{"id":653,"date":"2026-02-11T08:31:13","date_gmt":"2026-02-11T08:31:13","guid":{"rendered":"https:\/\/satu.ac.id\/bandung\/informatika\/?p=653"},"modified":"2026-02-11T09:09:30","modified_gmt":"2026-02-11T09:09:30","slug":"machine-learning-untuk-pemula-panduan-langkah-demi-langkah","status":"publish","type":"post","link":"https:\/\/satu.ac.id\/bandung\/informatika\/2026\/02\/11\/machine-learning-untuk-pemula-panduan-langkah-demi-langkah\/","title":{"rendered":"Machine Learning untuk Pemula: Panduan Langkah demi Langkah"},"content":{"rendered":"<h1 data-start=\"1201\" data-end=\"1233\"><strong>Apa Itu Machine Learning?<\/strong><\/h1>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-654 aligncenter\" src=\"https:\/\/satu.ac.id\/bandung\/informatika\/wp-content\/uploads\/sites\/4\/2026\/02\/WhatsApp-Image-2026-02-11-at-15.28.09.jpeg\" alt=\"\" width=\"761\" height=\"321\" \/><\/p>\n<p style=\"text-align: center\"><strong>Gambar 1. Machine Learning<\/strong><\/p>\n<p data-start=\"1235\" data-end=\"1451\">Machine Learning adalah bagian dari ilmu komputer yang memungkinkan program komputer belajar secara otomatis dari data yang tersedia dan meningkatkan performanya seiring waktu tanpa diprogram ulang secara manual [2].<\/p>\n<p data-start=\"1453\" data-end=\"1726\">Berbeda dengan algoritma konvensional yang mengikuti aturan statis, model ML mampu beradaptasi dari data baru. Contohnya, program ML bisa mengenali gambar anjing setelah melihat ratusan gambar sebelumnya, bahkan jika gambar baru berbeda dari yang pernah dilihat sebelumnya.<\/p>\n<h1 data-start=\"1733\" data-end=\"1768\"><strong data-start=\"1736\" data-end=\"1768\">Jenis\u2011Jenis Machine Learning<\/strong><\/h1>\n<p data-start=\"1770\" data-end=\"1835\">Secara umum, Machine Learning dibagi menjadi tiga kategori utama:<\/p>\n<h3 data-start=\"1837\" data-end=\"1865\">1. Supervised Learning<\/h3>\n<p data-start=\"1867\" data-end=\"2003\">Dalam <em data-start=\"1873\" data-end=\"1894\">supervised learning<\/em>, data yang digunakan sudah dilabeli, sehingga model belajar memetakan input ke output yang benar. Contohnya:<\/p>\n<ul data-start=\"2005\" data-end=\"2115\">\n<li data-start=\"2005\" data-end=\"2062\">\n<p data-start=\"2007\" data-end=\"2062\">Memprediksi harga rumah berdasarkan ukuran dan lokasi<\/p>\n<\/li>\n<li data-start=\"2063\" data-end=\"2115\">\n<p data-start=\"2065\" data-end=\"2115\">Mengklasifikasikan email sebagai spam atau bukan<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"2117\" data-end=\"2235\">Model dilatih dengan contoh data yang sudah diketahui jawabannya sehingga performanya bisa diukur secara langsung [3].<\/p>\n<h3 data-start=\"2237\" data-end=\"2267\">2. Unsupervised Learning<\/h3>\n<p data-start=\"2269\" data-end=\"2422\">Berbeda dengan <em data-start=\"2284\" data-end=\"2305\">supervised learning<\/em>, dalam <em data-start=\"2313\" data-end=\"2336\">unsupervised learning<\/em> data tidak dilabeli. Tujuannya adalah menemukan pola tersembunyi dalam data, seperti:<\/p>\n<ul data-start=\"2424\" data-end=\"2558\">\n<li data-start=\"2424\" data-end=\"2496\">\n<p data-start=\"2426\" data-end=\"2496\">Mengelompokkan pelanggan berdasarkan perilaku belanja (<em data-start=\"2481\" data-end=\"2493\">clustering<\/em>)<\/p>\n<\/li>\n<li data-start=\"2497\" data-end=\"2558\">\n<p data-start=\"2499\" data-end=\"2558\">Mengidentifikasi struktur tersembunyi dalam dataset besar<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"2560\" data-end=\"2633\">Teknik ini sering dipakai untuk eksplorasi data dan segmentasi pasar [4].<\/p>\n<h3 data-start=\"2635\" data-end=\"2666\">3. Reinforcement Learning<\/h3>\n<p data-start=\"2668\" data-end=\"2909\">Model <em data-start=\"2674\" data-end=\"2698\">reinforcement learning<\/em> belajar melalui interaksi dengan lingkungan. Setiap tindakan diberikan <em data-start=\"2770\" data-end=\"2778\">reward<\/em> atau <em data-start=\"2784\" data-end=\"2793\">penalty<\/em>, dan model belajar memaksimalkan <em data-start=\"2827\" data-end=\"2835\">reward<\/em> tersebut. Pendekatan ini banyak digunakan dalam game AI dan robotika [5].<\/p>\n<h1 data-start=\"2916\" data-end=\"2961\"><strong data-start=\"2919\" data-end=\"2961\">Bagaimana Cara Kerja Machine Learning?<\/strong><\/h1>\n<p data-start=\"2963\" data-end=\"3032\">Proses Machine Learning biasanya melibatkan beberapa langkah berikut:<\/p>\n<ol data-start=\"3034\" data-end=\"3949\">\n<li data-start=\"3034\" data-end=\"3190\">\n<p data-start=\"3037\" data-end=\"3190\"><strong data-start=\"3037\" data-end=\"3059\">Mengumpulkan Data:<\/strong><br data-start=\"3059\" data-end=\"3062\" \/>Kualitas data sangat menentukan kualitas model. Semakin representatif data yang dikumpulkan, hasil model akan semakin akurat.<\/p>\n<\/li>\n<li data-start=\"3192\" data-end=\"3341\">\n<p data-start=\"3195\" data-end=\"3341\"><strong data-start=\"3195\" data-end=\"3215\">Pra\u2011proses Data:<\/strong><br data-start=\"3215\" data-end=\"3218\" \/>Data sering kali perlu dibersihkan \u2014 misalnya menghapus nilai kosong, menormalkan angka, atau mengubah format tipe data.<\/p>\n<\/li>\n<li data-start=\"3343\" data-end=\"3558\">\n<p data-start=\"3346\" data-end=\"3558\"><strong data-start=\"3346\" data-end=\"3368\">Memilih Algoritma:<\/strong><br data-start=\"3368\" data-end=\"3371\" \/>Ada banyak algoritma ML seperti <em data-start=\"3406\" data-end=\"3425\">linear regression<\/em>, <em data-start=\"3427\" data-end=\"3443\">decision trees<\/em>, <em data-start=\"3445\" data-end=\"3460\">random forest<\/em>, dan <em data-start=\"3466\" data-end=\"3483\">neural networks<\/em>. Pemilihan algoritma bergantung pada permasalahan yang ingin diselesaikan.<\/p>\n<\/li>\n<li data-start=\"3560\" data-end=\"3699\">\n<p data-start=\"3563\" data-end=\"3699\"><strong data-start=\"3563\" data-end=\"3594\">Melatih Model (<em data-start=\"3580\" data-end=\"3590\">Training<\/em>):<\/strong><br data-start=\"3594\" data-end=\"3597\" \/>Algoritma mempelajari hubungan antara input dan output dari dataset pelatihan (<em data-start=\"3679\" data-end=\"3697\">training dataset<\/em>).<\/p>\n<\/li>\n<li data-start=\"3701\" data-end=\"3843\">\n<p data-start=\"3704\" data-end=\"3843\"><strong data-start=\"3704\" data-end=\"3723\">Evaluasi Model:<\/strong><br data-start=\"3723\" data-end=\"3726\" \/>Model diuji menggunakan data baru (<em data-start=\"3764\" data-end=\"3781\">testing dataset<\/em>) untuk melihat seberapa baik ia memprediksi hasil yang benar.<\/p>\n<\/li>\n<li data-start=\"3845\" data-end=\"3949\">\n<p data-start=\"3848\" data-end=\"3949\"><strong data-start=\"3848\" data-end=\"3863\">Deployment:<\/strong><br data-start=\"3863\" data-end=\"3866\" \/>Setelah dinilai memadai, model bisa digunakan secara nyata pada sistem produksi.<\/p>\n<\/li>\n<\/ol>\n<p data-start=\"3951\" data-end=\"4125\">Proses ini tidak linier; seorang praktisi sering kali kembali ke langkah awal untuk mengumpulkan lebih banyak data atau mencoba algoritma baru demi meningkatkan performa [6].<\/p>\n<h1 data-start=\"4132\" data-end=\"4186\"><strong data-start=\"4135\" data-end=\"4186\">Contoh Aplikasi Machine Learning di Dunia Nyata<\/strong><\/h1>\n<p data-start=\"4188\" data-end=\"4313\">Machine Learning bukan hanya konsep dalam buku teks \u2014 teknologi ini sudah banyak digunakan di kehidupan sehari-hari, seperti:<\/p>\n<ul data-start=\"4315\" data-end=\"4835\">\n<li data-start=\"4315\" data-end=\"4462\">\n<p data-start=\"4317\" data-end=\"4462\"><strong data-start=\"4317\" data-end=\"4361\">Rekomendasi konten di platform streaming<\/strong> \u2014 algoritma mempelajari preferensi pengguna untuk menampilkan film atau lagu yang mungkin disukai.<\/p>\n<\/li>\n<li data-start=\"4463\" data-end=\"4591\">\n<p data-start=\"4465\" data-end=\"4591\"><strong data-start=\"4465\" data-end=\"4507\">Deteksi fraud pada transaksi perbankan<\/strong> \u2014 sistem dapat secara otomatis membedakan transaksi normal dan yang mencurigakan.<\/p>\n<\/li>\n<li data-start=\"4592\" data-end=\"4703\">\n<p data-start=\"4594\" data-end=\"4703\"><strong data-start=\"4594\" data-end=\"4618\">Asisten suara pintar<\/strong> \u2014 perangkat mengenali suara, memahami konteks, dan memberikan respons yang sesuai.<\/p>\n<\/li>\n<li data-start=\"4704\" data-end=\"4835\">\n<p data-start=\"4706\" data-end=\"4835\"><strong data-start=\"4706\" data-end=\"4749\">Diagnosis kesehatan berbasis data medis<\/strong> \u2014 ML membantu mendeteksi penyakit dari citra medis atau riwayat kesehatan pasien [7].<\/p>\n<\/li>\n<\/ul>\n<h1 data-start=\"4842\" data-end=\"4888\"><strong data-start=\"4845\" data-end=\"4888\">Apa yang Harus Dipelajari Pertama Kali?<\/strong><\/h1>\n<p data-start=\"4890\" data-end=\"4982\">Bagi pemula, ada beberapa konsep dan keterampilan kunci yang perlu dikuasai terlebih dahulu:<\/p>\n<ul data-start=\"4984\" data-end=\"5211\">\n<li data-start=\"4984\" data-end=\"5022\">\n<p data-start=\"4986\" data-end=\"5022\">Dasar statistik dan aljabar linier<\/p>\n<\/li>\n<li data-start=\"5023\" data-end=\"5100\">\n<p data-start=\"5025\" data-end=\"5100\">Bahasa pemrograman Python \u2013 karena ekosistem ML paling berkembang di sini<\/p>\n<\/li>\n<li data-start=\"5101\" data-end=\"5143\">\n<p data-start=\"5103\" data-end=\"5143\">Pemahaman dataset dan visualisasi data<\/p>\n<\/li>\n<li data-start=\"5144\" data-end=\"5211\">\n<p data-start=\"5146\" data-end=\"5211\">Model prediksi sederhana seperti regresi linier dan klasifikasi<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"5213\" data-end=\"5359\">Platform pembelajaran seperti Coursera, edX, dan Kaggle menyediakan materi pembelajaran gratis atau berbayar yang sangat membantu bagi pemula [8].<\/p>\n<h1 data-start=\"5366\" data-end=\"5405\"><strong data-start=\"5369\" data-end=\"5405\">Tantangan dalam Machine Learning<\/strong><\/h1>\n<p data-start=\"5407\" data-end=\"5492\">Meskipun menjanjikan, belajar ML bukan tanpa tantangan. Beberapa di antaranya adalah:<\/p>\n<ul data-start=\"5494\" data-end=\"5754\">\n<li data-start=\"5494\" data-end=\"5562\">\n<p data-start=\"5496\" data-end=\"5562\">Kebutuhan data berkualitas tinggi yang mungkin sulit dikumpulkan<\/p>\n<\/li>\n<li data-start=\"5563\" data-end=\"5671\">\n<p data-start=\"5565\" data-end=\"5671\">Overfitting dan underfitting \u2014 model yang terlalu \u201cmenghapal\u201d data atau justru tidak belajar sama sekali<\/p>\n<\/li>\n<li data-start=\"5672\" data-end=\"5754\">\n<p data-start=\"5674\" data-end=\"5754\">Interpretasi hasil model yang membutuhkan pemahaman statistik yang cukup dalam<\/p>\n<\/li>\n<\/ul>\n<p data-start=\"5756\" data-end=\"5854\">Namun, tantangan ini bisa diatasi dengan praktek berulang dan eksplorasi dataset yang beragam [9].<\/p>\n<h1 data-start=\"5861\" data-end=\"5878\"><strong data-start=\"5864\" data-end=\"5878\">Kesimpulan<\/strong><\/h1>\n<p data-start=\"5880\" data-end=\"6194\">Machine Learning adalah teknologi yang semakin mendasar dalam era digital. Bagi pemula, memahami ML berarti membuka peluang besar untuk berkontribusi dalam inovasi tanpa batas. Dengan pendekatan langkah demi langkah \u2014 dari pengumpulan data hingga evaluasi model \u2014 siapa pun bisa mulai belajar ML secara sistematis.<\/p>\n<p data-start=\"6196\" data-end=\"6358\">Yang terpenting adalah memulai dari dasar, terus bereksperimen dengan berbagai model, dan aktif mengeksplorasi aplikasi dunia nyata dari teknologi ini [10], [11].<\/p>\n<h2 style=\"text-align: center\" data-start=\"6365\" data-end=\"6409\"><strong data-start=\"6368\" data-end=\"6409\">Referensi\u00a0<\/strong><\/h2>\n<p data-start=\"6411\" data-end=\"6554\">[1] C. Bishop, <em data-start=\"6426\" data-end=\"6468\">Pattern Recognition and Machine Learning<\/em>, Springer, 2006. [Online]. Tersedia: <a class=\"decorated-link cursor-pointer\" target=\"_new\" rel=\"noopener\" data-start=\"6506\" data-end=\"6552\">https:\/\/www.springer.com\/gp\/book\/9780387310732<\/a><\/p>\n<p data-start=\"6556\" data-end=\"6718\">[2] K. P. Murphy, <em data-start=\"6574\" data-end=\"6621\">Machine Learning: A Probabilistic Perspective<\/em>, MIT Press, 2012. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/mitpress.mit.edu\/9780262018029\/machine-learning\/\" target=\"_new\" rel=\"noopener\" data-start=\"6660\" data-end=\"6716\">https:\/\/mitpress.mit.edu\/9780262018029\/machine-learning\/<\/a><\/p>\n<p data-start=\"6720\" data-end=\"6857\">[3] I. Goodfellow, Y. Bengio, dan A. Courville, <em data-start=\"6768\" data-end=\"6783\">Deep Learning<\/em>, MIT Press, 2016. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/www.deeplearningbook.org\/\" target=\"_new\" rel=\"noopener\" data-start=\"6822\" data-end=\"6855\">https:\/\/www.deeplearningbook.org\/<\/a><\/p>\n<p data-start=\"6859\" data-end=\"7020\">[4] Y. LeCun, Y. Bengio, dan G. Hinton, \u201cDeep Learning,\u201d <em data-start=\"6916\" data-end=\"6924\">Nature<\/em>, vol. 521, pp. 436\u2013444, 2015. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/www.nature.com\/articles\/nature14539\" target=\"_new\" rel=\"noopener\" data-start=\"6975\" data-end=\"7018\">https:\/\/www.nature.com\/articles\/nature14539<\/a><\/p>\n<p data-start=\"7022\" data-end=\"7253\">[5] M. Z. Naser, \u201cA step\u2011by\u2011step tutorial on machine learning for engineers unfamiliar with programming,\u201d <em data-start=\"7128\" data-end=\"7153\">AI in Civil Engineering<\/em>, Springer, 2025. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/link.springer.com\/article\/10.1007\/s43503-025-00053-x?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"7191\" data-end=\"7251\">https:\/\/link.springer.com\/article\/10.1007\/s43503-025-00053-x<\/a><\/p>\n<p data-start=\"7255\" data-end=\"7490\">[6] A. G. Muhammad, S. P. Kumar, \u201cA Survey of Open Source Tools for Machine Learning with Big Data in the Hadoop Ecosystem,\u201d <em data-start=\"7380\" data-end=\"7401\">Journal of Big Data<\/em>, 2015. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/link.springer.com\/article\/10.1186\/s40537-015-0032-1?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"7429\" data-end=\"7488\">https:\/\/link.springer.com\/article\/10.1186\/s40537-015-0032-1<\/a><\/p>\n<p data-start=\"7492\" data-end=\"7730\">[7] \u201cMenguasai Dasar-dasar Machine Learning: Panduan untuk Pemula,\u201d School of Information Systems, diakses Feb. 5, 2025. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/sis.binus.ac.id\/2025\/02\/05\/menguasai-dasar-dasar-machine-learning-panduan-untuk-pemula\/?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"7633\" data-end=\"7728\">https:\/\/sis.binus.ac.id\/2025\/02\/05\/menguasai-dasar-dasar-machine-learning-panduan-untuk-pemula\/<\/a><\/p>\n<p data-start=\"7732\" data-end=\"7927\">[8] \u201cCara Memulai Belajar Machine Learning untuk Pemula,\u201d NET Media, diakses Nov. 2024. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/www.net.or.id\/2024\/11\/cara-memulai-belajar-machine-learning-untuk-pemula.html?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"7840\" data-end=\"7925\">https:\/\/www.net.or.id\/2024\/11\/cara-memulai-belajar-machine-learning-untuk-pemula.html<\/a><\/p>\n<p data-start=\"7929\" data-end=\"8199\">[9] \u201cPENERAPAN KECERDASAN BUATAN (AI) DAN PEMBELAJARAN MESIN (ML) DALAM LAYANAN PERPUSTAKAAN PERGURUAN TINGGI: TINJAUAN SISTEMATIS,\u201d <em data-start=\"8062\" data-end=\"8100\">Journal Net. Library and Information<\/em>, 2023. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/e-journal.sari-mutiara.ac.id\/index.php\/jnli\/article\/view\/6665?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"8128\" data-end=\"8197\">https:\/\/e-journal.sari-mutiara.ac.id\/index.php\/jnli\/article\/view\/6665<\/a><\/p>\n<p data-start=\"8201\" data-end=\"8421\">[10] \u201cAnalisis Performa Algoritma Machine Learning pada Perangkat Embedded ATmega328P,\u201d <em data-start=\"8289\" data-end=\"8335\">Jurnal Teknologi Informasi dan Ilmu Komputer<\/em>, 2023. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/jtiik.ub.ac.id\/index.php\/jtiik\/article\/view\/6196?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"8363\" data-end=\"8419\">https:\/\/jtiik.ub.ac.id\/index.php\/jtiik\/article\/view\/6196<\/a><\/p>\n<p data-start=\"8423\" data-end=\"8632\">[11] \u201cOptimalisasi Keamanan IoT dan Edge Computing Menggunakan Model Machine Learning,\u201d <em data-start=\"8511\" data-end=\"8542\">Jurnal Sistem dan Informatika<\/em>, 2023. [Online]. Tersedia: <a class=\"decorated-link\" href=\"https:\/\/jsi.stikom-bali.ac.id\/index.php\/jsi\/article\/view\/543?utm_source=chatgpt.com\" target=\"_new\" rel=\"noopener\" data-start=\"8570\" data-end=\"8630\">https:\/\/jsi.stikom-bali.ac.id\/index.php\/jsi\/article\/view\/543<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Apa Itu Machine Learning? Gambar 1. Machine Learning Machine Learning adalah bagian dari ilmu komputer yang memungkinkan program komputer belajar secara otomatis dari data yang tersedia dan meningkatkan performanya seiring waktu tanpa diprogram ulang secara manual [2]. Berbeda dengan algoritma konvensional yang mengikuti aturan statis, model ML mampu beradaptasi dari data baru. Contohnya, program ML [&hellip;]<\/p>\n","protected":false},"author":5,"featured_media":654,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6],"tags":[48,347,356,11,311,168,267,10,353,351,346,344,345,301,350,348,354,355,349,352],"class_list":["post-653","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","tag-ai","tag-algoritma-ml","tag-aplikasi-machine-learning","tag-artificial-intelligence","tag-data-analytics","tag-data-science","tag-kecerdasan-buatan","tag-machine-learning","tag-model-prediksi","tag-neural-network","tag-panduan-machine-learning","tag-pembelajaran-mesin","tag-pemula","tag-python","tag-reinforcement-learning","tag-supervised-learning","tag-teknologi-digital","tag-tutorial-machine-learning","tag-unsupervised-learning","tag-visualisasi-data"],"_links":{"self":[{"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/posts\/653","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/comments?post=653"}],"version-history":[{"count":4,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/posts\/653\/revisions"}],"predecessor-version":[{"id":666,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/posts\/653\/revisions\/666"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/media\/654"}],"wp:attachment":[{"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/media?parent=653"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/categories?post=653"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/informatika\/wp-json\/wp\/v2\/tags?post=653"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}