{"id":492,"date":"2023-07-29T17:48:18","date_gmt":"2023-07-29T17:48:18","guid":{"rendered":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/"},"modified":"2023-07-29T17:48:18","modified_gmt":"2023-07-29T17:48:18","slug":"regresi-langkah-demi-langkah-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/","title":{"rendered":"Panduan lengkap regresi langkah demi langkah di r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\" target=\"_blank\" rel=\"noopener noreferrer\">Regresi bertahap<\/a> adalah prosedur yang dapat kita gunakan untuk membangun <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener noreferrer\">model regresi<\/a> dari sekumpulan variabel prediktor dengan memasukkan dan menghapus prediktor secara bertahap ke dalam model hingga tidak ada lagi alasan yang valid secara statistik untuk memasukkan atau hapus lebih banyak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tujuan dari regresi bertahap adalah untuk membuat model regresi yang mencakup semua variabel prediktor yang secara statistik berhubungan signifikan dengan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel respon<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tutorial ini menjelaskan cara melakukan prosedur regresi langkah demi langkah berikut di R:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Seleksi maju selangkah demi selangkah<\/span><\/li>\n<li> <span style=\"color: #000000;\">Seleksi mundur selangkah demi selangkah<\/span><\/li>\n<li> <span style=\"color: #000000;\">Seleksi langkah demi langkah di kedua arah<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Untuk setiap contoh, kami akan menggunakan kumpulan data <strong>mtcars<\/strong> bawaan:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six rows of <em>mtcars\n<\/em><\/span>head(mtcars)\n\n                   mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Kami akan menyesuaikan model regresi linier berganda dengan menggunakan <em>mpg<\/em> (mil per galon) sebagai variabel respons dan 10 variabel lainnya dalam kumpulan data sebagai variabel prediktor potensial.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk setiap contoh, kita akan menggunakan fungsi <a href=\"https:\/\/www.rdocumentation.org\/packages\/stats\/versions\/3.6.2\/topics\/step\" target=\"_blank\" rel=\"noopener noreferrer\">step()<\/a> bawaan paket stats untuk melakukan pemilihan bertahap, yang menggunakan sintaks berikut:<\/span><\/p>\n<p style=\"text-align: left;\"> <span style=\"color: #000000;\"><strong>tahap (hanya model intersepsi, arah, jangkauan)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>original model only<\/strong> : rumus model aslinya saja<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Arah:<\/strong> Mode pencarian langkah dapat berupa \u201ckeduanya\u201d, \u201cmundur\u201d atau \u201cmaju\u201d.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>scope:<\/strong> rumus yang menentukan prediktor yang ingin kita masukkan ke dalam model<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 1: Seleksi maju selangkah demi selangkah<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara melakukan seleksi langkah demi langkah:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform forward stepwise regression\n<\/span>forward &lt;- step(intercept_only, direction=' <span style=\"color: #008000;\">forward<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of forward stepwise regression<\/span>\nforward$anova\n\n   Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 31 1126.0472 115.94345\n2 + wt -1 847.72525 30 278.3219 73.21736\n3 + cyl -1 87.14997 29 191.1720 63.19800\n4 + hp -1 14.55145 28 176.6205 62.66456\n\n<span style=\"color: #008080;\">#view final model\n<\/span>forward$coefficients\n\n(Intercept) wt cyl hp \n 38.7517874 -3.1669731 -0.9416168 -0.0180381 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><em><strong>Catatan:<\/strong> Argumen trace=0 memberitahu R untuk tidak menampilkan hasil lengkap dari pemilihan langkah demi langkah. Hal ini dapat memakan banyak ruang jika terdapat banyak variabel prediktor.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Pertama, kami menyesuaikan model intersep saja. Model ini memiliki AIC <strong>115.94345<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kemudian kami memasukkan semua model yang mungkin ke dalam prediktor. Model yang menghasilkan AIC terendah dan juga mengalami penurunan AIC yang signifikan secara statistik dibandingkan dengan model baseline saja yang menggunakan prediktor <em>berat<\/em> . Model ini memiliki AIC sebesar <strong>73.21736<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Selanjutnya, kami mencocokkan semua model yang mungkin dengan dua prediktor. Model yang menghasilkan AIC terendah dan juga mengalami penurunan AIC yang signifikan secara statistik dibandingkan dengan model prediktor tunggal yang ditambahkan prediktor <em>silinder<\/em> . Model ini memiliki AIC <strong>63.19800<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Selanjutnya, kami menyesuaikan semua model yang mungkin ke dalam tiga prediktor. Model yang menghasilkan AIC terendah dan juga mengalami penurunan AIC yang signifikan secara statistik dibandingkan dengan model dua prediktor yang ditambahkan prediktor <em>hp<\/em> . Model ini memiliki AIC sebesar <strong>62.66456<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Selanjutnya, kami menyesuaikan semua model yang mungkin ke dalam empat prediktor. Ternyata tidak satu pun dari model ini yang menghasilkan pengurangan AIC secara signifikan, jadi kami menghentikan prosedur tersebut.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Model terakhirnya adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 38,75 \u2013 3,17*berat \u2013 0,94*silinder \u2013 0,02*hyp<\/strong><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 2: Seleksi mundur selangkah demi selangkah<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara melangkah mundur:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform backward stepwise regression\n<\/span>backward &lt;- step(all, direction=' <span style=\"color: #008000;\">backward<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of backward stepwise regression<\/span>\nbackward$anova\n\n    Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 21 147.4944 70.89774\n2 - cyl 1 0.07987121 22 147.5743 68.91507\n3 - vs 1 0.26852280 23 147.8428 66.97324\n4 - carb 1 0.68546077 24 148.5283 65.12126\n5 - gear 1 1.56497053 25 150.0933 63.45667\n6 - drat 1 3.34455117 26 153.4378 62.16190\n7 - available 1 6.62865369 27 160.0665 61.51530\n8 - hp 1 9.21946935 28 169.2859 61.30730\n\n<span style=\"color: #008080;\">#view final model\n<\/span>backward$coefficients\n\n(Intercept) wt qsec am \n   9.617781 -3.916504 1.225886 2.935837\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Pertama, kami menyesuaikan model menggunakan semua prediktor <em>p<\/em> . Definisikan ini sebagai M <sub>p<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kemudian, untuk k = p, p-1,\u20261, kami menyesuaikan semua k model yang berisi semua kecuali satu prediktor dalam M <sub>k<\/sub> , untuk total k-1 variabel prediktor. Kemudian pilih yang terbaik di antara k model ini dan beri nama M <sub>k-1<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Terakhir, kami memilih model terbaik dari M <sub>0<\/sub> \u2026M <sub>p<\/sub> menggunakan AIC.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Model terakhirnya adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 9,62 \u2013 3,92*berat + 1,23*qdetik + 2,94*am<\/strong><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 3: Pemilihan langkah demi langkah di kedua arah<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara melakukan pemilihan langkah demi langkah di kedua arah:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform backward stepwise regression\n<\/span>both &lt;- step(intercept_only, direction=' <span style=\"color: #008000;\">both<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of backward stepwise regression<\/span>\nboth$anova\n\n   Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 31 1126.0472 115.94345\n2 + wt -1 847.72525 30 278.3219 73.21736\n3 + cyl -1 87.14997 29 191.1720 63.19800\n4 + hp -1 14.55145 28 176.6205 62.66456\n\n<span style=\"color: #008080;\">#view final model\n<\/span>both$coefficients\n\n(Intercept) wt cyl hp \n 38.7517874 -3.1669731 -0.9416168 -0.0180381 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Pertama, kami menyesuaikan model intersep saja.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Selanjutnya, kami menambahkan prediktor ke model secara berurutan, seperti yang kami lakukan pada pemilihan langkah demi langkah. Namun, setelah menambahkan setiap prediktor, kami juga menghapus semua prediktor yang tidak lagi memberikan peningkatan dalam kesesuaian model.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kami mengulangi proses ini sampai kami mendapatkan model akhir.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Model terakhirnya adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 9,62 \u2013 3,92*berat + 1,23*qdetik + 2,94*am<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa pemilihan langkah maju dan pemilihan langkah pada kedua arah menghasilkan pola akhir yang sama, sedangkan pemilihan langkah mundur menghasilkan pola yang berbeda.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> Cara Menguji Signifikansi Kemiringan Regresi<br \/> Cara Membaca dan Menafsirkan Tabel Regresi<br \/> Panduan Multikolinearitas dalam Regresi<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Regresi bertahap adalah prosedur yang dapat kita gunakan untuk membangun model regresi dari sekumpulan variabel prediktor dengan memasukkan dan menghapus prediktor secara bertahap ke dalam model hingga tidak ada lagi alasan yang valid secara statistik untuk memasukkan atau hapus lebih banyak. Tujuan dari regresi bertahap adalah untuk membuat model regresi yang mencakup semua variabel prediktor [&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>Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi<\/title>\n<meta name=\"description\" content=\"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk 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\/regresi-langkah-demi-langkah-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi\" \/>\n<meta property=\"og:description\" content=\"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T17:48:18+00:00\" \/>\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\/regresi-langkah-demi-langkah-r\/\",\"url\":\"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/\",\"name\":\"Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T17:48:18+00:00\",\"dateModified\":\"2023-07-29T17:48:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Panduan lengkap regresi langkah demi langkah di r\"}]},{\"@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":"Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi","description":"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk 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\/regresi-langkah-demi-langkah-r\/","og_locale":"id_ID","og_type":"article","og_title":"Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi","og_description":"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T17:48:18+00:00","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\/regresi-langkah-demi-langkah-r\/","url":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/","name":"Panduan Lengkap Regresi Langkah demi Langkah dalam R - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T17:48:18+00:00","dateModified":"2023-07-29T17:48:18+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Panduan lengkap tentang cara melakukan regresi langkah demi langkah di R, termasuk beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/regresi-langkah-demi-langkah-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Panduan lengkap regresi langkah demi langkah di r"}]},{"@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\/492"}],"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=492"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/492\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=492"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=492"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=492"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}