X<\/em> dan <em>Y<\/em> , yang korelasinya adalah <em>r<\/em> = <strong>0,00<\/strong> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16551 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible5.png\" alt=\"\" width=\"436\" height=\"373\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Variabel-variabelnya jelas tidak memiliki hubungan linier, tetapi <em>memiliki<\/em> hubungan nonlinier: nilai y hanyalah nilai x yang dikuadratkan.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Koefisien korelasi saja tidak dapat mendeteksi hubungan ini, namun plot sebar dapat mendeteksinya.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Kesimpulan<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Kesimpulan:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Umumnya, koefisien korelasi antara 0,25 dan 0,5 dianggap sebagai korelasi &#8220;lemah&#8221; antara dua variabel.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Aturan praktis ini mungkin berbeda dari satu daerah ke daerah lain. Misalnya, korelasi yang jauh lebih rendah mungkin dianggap lemah dalam bidang medis dibandingkan dengan bidang teknologi. Pastikan untuk menggunakan keahlian subjek Anda untuk memutuskan apa yang dianggap korelasi rendah.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Saat menggunakan koefisien korelasi untuk menggambarkan hubungan antara dua variabel, ada baiknya juga membuat plot sebar sehingga Anda dapat mengidentifikasi outlier dalam kumpulan data serta potensi hubungan nonlinier.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\" target=\"_blank\" rel=\"noopener\">Apa yang dianggap sebagai korelasi \u201ckuat\u201d?<\/a><br \/> Kalkulator Matriks Korelasi<br \/> <a href=\"https:\/\/statorials.org\/id\/korelasi-vs-asosiasi\/\" target=\"_blank\" rel=\"noopener\">Korelasi vs. asosiasi: apa bedanya?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dalam statistik, kita sering kali berusaha memahami bagaimana dua variabel berhubungan satu sama lain. Misalnya, kita mungkin ingin mengetahui: Apa hubungan antara jumlah jam belajar siswa dan nilai ujiannya? Apa hubungan antara suhu luar dan jumlah es krim batangan yang dijual oleh truk makanan? Apa hubungan antara uang yang dibelanjakan untuk iklan dan total pendapatan [&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 dianggap sebagai korelasi \u201clemah\u201d?<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.\" \/>\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\/apa-yang-dimaksud-dengan-korelasi-lemah\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Apa yang dianggap sebagai korelasi \u201clemah\u201d?\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-25T10:08:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible1-1.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=\"4 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/\",\"url\":\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/\",\"name\":\"Apa yang dianggap sebagai korelasi \u201clemah\u201d?\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-25T10:08:18+00:00\",\"dateModified\":\"2023-07-25T10:08:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Apa yang dianggap \u201clemah\u201d; korelasi?\"}]},{\"@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 dianggap sebagai korelasi \u201clemah\u201d?","description":"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.","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\/apa-yang-dimaksud-dengan-korelasi-lemah\/","og_locale":"id_ID","og_type":"article","og_title":"Apa yang dianggap sebagai korelasi \u201clemah\u201d?","og_description":"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/","og_site_name":"Statorials","article_published_time":"2023-07-25T10:08:18+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/faible1-1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"4 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/","url":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/","name":"Apa yang dianggap sebagai korelasi \u201clemah\u201d?","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-25T10:08:18+00:00","dateModified":"2023-07-25T10:08:18+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan apa yang dianggap sebagai korelasi &quot;lemah&quot; dalam statistik, dengan beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/apa-yang-dimaksud-dengan-korelasi-lemah\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Apa yang dianggap \u201clemah\u201d; korelasi?"}]},{"@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\/1679"}],"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=1679"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1679\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1679"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1679"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1679"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}