{"id":622,"date":"2023-07-29T07:33:51","date_gmt":"2023-07-29T07:33:51","guid":{"rendered":"https:\/\/statorials.org\/id\/korelasi-statistik\/"},"modified":"2023-07-29T07:33:51","modified_gmt":"2023-07-29T07:33:51","slug":"korelasi-statistik","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/korelasi-statistik\/","title":{"rendered":"Korelasi di stata: pearson, spearman dan kendall"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Dalam statistik, <strong>korelasi<\/strong> mengacu pada kekuatan dan arah hubungan antara dua variabel. Nilai koefisien korelasi dapat berkisar antara -1 hingga 1, dengan -1 menunjukkan hubungan negatif sempurna, 0 menunjukkan tidak ada hubungan, dan 1 menunjukkan hubungan positif sempurna.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada tiga cara umum untuk mengukur korelasi:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Korelasi Pearson:<\/strong> Digunakan untuk mengukur korelasi antara dua variabel kontinu. (misalnya tinggi dan berat badan)<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Korelasi Spearman:<\/strong> Digunakan untuk mengukur korelasi antara dua variabel yang diklasifikasikan. (misalnya peringkat nilai ujian matematika siswa versus peringkat nilai ujian sains mereka di suatu kelas)<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Korelasi Kendall:<\/strong> Digunakan bila Anda ingin menggunakan korelasi Spearman tetapi ukuran sampelnya kecil dan terdapat banyak peringkat terkait.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tutorial ini menjelaskan cara menemukan tiga jenis korelasi di Stata.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Memuat data<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Untuk setiap contoh berikut, kita akan menggunakan kumpulan data bernama <em>auto<\/em> . Anda dapat memuat kumpulan data ini dengan mengetikkan yang berikut ini di kotak Perintah:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>gunakan https:\/\/www.stata-press.com\/data\/r13\/auto<\/strong><\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Kita bisa mendapatkan gambaran singkat tentang kumpulan data dengan mengetikkan yang berikut ini di kotak perintah:<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>untuk meringkas<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5840 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/scatterstata1.png\" sizes=\"\" srcset=\"\" alt=\"Ringkaslah contoh perintah di Stata\" width=\"467\" height=\"330\"><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat melihat bahwa ada total 12 variabel dalam dataset.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Bagaimana menemukan korelasi Pearson di Stata<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kita dapat mencari <a href=\"https:\/\/statorials.org\/id\/koefisien-korelasi-pearson-1\/\" target=\"_blank\" rel=\"noopener\">koefisien korelasi Pearson<\/a> antara variabel <em>berat<\/em> dan <em>panjang<\/em> menggunakan perintah <strong>pwcorr<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>panjang berat pwcorr<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5870 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata1.png\" alt=\"Korelasi Pearson di Stata\" width=\"275\" height=\"123\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Pearson antara kedua variabel ini adalah <strong>sebesar 0,9460<\/strong> . Untuk menentukan apakah koefisien korelasi ini signifikan, kita dapat mencari nilai p menggunakan perintah <strong>sig<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>panjang berat pwcorr, sig<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5871 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata2.png\" alt=\"Arti Korelasi Pearson dalam Stata\" width=\"277\" height=\"180\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Nilai p adalah <strong>0,000<\/strong> . Karena angka ini kurang dari 0,05, maka korelasi antara kedua variabel ini signifikan secara statistik.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk menemukan koefisien korelasi Pearson untuk beberapa variabel, cukup ketikkan daftar variabel setelah perintah <strong>pwcorr<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>perpindahan panjang berat pwcorr, sig<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5872 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata3.png\" alt=\"Korelasi Pearson untuk beberapa variabel di Stata\" width=\"334\" height=\"253\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Korelasi Pearson antara berat badan dan panjang badan = 0,9460 | nilai p = 0,000<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi Pearson antara berat dan perpindahan = 0,8949 | nilai p = 0,000<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi Pearson antara perpindahan dan panjang = 0,8351 | nilai p = 0,000<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Bagaimana menemukan korelasi Spearman di Stata<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Koefisien korelasi Spearman antara variabel <em>trunk<\/em> dan <i>rep78<\/i> dapat dicari dengan menggunakan perintah <strong>spearman<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>tombak bagasi rep78<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5873 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata4.png\" alt=\"Korelasi Spearman di Stata\" width=\"385\" height=\"152\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Jumlah obs:<\/strong> Ini adalah jumlah observasi berpasangan yang digunakan untuk menghitung koefisien korelasi Spearman. Karena beberapa nilai hilang untuk variabel <em>rep78<\/em> , Stata hanya menggunakan 69 observasi per pasangan (bukan 74 penuh).<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Rho Spearman:<\/strong> Ini adalah koefisien korelasi Spearman. Dalam hal ini sebesar -0,2235 yang menunjukkan adanya korelasi negatif antara kedua variabel. Ketika yang satu meningkat, yang lain cenderung menurun.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Masalah &gt; |t| :<\/strong> Ini adalah nilai p yang terkait dengan uji hipotesis. Dalam hal ini, nilai p-value adalah 0,0649 yang menunjukkan bahwa tidak ada korelasi yang signifikan secara statistik antara kedua variabel pada \u03b1 = 0,05.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kita dapat menemukan koefisien korelasi Spearman untuk beberapa variabel hanya dengan mengetikkan lebih banyak variabel setelah perintah <strong>spearman<\/strong> . Kita dapat mencari koefisien korelasi dan nilai p yang sesuai untuk setiap korelasi berpasangan menggunakan perintah <strong>stats(rho p)<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>spearman trunk rep78 gear_ratio, statistik (rho p)<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5874 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata5.png\" alt=\"Korelasi Spearman untuk beberapa variabel di Stata\" width=\"345\" height=\"345\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Korelasi spearman antara trunk dan rep78 = -0.2235 | nilai p = 0,0649<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi Spearman antara trunk dan gear_ratio = -0.5187 | nilai p = 0,0000<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi spearman antara gear_ratio dan rep78 = 0,4275 | nilai p = 0,0002<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Bagaimana menemukan korelasi Kendall di Stata<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kita dapat mencari <a href=\"https:\/\/statorials.org\/id\/kendall-tau\/\" target=\"_blank\" rel=\"noopener\">koefisien korelasi Kendall<\/a> antara variabel <em>trunk<\/em> dan <i>rep78<\/i> menggunakan perintah <strong>ktau<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>ktau bagasi rep78<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5875 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata6.png\" alt=\"Korelasi Kendall di Stata\" width=\"405\" height=\"191\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan hasilnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Number of obs:<\/strong> Ini adalah jumlah observasi berpasangan yang digunakan untuk menghitung koefisien korelasi Kendall. Karena beberapa nilai hilang untuk variabel <em>rep78<\/em> , Stata hanya menggunakan 69 observasi per pasangan (bukan 74 penuh).<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Kendall&#8217;s Tau-b :<\/strong> Merupakan koefisien korelasi Kendall antara kedua variabel. Kami biasanya menggunakan nilai ini daripada tau-a karena tau-b melakukan penyesuaian jika terjadi ikatan. Dalam hal ini tau-b = -0,1752 menunjukkan adanya korelasi negatif antara kedua variabel.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Masalah &gt; |z| :<\/strong> Ini adalah nilai p yang terkait dengan uji hipotesis. Dalam hal ini, nilai p-value adalah 0,0662 yang menunjukkan bahwa tidak ada korelasi yang signifikan secara statistik antara kedua variabel pada \u03b1 = 0,05.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kita dapat menemukan koefisien korelasi Kendall untuk beberapa variabel hanya dengan mengetikkan lebih banyak variabel setelah perintah <strong>ktau<\/strong> . Kita dapat mencari koefisien korelasi dan nilai p yang sesuai untuk setiap korelasi berpasangan menggunakan perintah <strong>stats(taub p)<\/strong> :<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>ktau trunk rep78 gear_ratio, statistik (taub p)<\/strong><\/span> <\/p>\n<\/blockquote>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-5876 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrstata7.png\" alt=\"Kendall's Tau untuk beberapa variabel di Stata\" width=\"378\" height=\"387\" srcset=\"\" sizes=\"\"><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Korelasi Kendall antara trunk dan rep78 = -0.1752 | nilai p = 0,0662<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi Kendall antara trunk dan gear_ratio = -0.3753 | nilai p = 0,0000<\/span><\/li>\n<li> <span style=\"color: #000000;\">Korelasi Kendall antara gear_ratio dan rep78 = 0,3206 | nilai p = 0,0006<\/span><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Dalam statistik, korelasi mengacu pada kekuatan dan arah hubungan antara dua variabel. Nilai koefisien korelasi dapat berkisar antara -1 hingga 1, dengan -1 menunjukkan hubungan negatif sempurna, 0 menunjukkan tidak ada hubungan, dan 1 menunjukkan hubungan positif sempurna. Ada tiga cara umum untuk mengukur korelasi: Korelasi Pearson: Digunakan untuk mengukur korelasi antara dua variabel kontinu. [&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>Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials<\/title>\n<meta name=\"description\" content=\"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.\" \/>\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\/korelasi-statistik\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials\" \/>\n<meta property=\"og:description\" content=\"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/korelasi-statistik\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T07:33:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/scatterstata1.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\/korelasi-statistik\/\",\"url\":\"https:\/\/statorials.org\/id\/korelasi-statistik\/\",\"name\":\"Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T07:33:51+00:00\",\"dateModified\":\"2023-07-29T07:33:51+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/korelasi-statistik\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/korelasi-statistik\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/korelasi-statistik\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Korelasi di stata: pearson, spearman dan kendall\"}]},{\"@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":"Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials","description":"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.","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\/korelasi-statistik\/","og_locale":"id_ID","og_type":"article","og_title":"Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials","og_description":"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.","og_url":"https:\/\/statorials.org\/id\/korelasi-statistik\/","og_site_name":"Statorials","article_published_time":"2023-07-29T07:33:51+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/scatterstata1.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\/korelasi-statistik\/","url":"https:\/\/statorials.org\/id\/korelasi-statistik\/","name":"Korelasi di Stata: Pearson, Spearman dan Kendall - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T07:33:51+00:00","dateModified":"2023-07-29T07:33:51+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Penjelasan sederhana tentang cara menemukan tiga jenis korelasi berbeda di Stata.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/korelasi-statistik\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/korelasi-statistik\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/korelasi-statistik\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Korelasi di stata: pearson, spearman dan kendall"}]},{"@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\/622"}],"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=622"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/622\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=622"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=622"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=622"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}