{"id":13063,"date":"2025-08-05T15:57:06","date_gmt":"2025-08-05T08:57:06","guid":{"rendered":"https:\/\/crocodic.com\/?p=13063"},"modified":"2025-08-05T16:02:09","modified_gmt":"2025-08-05T09:02:09","slug":"hemat-bandwidth-latensi-dengan-edge-ai-dell-tunjukkan-roi-hingga-130","status":"publish","type":"post","link":"https:\/\/crocodic.com\/id\/hemat-bandwidth-latensi-dengan-edge-ai-dell-tunjukkan-roi-hingga-130\/","title":{"rendered":"Hemat Bandwidth &#038; Latensi dengan Edge AI, Dell Tunjukkan ROI Hingga 130%"},"content":{"rendered":"<p><a href=\"https:\/\/www.freepik.com\/free-vector\/hand-drawn-flat-design-metaverse-background_22633731.htm\">Image by freepik<\/a><\/p>\n\n\n<div class=\"wp-block-aioseo-table-of-contents\"><ul><li><a class=\"aioseo-toc-item\" href=\"#aioseo-apakah-latensi-rendah-dan-efisiensi-data-itu-penting\">Apakah Latensi Rendah dan Efisiensi Data itu Penting?<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-manfaat-utama-edge-ai\">Manfaat Utama Edge AI<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-dell-technologies-world-2023-hasil-studi-roi-edge-computing-dell\">Dell Technologies World 2023: Hasil Studi ROI Edge Computing Dell<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-potensi-penerapan-edge-ai-di-sektor-pertanian\">Potensi Penerapan Edge AI di Sektor Pertanian<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-potensi-penerapan-edge-ai-di-industri-manufaktur\">Potensi Penerapan Edge AI di Industri Manufaktur<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-potensi-penerapan-edge-ai-di-sektor-konstruksi\">Potensi Penerapan Edge AI di Sektor Konstruksi<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-kesimpulan\">Kesimpulan<\/a><\/li><li><a class=\"aioseo-toc-item\" href=\"#aioseo-daftar-pustaka\">Daftar Pustaka<\/a><\/li><\/ul><\/div>\n\n\n<p>Sistem <em><a href=\"https:\/\/crocodic.com\/id\/chatgpt-5-0-tanggal-rilis-kelebihan-fitur-dan-harga\/\">artificial intelligence<\/a> <\/em>(<a href=\"https:\/\/crocodic.com\/id\/ai-sebagai-polisi-terpercaya-untuk-keamanan-siber-pada-sistem-iot\/\">AI<\/a>) yang cepat, efisien, dan memiliki latensi sangat rendah akan sangat berguna bagi semua pihak, terutama bagi perusahaan baik kecil, menengah, maupun <em>enterprise<\/em>. Tentu hal itu dapat terwujud, adapun AI yang mampu melakukan pemrosesan langsung di perangkat atau server lokal dekat sumber <a href=\"https:\/\/crocodic.com\/id\/data-science-framework-definisi-manfaat-dan-jenisnya\/\">data<\/a>, yaitu<em> edge AI<\/em>. Cara kerjanya dengan memindahkan komputasi dari <em>cloud<\/em> ke \u2018<em>edge<\/em>\u2019 jaringan, waktu respons pun dapat ditekan, daripada <a href=\"https:\/\/crocodic.com\/id\/5-kesalahan-yang-sering-dilakukan-developer-mobile-apps\/\">aplikasi<\/a> <em>cloud<\/em> yang memiliki latensi ratusan milisekon karena harus mengirim data bolak-balik ke pusat data. Inilah mengapa <em>edge AI<\/em> memungkinkan pengambilan keputusan secara <em>real-time<\/em> pada aplikasi kritikal, contohnya aplikasi untuk pengawasan mesin dan pengendali kualitas di pabrik, atau sistem-sistem lain yang memanfaatkan <a href=\"https:\/\/crocodic.com\/id\/ini-rekomendasi-5-iot-platform-siap-pakai\/\">IoT<\/a>. Penelitian oleh Pamadi &amp; Singh (2025) menunjukkan bahwa <em>edge AI<\/em> dapat mencapai latensi hanya 10 &#8211; 50 ms, sedangkan AI berbasis <em>cloud<\/em> berkisar 100 &#8211; 300 ms.&nbsp; Latensi rendah tersebut ideal untuk aplikasi yang memerlukan keputusan <em>real-time<\/em>. Sistem deteksi kerusakan mesin, inspeksi visual otomatis, atau <em>monitoring<\/em> lingkungan dapat langsung \u2018bertindak\u2019 tanpa penundaan signifikan. Selain itu, <em>edge AI<\/em> memberikan potensi besar karena adanya keberhasilan pencapaian ROI komputasi <em>edge<\/em> pada platform Dell hingga 130% (Tan, 2023).<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-apakah-latensi-rendah-dan-efisiensi-data-itu-penting\"><strong>Apakah Latensi Rendah dan Efisiensi Data itu Penting?<\/strong><\/h2>\n\n\n\n<p>Sebelumnya, perlu dipahami terlebih dahulu mengenai inti dari <em>edge AI<\/em>. <em>Edge AI<\/em> merupakan penerapan AI yang memanfaatkan komputasi <em>edge<\/em>. Komputasi <em>edge <\/em>merupakan pemrosesan data yang dilakukan di dekat sumber datanya, seperti sensor atau <em>gadget<\/em>. Yang mana artinya adalah latensi menjadi rendah. Sehingga, dapat dikatakan <em>edge AI<\/em> dapat meningkatkan responsivitas dalam sistem AI dibanding sistem AI yang melakukan pemrosesan data di <em>cloud<\/em> (Pamadi &amp; Singh, 2025).<\/p>\n\n\n\n<p>Lalu bagaimana dengan latensi rendah dan efisiensi data? Keduanya adalah faktor yang saling terkait dan diperlukan dalam penerapan sistem <em>real-time<\/em>. Latensi rendah artinya semakin cepat, dan data yang efisien membuat pemrosesan menjadi lebih cepat lagi. Kelly (2024) menemukan bahwa komputasi <em>edge <\/em>secara signifikan mengurangi latensi dan meningkatkan efisiensi pemrosesan data <em>real-time<\/em> di berbagai industri. Hasil tersebut menjelaskan mengapa aplikasi <em>mission-critical<\/em>, seperti kendali robot, kendaraan otonom, atau sistem <em>monitoring<\/em>, menjadi lebih andal karena <em>edge AI<\/em>. Selain itu, pemrosesan secara lokal dapat mengurangi beban <em>bandwidth<\/em> jaringan karena data besar (gambar\/ video) cukup dikirimkan sepintas atau hasil analisisnya saja, bukan keseluruhan sinyal mentah. Penelitian Suryadi et al. (2024) juga menegaskan bahwa penerapan komputasi <em>edge <\/em>signifikan menurunkan latensi sistem, meningkatkan efisiensi <em>bandwidth<\/em>, dan mengoptimalkan konsumsi daya. Dengan kata lain, <em>edge AI<\/em> menghemat biaya operasional jangka panjang dengan memotong kebutuhan pengiriman data terus-menerus ke <em>cloud<\/em> dan mengurangi penggunaan daya di pusat data.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-manfaat-utama-edge-ai\"><strong>Manfaat Utama <\/strong><strong><em>Edge AI<\/em><\/strong><\/h2>\n\n\n\n<p><em>Edge AI <\/em>memberikan manfaat dan membuat penerapan AI menjadi lebih \u2018hemat\u2019, namun tidak hanya itu saja. Berikut adalah <em>benefit<\/em> ketika menerapkan <em>edge AI.<\/em><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Penghematan energi, komputasi lokal relatif lebih hemat daya, Pamadi &amp; Singh (2025) mencatat bahwa <em>edge AI<\/em> mengurangi kebutuhan daya berkat minimnya transfer data. Sebaliknya, <em>cloud AI<\/em> lebih boros energi karena infrastruktur besar dan koneksi terus-menerus.<\/li>\n\n\n\n<li><em>Responsiveness real-time,<\/em><strong> <\/strong>latensi <em>end-to-end<\/em> hanya 10 &#8211; 50 ms (Pamadi &amp; Singh, 2025), sangat cocok untuk kontrol mesin, inspeksi otomatis, atau <em>monitoring<\/em> lingkungan (misalnya lingkungan budidaya akuakultur).<\/li>\n\n\n\n<li>Efisiensi <em>bandwidth<\/em>, data diolah secara lokal sehingga volume data ke <em>cloud<\/em> berkurang drastis (Suryadi et al., 2024), hal ini menekan biaya paket data dan memori <em>cloud<\/em>.<\/li>\n\n\n\n<li>Kecepatan kembali modal (ROI), penghematan <em>bandwidth<\/em> dan daya menjadikan investasi <em>edge AI<\/em> relatif cepat terbayar. Poin ini akan dibahas di sub berikutnya.<\/li>\n\n\n\n<li>Keamanan data,<strong> <\/strong>karena pengolahan dilakukan di lokasi, risiko privasi dan keamanan data lebih rendah, data sensitif tidak perlu dipindahkan ke <em>cloud<\/em>.<\/li>\n<\/ul>\n\n\n\n<p>Contoh nyata dalam penerapan <em>edge AI <\/em>misalnya penurunan tingkat pencurian di sektor retail. Dalam blog resmi Dell Technologies dan laporan ESG, salah satu pelanggan di sektor retail berhasil mengurangi tingkat pencurian hingga 40% dengan <em>edge <\/em>AI<em>. <\/em>Sistem tersebut menggunakan analitik <em>real-time<\/em> (AI &amp; ML) yang dijalankan di perangkat <em>edge<\/em>, sehingga memungkinkan deteksi kejadian secara langsung dan mencegah kerugian operasional lebih lanjut (Dell Technologies, 2025; International Security Journal, 2023).<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-dell-technologies-world-2023-hasil-studi-roi-edge-computing-dell\"><strong>Dell Technologies World 2023: Hasil Studi ROI <\/strong><strong><em>Edge Computing <\/em><\/strong><strong>Dell<\/strong><\/h2>\n\n\n\n<p>Di sini Kami belum menemukan sumber yang eksplisit membahas \u2018<em>ROI dari edge AI\u2019<\/em>, namun terdapat sumber terkait dalam penggunaan <em>edge computing<\/em>. Namun tentu tetap relevan, karena contoh yang dibahas merupakan platform yang mengintegrasikan AI\/ <em>machine learning <\/em>(ML) inferensi lokal sebagai bagian operasionalnya.<\/p>\n\n\n\n<p>Menurut laporan dari <em>Computer Weekly<\/em> dari acara Dell Technologies World 2023, Dell melakukan studi internal terhadap hampir 100 pelanggan besar yang mengadopsi <a href=\"https:\/\/crocodic.com\/id\/5-masalah-yang-biasa-terjadi-dalam-pembuatan-mobile-apps\/\">solusi<\/a> manufaktur berbasis platform Dell NativeEdge, dan hasilnya menunjukkan bahwa dalam investasi selama tiga tahun, perusahaan dapat memperoleh ROI hingga 130%. Selain itu, melalui <em>zero-touch provisioning<\/em>, waktu <em>onboarding<\/em> perangkat dapat dipersingkat hingga 20 menit dan biaya operasional <em>edge<\/em> dapat berkurang (Tan, 2023).<\/p>\n\n\n\n<p>Selain yang dipaparkan pada acara tersebut, adapun studi lain yang menunjukkan hasil ROI yang memuaskan. Studi yang sama dengan <em>case<\/em> pelanggan sektor retail yang berhasil mengurangi pencurian (sub sebelumnya), menyebutkan keberhasilan pengguna platform Dell (komputasi <em>edge) <\/em>dalam meraih ROI sebesar 300% dalam waktu kurang dari sembilan bulan (Dell Technologies, 2025; International Security Journal, 2023).&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-potensi-penerapan-edge-ai-di-sektor-pertanian\"><strong>Potensi Penerapan <\/strong><strong><em>Edge AI <\/em><\/strong><strong>di Sektor Pertanian<\/strong><\/h2>\n\n\n\n<p>Di sektor pertanian, <em>edge AI<\/em> berpotensi mendukung pertanian presisi (<em>precision agriculture<\/em>). Misalnya, sensor kelembaban tanah, kamera pengawas tanaman, dan <em>drone<\/em> pemantau dapat dilengkapi modul AI kecil yang menganalisis data secara lokal. Pintus et al. (2025) menguraikan bagaimana kemajuan model <em>deep learning<\/em> dan perangkat <em>edge<\/em> memungkinkan klasifikasi citra <em>real-time<\/em> di lahan pertanian. Dengan sistem <a href=\"https:\/\/crocodic.com\/id\/mengoptimalkan-akuakultur-dengan-integrasi-iot-dan-ai-solusi-cerdas-untuk-efisiensi-dan-produktivitas-proses-budidaya\/\">AIoT<\/a> ini, masalah hama atau penyakit tanaman dapat dideteksi otomatis, kemudian alat semprot cerdas bekerja secara tepat tanpa perlu koneksi internet terus-menerus. Penerapan Edge AIoT membuat <em>monitoring<\/em> otomatis di kebun menjadi lebih murah dan ramah lingkungan karena kesalahan dalam perawatan dapat dihindari, dan penggunaan pestisida menjadi lebih minimal. Sebagai contoh, sistem AIoT di ladang padi mampu memberi peringatan dini soal peningkatan kelembaban atau hama berdasarkan analisis citra dan sensor lokal, sehingga petani dapat bertindak lebih cepat tanpa menunggu data diolah di <em>cloud<\/em> (Pintus et al., 2025).<\/p>\n\n\n\n<p><a href=\"https:\/\/crocodic.com\/id\/5-developer-mobile-app-terbaik-di-indonesia-tahun-2024\/\">Crocodic<\/a> sebagai penyedia solusi digital di Indonesia dapat memberikan solusi IoT yang dapat memonitor data krusial dan automasi sistem dalam sektor pertanian. Dengan hal ini, Crocodic meyakini <em>edge AI<\/em> dapat memfasilitasi pertanian cerdas yang tanggap terhadap perubahan kondisi lapangan, sekaligus mengurangi beban konektivitas dan biaya komunikasi data.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-potensi-penerapan-edge-ai-di-industri-manufaktur\"><strong>Potensi Penerapan <\/strong><strong><em>Edge AI <\/em><\/strong><strong>di Industri Manufaktur<\/strong><\/h2>\n\n\n\n<p>Di lini produksi manufaktur, <em>edge AI<\/em> memperkuat otomasi dan kontrol kualitas. AI <em>vision<\/em> di perangkat <em>edge<\/em> dapat langsung mendeteksi cacat produksi atau penurunan kinerja alat tanpa menunggu <em>response<\/em> dari <em>cloud<\/em>. Sebagai contohnya, Chen et al. (2024) memaparkan metode prediksi kualitas produk <em>brake disc<\/em> pada jalur produksi dengan memanfaatkan komputasi <em>edge<\/em>. Mereka menunjukkan bahwa penerapannya dapat mengatasi beban <em>bandwidth<\/em> yang besar dan keterbatasan sumber daya <em>cloud<\/em>, sehingga prediksi kualitas menjadi lebih cepat dan sistem produksi bisa menyesuaikan parameter mesin secara <em>real-time<\/em>. Secara umum, analisis data pabrik yang dilakukan langsung di lokasi (misalnya server lokal pabrik) mengartikan bahwa mesin dapat terus berjalan produktif. Jika terdeteksi masalah, sistem bisa secara otomatis mengatur ulang proses, mengganti <em>tool<\/em>, atau mengirim peringatan kepada operator. Hasilnya <em>downtime<\/em> berkurang dan produk cacat bisa diminimalisir. Kelly (2024) juga memaparkan peningkatan efisiensi keseluruhan sistem IoT di industri karena komputasi <em>edge<\/em> berupa latensi rendah yang dapat mempercepat respon darurat, dan terdistribusinya pemrosesan dapat mencegah kemacetan data di <em>cloud<\/em>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-potensi-penerapan-edge-ai-di-sektor-konstruksi\"><strong>Potensi Penerapan <\/strong><strong><em>Edge AI <\/em><\/strong><strong>di Sektor Konstruksi<\/strong><\/h2>\n\n\n\n<p><em>Edge AI<\/em> juga diterapkan di proyek konstruksi untuk keselamatan kerja (<em>safety <a href=\"https:\/\/crocodic.com\/id\/cristiano-ronaldo-luncurkan-app-all-in-one-wellness-erakulis\/\">app<\/a><\/em>) dan monitoring lokasi. Misalnya AIoT dapat mendeteksi kecelakaan di lokasi secara <em>real-time<\/em>. Danilenka et al. (2023) mengembangkan sistem deteksi jatuh berbasis AI-LSTM ringan pada perangkat yang digunakan pekerja. Data akselerometer dikumpulkan dari tag tubuh pekerja, lalu diproses di dekat sumbernya untuk mengidentifikasi kejadian jatuh atau kecelakaan, kemudian langsung mengirim peringatan ke <em>site manager<\/em>. Sistem tersebut beroperasi dengan keterbatasan <em>bandwidth<\/em> IoT (hanya puluhan byte per detik dikirim), namun tetap akurat (presisi &gt;0.95) berkat pemodelan di <em>edge<\/em>. Selain deteksi jatuh, sensor gas\/ bahaya lingkungan di lokasi bisa dipasangkan modul <em>edge AI<\/em> untuk mengeluarkan peringatan polusi udara atau gas beracun langsung di tempat.&nbsp;<\/p>\n\n\n\n<p>Secara ringkas, penerapan <em>edge AI<\/em> di konstruksi dapat menciptakan lapangan kerja yang lebih aman dan produktif. Sensor cerdas dan komputasi secara lokal mendukung inspeksi lokasi tanpa tiang pemancar internet yang kuat, serta memungkinkan sistem EHS (<em>Environment, Health, Safety<\/em>).&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-kesimpulan\"><strong>Kesimpulan<\/strong><\/h2>\n\n\n\n<p>Berbagai temuan riset menunjukkan bahwa <em>Edge AI<\/em> lebih hemat dan responsif dibanding AI konvensional berbasis <em>cloud<\/em>, khususnya pada aplikasi <em>real-time<\/em>. Dengan latensi hanya puluhan milisekon dan efisiensi <em>bandwidth<\/em> tinggi, <em>edge AI <\/em>memungkinkan pengawasan mesin, kontrol kualitas, dan monitoring lingkungan yang jauh lebih andal. Di sektor pertanian, manufaktur, dan konstruksi di Indonesia, adopsi teknologi ini memiliki potensi yang menguntungkan operasional. Di sinilah Crocodic siap menjadi mitra, dengan memanfaatkan keahlian kami dalam IoT dan pengembangan sistem digital. Kami telah berpengalaman mengembangkan aplikasi IoT dan digitalisasi proses bisnis seperti <em>monitoring<\/em> kualitas dan konsumsi air di proses pertambangan PAMA, <em>monitoring <\/em>tangki <em>palm oil<\/em>, <em>sprayer <\/em>otomatis di wilayah pertambangan, dan lainnya. Dengan Kami yang bergerak menuju solusi <em>AI-driven<\/em>, <em>edge AI<\/em> menjadi alternatif yang dapat menjawab kebutuhan bisnis untuk sistem efisien, cepat, dan berbiaya rendah.&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"aioseo-daftar-pustaka\"><strong>Daftar Pustaka<\/strong><\/h2>\n\n\n\n<p>Chen, M., Wei, Z., Li, L. et al. <em>Edge computing-based proactive control method for industrial product manufacturing quality prediction<\/em>. Sci Rep 14, 1288 (2024). <a href=\"https:\/\/doi.org\/10.1038\/s41598-024-51974-z\">https:\/\/doi.org\/10.1038\/s41598-024-51974-z<\/a><\/p>\n\n\n\n<p>Dell Technologies. (2025). <em>Achieve greater ROI with AI in your datacenter<\/em>. <a href=\"https:\/\/www.dell.com\/en-us\/blog\/achieve-greater-roi-with-ai-in-your-datacenter\">https:\/\/www.dell.com\/en-us\/blog\/achieve-greater-roi-with-ai-in-your-datacenter<\/a>&nbsp;<\/p>\n\n\n\n<p>Danilenka, A., Sowi\u0144ski, P., Rachwa\u0142, K., Bogacka, K., D\u0105browska, A., Kobus, M., Baszczy\u0144ski, K., Okrasa, M., Olczak, W., Dymarski, P., Lacalle, I., Ganzha, M., &amp; Paprzycki, M. (2023). <em>Real-Time AI-Driven Fall Detection Method for Occupational Health and Safety. <\/em>Electronics, 12(20), 4257. <a href=\"https:\/\/doi.org\/10.3390\/electronics12204257\">https:\/\/doi.org\/10.3390\/electronics12204257<\/a><br><\/p>\n\n\n\n<p>International Security Journal. (2023). <em>Dell Technologies on the future of edge and AI data strategies<\/em>. <a href=\"https:\/\/internationalsecurityjournal.com\/dell-technologies-ai-data\/\">https:\/\/internationalsecurityjournal.com\/dell-technologies-ai-data\/<\/a>&nbsp;<\/p>\n\n\n\n<p><br>Kelly, Brian. (2024). <em>The Impact of Edge Computing on Real-Time Data Processing. International Journal of Computing and Engineerin<\/em>g. 5. 44-58. 10.47941\/ijce.2042.<\/p>\n\n\n\n<p>Pamadi, V. N., &amp; Singh, P. (2025, March). <em>Edge AI vs Cloud AI: A comparative study of performance latency and scalability<\/em>. International Journal of Research in Modern Engineering and Emerging Technology (IJRMEET), 13(3). ISSN (o): 2320-6586.&nbsp;<\/p>\n\n\n\n<p><br>Pintus, M., Colucci, F., &amp; Maggio, F. (2025). <em>Emerging Developments in Real-Time Edge AIoT for Agricultural Image Classification<\/em>. IoT, 6(1), 13. <a href=\"https:\/\/doi.org\/10.3390\/iot6010013\">https:\/\/doi.org\/10.3390\/iot6010013<\/a><\/p>\n\n\n\n<p><br>Suryadi, D., Octiva, C. S., Fajri, T. I., Nuryanto, U. W., &amp; Hakim, M. L. (2024). Optimasi Kinerja Sistem IoT Menggunakan Teknik Edge Computing. <em>Jurnal Minfo Politeknik Ganesha (Minfo), 13<\/em>(2), 1456\u20131462Tan, A. (2023). <em>How Dell is easing edge deployments<\/em>. Computer Weekly. <a href=\"https:\/\/www.computerweekly.com\/news\/366541536\/How-Dell-is-easing-edge-deployments\">https:\/\/www.computerweekly.com\/news\/366541536\/How-Dell-is-easing-edge-deployments<\/a><\/p>","protected":false},"excerpt":{"rendered":"<p>Image by freepik Sistem artificial intelligence (AI) yang cepat, efisien, dan memiliki latensi sangat rendah akan sangat berguna bagi semua pihak, terutama bagi perusahaan baik kecil, menengah, maupun enterprise. Tentu hal itu dapat terwujud, adapun AI yang mampu melakukan pemrosesan langsung di perangkat atau server lokal dekat sumber data, yaitu edge AI. Cara kerjanya dengan [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":13065,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[589],"tags":[574],"class_list":["post-13063","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artificial-intelligence","tag-ai"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/posts\/13063","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/comments?post=13063"}],"version-history":[{"count":3,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/posts\/13063\/revisions"}],"predecessor-version":[{"id":13102,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/posts\/13063\/revisions\/13102"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/media\/13065"}],"wp:attachment":[{"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/media?parent=13063"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/categories?post=13063"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/crocodic.com\/id\/wp-json\/wp\/v2\/tags?post=13063"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}