{"id":26546,"date":"2025-01-28T13:30:02","date_gmt":"2025-01-28T06:30:02","guid":{"rendered":"https:\/\/jakarta.telkomuniversity.ac.id\/?p=26546"},"modified":"2025-01-30T15:42:08","modified_gmt":"2025-01-30T08:42:08","slug":"jaringan-saraf-tiruan-dalam-bidang-visi-komputer","status":"publish","type":"post","link":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/jaringan-saraf-tiruan-dalam-bidang-visi-komputer\/","title":{"rendered":"Jaringan Saraf Tiruan dalam Bidang Visi Komputer"},"content":{"rendered":"<div class=\"wpb-content-wrapper\"><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Jaringan Saraf Tiruan atau Artificial Neural Networks (ANN) merupakan teknologi penting yang mendorong kemajuan dalam visi komputer. Teknologi ini dirancang untuk meniru cara otak manusia dalam memproses data, mengenali pola, serta membuat keputusan. ANN dalam visi komputer memungkinkan mesin untuk memahami, menganalisis, dan menafsirkan informasi visual seperti gambar atau video dengan presisi tinggi.<\/p>\n<p>Artikel ini akan membahas konsep dasar ANN, perannya dalam visi komputer, jenis arsitektur yang digunakan, serta aplikasinya di berbagai bidang.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img decoding=\"async\" width=\"2560\" height=\"1707\" src=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-scaled.webp\" class=\"vc_single_image-img attachment-full\" alt=\"Jaringan Saraf Tiruan dalam Bidang Visi Komputer berupa jaringan pin Jaringan komputer\" title=\"Jaringan Saraf Tiruan dalam Bidang Visi Komputer berupa jaringan neuron\" srcset=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-scaled.webp 2560w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-300x200.webp 300w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-1024x683.webp 1024w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-768x512.webp 768w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-1536x1024.webp 1536w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-2048x1365.webp 2048w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/network-with-pins-2023-11-27-05-12-22-utc-150x100.webp 150w\" sizes=\"(max-width: 2560px) 100vw, 2560px\" \/><\/div>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><h2 style=\"text-align: left\" class=\"vc_custom_heading vc_do_custom_heading\" >Apa itu Jaringan Saraf Tiruan?<\/h2>\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Jaringan Saraf Tiruan adalah model komputasi yang terinspirasi oleh cara kerja otak manusia. ANN terdiri dari kumpulan node (disebut neuron) yang saling terhubung melalui bobot. Dalam prosesnya, jaringan ini bekerja melalui tiga jenis lapisan:<\/p>\n<ol>\n<li><strong>Lapisan Input<\/strong>: Tempat data mentah, seperti piksel gambar, masuk ke sistem.<\/li>\n<li><strong>Lapisan Tersembunyi<\/strong>: Lapisan ini melakukan analisis kompleks untuk mengenali pola dalam data.<\/li>\n<li><strong>Lapisan Output<\/strong>: Memberikan hasil akhir, seperti klasifikasi objek atau hasil pengenalan pola.<\/li>\n<\/ol>\n<p>ANN dilatih dengan menyesuaikan bobot neuron melalui algoritma tertentu seperti backpropagation. Dalam konteks visi komputer, pelatihan ini membuat model mampu mengenali pola dan fitur penting dalam gambar.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><h2 style=\"text-align: left\" class=\"vc_custom_heading vc_do_custom_heading\" >Peran Jaringan Saraf Tiruan dalam Visi Komputer<\/h2>\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Visi komputer adalah cabang kecerdasan buatan (AI) yang memungkinkan mesin memahami dan menafsirkan informasi visual. ANN sangat berperan dalam mengatasi tantangan dalam visi komputer, seperti:<\/p>\n<ul>\n<li>Mengenali pola visual yang kompleks.<\/li>\n<li>Mengidentifikasi objek di bawah berbagai kondisi pencahayaan atau sudut pandang.<\/li>\n<li>Memproses gambar dengan tingkat detail tinggi, seperti analisis gambar medis atau satelit.<\/li>\n<\/ul>\n<p>Tugas utama jaringan saraf tiruan dalam visi komputer mencakup:<\/p>\n<ol>\n<li><strong>Klasifikasi Gambar<\/strong>: Memilah gambar ke dalam kategori tertentu, seperti mengidentifikasi jenis hewan.<\/li>\n<li><strong>Deteksi Objek<\/strong>: Menemukan lokasi objek tertentu dalam gambar atau video.<\/li>\n<li><strong>Segmentasi Gambar<\/strong>: Membagi gambar menjadi area yang memiliki arti spesifik, seperti objek dan latar belakang.<\/li>\n<li><strong>Pengenalan Wajah<\/strong>: Mengidentifikasi individu berdasarkan fitur wajah.<\/li>\n<li><strong>Pemrosesan Teks pada Gambar (OCR)<\/strong>: Mengenali teks yang ada dalam gambar.<\/li>\n<\/ol>\n\n\t\t<\/div>\n\t<\/div>\n\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img decoding=\"async\" width=\"2560\" height=\"1440\" src=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-scaled.webp\" class=\"vc_single_image-img attachment-full\" alt=\"kerangka Jaringan Saraf Tiruan pada kepala manuasia\" title=\"kerangka Jaringan Saraf Tiruan pada kepala manuasia\" srcset=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-scaled.webp 2560w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-300x169.webp 300w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-1024x576.webp 1024w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-768x432.webp 768w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-1536x864.webp 1536w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/presenter-at-ai-convention-showing-eeh-headset-dem-2024-08-06-01-13-05-utc-2048x1152.webp 2048w\" sizes=\"(max-width: 2560px) 100vw, 2560px\" \/><\/div>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><h2 style=\"text-align: left\" class=\"vc_custom_heading vc_do_custom_heading\" >Arsitektur Jaringan Saraf Tiruan yang Digunakan dalam Visi Komputer<\/h2>\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Beberapa arsitektur jaringan saraf tiruan dirancang khusus untuk menangani tugas-tugas dalam visi komputer:<\/p>\n<h4>1. <strong>Convolutional Neural Networks (CNN)<\/strong><\/h4>\n<p>CNN adalah jenis ANN yang paling populer untuk visi komputer. CNN memiliki keunggulan dalam menangani data visual, karena mampu mengekstraksi fitur penting secara otomatis. Komponen utamanya meliputi:<\/p>\n<ul>\n<li><strong>Convolutional Layer<\/strong>: Menangkap fitur gambar, seperti tepi atau pola tertentu.<\/li>\n<li><strong>Pooling Layer<\/strong>: Mengurangi ukuran data tanpa kehilangan informasi penting.<\/li>\n<li><strong>Fully Connected Layer<\/strong>: Menggabungkan informasi yang diekstrak untuk menghasilkan keputusan.<\/li>\n<\/ul>\n<h4>2. <strong>Recurrent Neural Networks (RNN)<\/strong><\/h4>\n<p>RNN biasanya digunakan untuk data berurutan seperti video, karena mampu menangani hubungan temporal antara frame gambar.<\/p>\n<h4>3. <strong>Generative Adversarial Networks (GAN)<\/strong><\/h4>\n<p>GAN berguna untuk menghasilkan gambar baru yang realistis, seperti dalam pengeditan gambar, pembuatan deepfake, atau augmentasi data.<\/p>\n<h4>4. <strong>Transformer Networks<\/strong><\/h4>\n<p>Model berbasis transformer, seperti Vision Transformer (ViT), semakin populer dalam tugas visi komputer karena kemampuannya memahami hubungan antar piksel secara global.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img decoding=\"async\" width=\"2560\" height=\"1440\" src=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-scaled.webp\" class=\"vc_single_image-img attachment-full\" alt=\"kerangka Jaringan Saraf Tiruan untuk AI\" title=\"kerangka Jaringan Saraf Tiruan untuk AI\" srcset=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-scaled.webp 2560w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-300x169.webp 300w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-1024x576.webp 1024w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-768x432.webp 768w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-1536x864.webp 1536w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/close-up-of-notebook-used-by-employees-developing-2024-07-04-00-50-10-utc-2048x1152.webp 2048w\" sizes=\"(max-width: 2560px) 100vw, 2560px\" \/><\/div>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><h2 style=\"text-align: left\" class=\"vc_custom_heading vc_do_custom_heading\" >Penerapan Jaringan Saraf Tiruan dalam Visi Komputer<\/h2>\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Jaringan saraf tiruan telah membawa perubahan besar di berbagai industri melalui penerapannya dalam visi komputer, seperti:<\/p>\n<h4>1. <strong>Bidang Kesehatan<\/strong><\/h4>\n<ul>\n<li>Mendeteksi penyakit, misalnya kanker, melalui analisis gambar medis seperti CT scan dan MRI.<\/li>\n<li>Menganalisis gambar retina untuk mendeteksi retinopati diabetik.<\/li>\n<\/ul>\n<h4>2. <strong>Industri Otomotif<\/strong><\/h4>\n<ul>\n<li>Digunakan dalam sistem kendaraan otonom untuk mengenali rambu lalu lintas, pejalan kaki, atau kendaraan lain.<\/li>\n<\/ul>\n<h4>3. <strong>E-commerce<\/strong><\/h4>\n<ul>\n<li>Mendukung pencarian berbasis gambar, seperti menemukan produk serupa dari foto.<\/li>\n<\/ul>\n<h4>4. <strong>Keamanan<\/strong><\/h4>\n<ul>\n<li>Sistem pengawasan cerdas yang mampu mendeteksi aktivitas mencurigakan.<\/li>\n<li>Penerapan teknologi pengenalan wajah untuk keamanan akses.<\/li>\n<\/ul>\n<h4>5. <strong>Hiburan<\/strong><\/h4>\n<ul>\n<li>Memungkinkan pengeditan otomatis foto dan video.<\/li>\n<li>Menghadirkan filter berbasis augmented reality (AR) pada aplikasi media sosial.<\/li>\n<\/ul>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><h2 style=\"text-align: left\" class=\"vc_custom_heading vc_do_custom_heading\" >Tantangan dalam Penggunaan ANN untuk Visi Komputer<\/h2>\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Meskipun ANN telah memberikan banyak kontribusi, ada sejumlah tantangan yang masih dihadapi, seperti:<\/p>\n<ol>\n<li><strong>Kebutuhan Data yang Besar<\/strong>: ANN membutuhkan dataset yang sangat besar untuk pelatihan yang efektif.<\/li>\n<li><strong>Biaya Komputasi yang Tinggi<\/strong>: Proses pelatihan dan inferensi ANN memerlukan perangkat keras khusus seperti GPU atau TPU.<\/li>\n<li><strong>Kesulitan Generalisasi<\/strong>: Model sering kali tidak bekerja optimal pada data yang berbeda dari data latih.<\/li>\n<li><strong>Masalah Etika dan Privasi<\/strong>: Penerapan teknologi seperti pengenalan wajah dapat menimbulkan isu privasi.<\/li>\n<\/ol>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-6\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Jaringan Saraf Tiruan adalah teknologi inti yang memungkinkan visi komputer berkembang dengan pesat. Dengan arsitektur baru seperti Vision Transformers, kemampuan ANN untuk memproses data visual terus meningkat dan membuka peluang besar di berbagai sektor industri. Namun, pendekatan yang bijaksana tetap diperlukan untuk mengatasi tantangan terkait dan memastikan teknologi ini digunakan secara bertanggung jawab untuk kebaikan bersama.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-6\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img decoding=\"async\" width=\"2560\" height=\"2021\" src=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-scaled.webp\" class=\"vc_single_image-img attachment-full\" alt=\"kerangka Jaringan Saraf Tiruan\" title=\"kerangka Jaringan Saraf Tiruan\" srcset=\"https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-scaled.webp 2560w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-300x237.webp 300w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-1024x808.webp 1024w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-768x606.webp 768w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-1536x1213.webp 1536w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-2048x1617.webp 2048w, https:\/\/jakarta.telkomuniversity.ac.id\/wp-content\/uploads\/2025\/01\/mental-health-and-the-brain-during-elections-cycle-2025-01-16-11-20-42-utc-80x62.webp 80w\" sizes=\"(max-width: 2560px) 100vw, 2560px\" \/><\/div>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><div class=\"vc_row wpb_row vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p>Baca Selengkapnya: <a href=\"https:\/\/jakarta.telkomuniversity.ac.id\/en\/robotika-manufaktur-solusi-teknologi-tingkatkan-produksi\/\">Robotika Manufaktur: Solusi Teknologi Tingkatkan Produksi<\/a><\/p>\n<p>Baca Selengkapnya:\u00a0<a href=\"https:\/\/jakarta.telkomuniversity.ac.id\/en\/realitas-tertambah-augmented-reality-inovasi-terbaru-game\/\">Realitas Tertambah Augmented Reality: Inovasi Terbaru Game<\/a><\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"Jaringan Saraf Tiruan atau Artificial Neural Networks (ANN) merupakan teknologi penting yang mendorong kemajuan dalam visi komputer. Teknologi ini dirancang untuk meniru cara otak manusia dalam memproses data, mengenali pola, serta membuat keputusan. ANN dalam visi komputer memungkinkan mesin untuk memahami, menganalisis, dan menafsirkan informasi visual seperti gambar atau video dengan presisi tinggi. Artikel ini [...]","protected":false},"author":37,"featured_media":26559,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"wds_primary_category":0,"footnotes":""},"categories":[300],"tags":[1098,1159,1158,1160],"class_list":["post-26546","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pendidikan","tag-1098","tag-jaringan-saraf-tiruan","tag-jaringan-saraf-tiruan-dalam-bidang-visi-komputer","tag-visi-komputer"],"_links":{"self":[{"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/posts\/26546","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/users\/37"}],"replies":[{"embeddable":true,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/comments?post=26546"}],"version-history":[{"count":4,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/posts\/26546\/revisions"}],"predecessor-version":[{"id":26589,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/posts\/26546\/revisions\/26589"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/media\/26559"}],"wp:attachment":[{"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/media?parent=26546"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/categories?post=26546"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/jakarta.telkomuniversity.ac.id\/en\/wp-json\/wp\/v2\/tags?post=26546"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}