{"id":468,"date":"2026-03-28T10:26:03","date_gmt":"2026-03-28T10:26:03","guid":{"rendered":"https:\/\/uniqu.co.id\/?p=468"},"modified":"2026-03-28T10:26:03","modified_gmt":"2026-03-28T10:26:03","slug":"fondasi-teknologi-drone-dan-sistem-otonom","status":"publish","type":"post","link":"https:\/\/uniqu.co.id\/index.php\/2026\/03\/28\/fondasi-teknologi-drone-dan-sistem-otonom\/","title":{"rendered":"Fondasi Teknologi Drone dan Sistem Otonom"},"content":{"rendered":"\n
\n

Modul Workshop Strategis UDV Workshop <\/h1>\n<\/blockquote>\n\n\n\n
\n\n\n\n

Membangun Pemahaman dari Fisika ke Arsitektur Sistem<\/strong><\/p>\n\n\n\n

\n\n\n\n

Antara Mitos dan Realitas Drone<\/h2>\n\n\n\n

Dalam berbagai diskusi tentang drone, sering kali muncul dua ekstrem: ada yang menganggap drone sekadar mainan terbang berwujud pesawat mini, ada pula yang membayangkannya sebagai senjata presisi sempurna layaknya di film-film Hollywood. Keduanya sama-sama keliru. Teknologi drone sejatinya adalah persimpangan antara fisika, matematika, elektronika, dan kecerdasan buatan yang membutuhkan pemahaman sistemik, bukan sekadar kemampuan merakit atau menerbangkan.<\/p>\n\n\n\n

Workshop ini dirancang untuk membekali peserta dengan kerangka berpikir strategis<\/strong> tentang teknologi drone\u2014dari prinsip dasar aerodinamika hingga arsitektur sistem otonom yang mampu bekerja di dunia nyata yang penuh ketidakpastian. Bukan sekadar \u201ccara membuat drone\u201d, tetapi mengapa drone bisa gagal dan bagaimana membangun sistem yang tangguh<\/strong>.<\/p>\n\n\n\n

\n\n\n\n

Tujuan Workshop<\/h2>\n\n\n\n

Setelah mengikuti workshop ini, peserta diharapkan mampu:<\/p>\n\n\n\n

    \n
  1. Memahami prinsip-prinsip dasar fisika yang membatasi kinerja drone.<\/li>\n\n\n\n
  2. Menganalisis tantangan sistemik dalam penerbangan otonom (latensi, prediksi, robustnes).<\/li>\n\n\n\n
  3. Menjelaskan mengapa sistem lebih penting daripada hardware<\/strong> dalam aplikasi drone tingkat lanjut.<\/li>\n\n\n\n
  4. Merumuskan pendekatan arsitektural untuk membangun sistem drone yang andal.<\/li>\n\n\n\n
  5. Mengaplikasikan kerangka berpikir sistem dalam perancangan solusi berbasis drone.<\/li>\n<\/ol>\n\n\n\n
    \n\n\n\n

    Sesi 1: Fisika Dasar yang Tak Bisa Dibohongi<\/h2>\n\n\n\n

    1.1 Gaya dan Gerak: Dari Helikopter ke Multirotor<\/h3>\n\n\n\n

    Drone multirotor (quadcopter, hexacopter, dll.) bekerja dengan prinsip yang sama seperti helikopter: mengubah gaya angkat dari putaran baling-baling menjadi gerak translasi dan rotasi. Namun perbedaan mendasar terletak pada jumlah titik kontrol<\/strong>. Helikopter memiliki satu rotor utama dan satu rotor ekor; quadcopter memiliki empat rotor yang bekerja bersama untuk menghasilkan:<\/p>\n\n\n\n

      \n
    • Thrust<\/strong> (gaya angkat total)<\/li>\n\n\n\n
    • Roll<\/strong> (kemiringan kiri-kanan)<\/li>\n\n\n\n
    • Pitch<\/strong> (kemiringan depan-belakang)<\/li>\n\n\n\n
    • Yaw<\/strong> (rotasi sumbu vertikal)<\/li>\n<\/ul>\n\n\n\n

      Keempat parameter ini diatur oleh Flight Controller (FC)<\/strong> melalui variasi kecepatan putar masing-masing motor. Di sinilah kompleksitas dimulai: perubahan satu motor mempengaruhi ketiga sumbu lainnya. FC harus menyelesaikan persamaan matematika yang disebut mixing<\/strong> dan PID control<\/strong> ratusan kali per detik.<\/p>\n\n\n\n

      1.2 Batasan Fisik yang Tidak Bisa Dilompati<\/h3>\n\n\n\n
        \n
      • Mass vs Thrust-to-Weight Ratio<\/strong>: Semakin berat drone, semakin besar daya yang dibutuhkan. Daya yang besar berarti baterai besar, yang menambah berat lagi\u2014lingkaran setan desain.<\/li>\n\n\n\n
      • Aerodinamika<\/strong>: Drone multirotor secara aerodinamika tidak efisien untuk terbang horizontal cepat. Desain sayap tetap (fixed-wing) lebih efisien untuk jelajah, tetapi tidak bisa hover.<\/li>\n\n\n\n
      • Baterai dan Energi<\/strong>: Densitas energi baterai lithium-polymer (LiPo) saat ini sekitar 150-250 Wh\/kg. Ini membatasi waktu terbang drone multirotor rata-rata 20-40 menit. Tidak ada terobosan baterai yang akan mengubah ini secara drastis dalam waktu dekat.<\/li>\n<\/ul>\n\n\n\n

        1.3 Konsep Kunci: Closing Speed dan Waktu Reaksi<\/h3>\n\n\n\n

        Dalam skenario pengejaran (misalnya drone penangkal mengejar drone target), berlaku perhitungan sederhana namun kritis:<\/p>\n\n\n\n

          \n
        • Kecepatan target = 150 km\/h (41,7 m\/s)<\/li>\n\n\n\n
        • Kecepatan interceptor = 200 km\/h (55,6 m\/s)<\/li>\n\n\n\n
        • Kecepatan penutupan = 350 km\/h (97,2 m\/s)<\/li>\n<\/ul>\n\n\n\n

          Jika jarak awal 100 meter, waktu yang tersedia hingga tabrakan = 100 \/ 97,2 \u2248 1,03 detik<\/strong>.<\/p>\n\n\n\n

          Dalam 1 detik, sistem harus: mendeteksi target, memprediksi posisi masa depan, mengarahkan interceptor, dan melakukan koreksi akhir. Sementara target bisa berbelok sewaktu-waktu. Ini bukan kecepatan hardware semata, ini soal kecepatan sistem\u2014sensor, algoritma, aktuator.<\/strong><\/p>\n\n\n\n

          \n\n\n\n

          Sesi 2: Dari Fisika ke Sistem Otonom<\/h2>\n\n\n\n

          2.1 Mengapa \u201cTerbang ke Target\u201d Tidak Cukup<\/h3>\n\n\n\n

          Banyak orang awam membayangkan sistem pengejaran drone seperti: lihat target \u2192 terbang lurus ke target \u2192 mengenai. Padahal, jika Anda mengarahkan drone ke posisi target saat ini, saat drone tiba, target sudah berada di posisi lain. Inilah yang disebut lead pursuit<\/strong> vs pure pursuit<\/strong>.<\/p>\n\n\n\n

          Dalam teknik kendali, ada dua pendekatan:<\/p>\n\n\n\n

            \n
          • Pure pursuit<\/strong>: selalu arahkan ke posisi target saat ini. Sederhana, tetapi pasti meleset jika target bergerak cepat.<\/li>\n\n\n\n
          • Lead pursuit \/ intercept<\/strong>: prediksi posisi target pada waktu tertentu di masa depan, lalu arahkan ke titik itu.<\/li>\n<\/ul>\n\n\n\n

            Memprediksi posisi masa depan membutuhkan estimasi kecepatan, arah, dan percepatan target\u2014dengan data yang datang dari sensor yang tidak sempurna. Ini adalah masalah filtering dan prediksi<\/strong> yang membutuhkan algoritma seperti Kalman filter atau model pembelajaran mesin.<\/p>\n\n\n\n

            2.2 Latensi: Musuh Tersembunyi<\/h3>\n\n\n\n

            Latensi sistem adalah total waktu dari deteksi hingga eksekusi. Rinciannya:<\/p>\n\n\n\n

              \n
            • Sensor latency<\/strong>: waktu yang dibutuhkan kamera\/radar untuk menghasilkan frame (misal 30 fps = 33 ms per frame).<\/li>\n\n\n\n
            • Processing latency<\/strong>: waktu untuk algoritma deteksi, tracking, dan prediksi.<\/li>\n\n\n\n
            • Communication latency<\/strong>: jika keputusan tidak dibuat on-board, waktu pengiriman data ke ground station dan kembali.<\/li>\n\n\n\n
            • Actuator latency<\/strong>: waktu respons motor dan baling-baling.<\/li>\n<\/ul>\n\n\n\n

              Jika total latensi 200 ms, pada kecepatan penutupan 350 km\/h, target akan bergerak sejauh 97,2 m\/s \u00d7 0,2 s = 19,4 meter<\/strong> selama latensi. Ini membuat intersepsi hampir mustahil tanpa prediksi yang sangat akurat.<\/p>\n\n\n\n

              Solusi: Edge AI.<\/strong> Semua komputasi harus dilakukan di dalam drone. Tidak ada waktu untuk cloud.<\/p>\n\n\n\n

              2.3 Robustness: Dunia Nyata Tidak Ideal<\/h3>\n\n\n\n

              Skenario ideal di lab: target bergerak lurus, cuaca cerah, sensor akurat, tidak ada gangguan. Dunia nyata:<\/p>\n\n\n\n

                \n
              • Sensor memiliki noise: kamera dapat kehilangan target karena silau matahari, kabut, atau latar belakang kompleks.<\/li>\n\n\n\n
              • Angin kencang dapat menggeser lintasan drone.<\/li>\n\n\n\n
              • Target dapat melakukan manuver evasif: belok tajam, turun tiba-tiba, atau bahkan mematikan sinyal.<\/li>\n<\/ul>\n\n\n\n

                Sistem yang tangguh (robust<\/em>) harus:<\/p>\n\n\n\n

                  \n
                • Memiliki redundansi sensor<\/strong> (misal kamera + radar + IR).<\/li>\n\n\n\n
                • Melakukan re-planning<\/strong> secara real-time: jika target berubah arah, sistem harus segera menghitung ulang lintasan.<\/li>\n\n\n\n
                • Mampu beroperasi dalam mode degraded<\/strong> (jika satu sensor gagal, masih bisa melanjutkan dengan sensor lain).<\/li>\n<\/ul>\n\n\n\n
                  \n\n\n\n

                  Sesi 3: Arsitektur Sistem Drone yang Andal<\/h2>\n\n\n\n

                  3.1 Filosofi: \u201cDrone Tidak Menang, Sistem yang Menang\u201d<\/h3>\n\n\n\n

                  Kalimat ini merangkum esensi rekayasa sistem drone. Drone hanyalah aktuator akhir<\/strong>\u2014eksekutor dari keputusan yang dibuat oleh sistem yang lebih besar. Tanpa sensor yang mendeteksi, algoritma yang memprediksi, komunikasi yang andal, dan taktik yang tepat, drone tercepat pun hanyalah mainan mahal.<\/p>\n\n\n\n

                  Komponen sistem yang harus terintegrasi:<\/p>\n\n\n\n

                    \n
                  1. Sensor layer<\/strong>: radar, kamera EO\/IR, acoustic array, dll.<\/li>\n\n\n\n
                  2. Fusion & tracking<\/strong>: menggabungkan data dari berbagai sensor untuk menghasilkan track target yang stabil.<\/li>\n\n\n\n
                  3. Prediction & planning<\/strong>: algoritma untuk memprediksi posisi target dan merencanakan lintasan interceptor.<\/li>\n\n\n\n
                  4. Flight control<\/strong>: pengendalian drone secara presisi sesuai rencana.<\/li>\n\n\n\n
                  5. Communication & C2<\/strong>: tautan data yang aman dan tahan jamming.<\/li>\n\n\n\n
                  6. Human-in-the-loop (opsional)<\/strong>: antarmuka operator untuk pengawasan dan intervensi.<\/li>\n\n\n\n
                  7. Tactics & doctrine<\/strong>: aturan penggunaan yang menentukan kapan dan bagaimana sistem dioperasikan.<\/li>\n<\/ol>\n\n\n\n

                    3.2 Edge AI sebagai Tulang Punggung<\/h3>\n\n\n\n

                    Edge AI berarti menjalankan model kecerdasan buatan di perangkat keras yang melekat pada drone, bukan di cloud. Keuntungan:<\/p>\n\n\n\n

                      \n
                    • Latensi sangat rendah<\/strong>: keputusan dalam milidetik.<\/li>\n\n\n\n
                    • Kemandirian<\/strong>: tetap berfungsi meskipun komunikasi terputus.<\/li>\n\n\n\n
                    • Keamanan data<\/strong>: data tidak perlu dikirim ke luar.<\/li>\n<\/ul>\n\n\n\n

                      Contoh penerapan Edge AI dalam drone:<\/p>\n\n\n\n

                        \n
                      • Object detection & tracking<\/strong>: model CNN (Convolutional Neural Network) yang dioptimasi berjalan di embedded GPU seperti NVIDIA Jetson atau chip khusus.<\/li>\n\n\n\n
                      • Predictive control<\/strong>: jaringan saraf yang dilatih untuk memprediksi gerakan target berdasarkan data historis.<\/li>\n\n\n\n
                      • Fault detection<\/strong>: model yang mendeteksi anomali pada sensor atau aktuator secara real-time.<\/li>\n<\/ul>\n\n\n\n

                        3.3 Redundansi dan Fail-Safe<\/h3>\n\n\n\n

                        Sistem yang kritis harus dirancang dengan prinsip fail-safe<\/strong>: jika satu komponen gagal, sistem masih dapat menyelesaikan misi atau pulang dengan aman. Prinsip ini diterapkan pada:<\/p>\n\n\n\n

                          \n
                        • Sensor redundancy<\/strong>: minimal dua sumber data untuk tracking.<\/li>\n\n\n\n
                        • Motor redundancy<\/strong>: hexacopter masih bisa terbang dengan lima motor; octocopter dengan enam.<\/li>\n\n\n\n
                        • Power redundancy<\/strong>: dua baterai terpisah untuk sistem kendali dan motor.<\/li>\n\n\n\n
                        • Communication redundancy<\/strong>: tautan radio dan 4G\/5G secara simultan.<\/li>\n<\/ul>\n\n\n\n
                          \n\n\n\n

                          Sesi 4: Studi Kasus \u2013 Counter-UAS (CUAS) sebagai Model Sistem Kompleks<\/h2>\n\n\n\n

                          4.1 Skenario Operasional<\/h3>\n\n\n\n

                          Sebuah pangkalan militer terancam oleh drone musuh yang membawa muatan berbahaya. Sistem CUAS harus:<\/p>\n\n\n\n

                            \n
                          1. Deteksi<\/strong> drone musuh dari jarak aman.<\/li>\n\n\n\n
                          2. Identifikasi<\/strong> apakah drone tersebut bermusuhan.<\/li>\n\n\n\n
                          3. Tracking<\/strong> terus-menerus posisinya.<\/li>\n\n\n\n
                          4. Keputusan<\/strong> untuk menetralisir (jika perlu).<\/li>\n\n\n\n
                          5. Eksekusi<\/strong> menggunakan interceptor drone atau metode lain.<\/li>\n<\/ol>\n\n\n\n

                            4.2 Tantangan yang Dihadapi<\/h3>\n\n\n\n
                              \n
                            • Kecepatan<\/strong>: Drone musuh bisa melaju hingga 200 km\/h.<\/li>\n\n\n\n
                            • Manuver<\/strong>: Drone musuh dapat terbang rendah, bersembunyi di balik bangunan.<\/li>\n\n\n\n
                            • Swarm<\/strong>: Ancaman bisa datang dalam bentuk kawanan (swarm) yang membuat sistem kewalahan.<\/li>\n\n\n\n
                            • Jamming<\/strong>: Musuh dapat mengganggu komunikasi atau GPS.<\/li>\n<\/ul>\n\n\n\n

                              4.3 Solusi Sistemik dari SpearX<\/h3>\n\n\n\n

                              Berdasarkan paparan SpearX, pendekatan yang digunakan:<\/p>\n\n\n\n

                                \n
                              • Sensor fusion<\/strong>: radar untuk deteksi jarak jauh, kamera EO\/IR untuk identifikasi, dan sensor akustik sebagai backup.<\/li>\n\n\n\n
                              • Edge AI pada interceptor<\/strong>: drone penangkal memiliki kemampuan komputasi on-board untuk prediksi dan kontrol mandiri.<\/li>\n\n\n\n
                              • Algoritma prediksi lintasan<\/strong>: menggunakan model kinematik yang diperbarui secara real-time.<\/li>\n\n\n\n
                              • Komunikasi tahan jamming<\/strong>: frequency hopping dan mode otonom jika tautan putus.<\/li>\n\n\n\n
                              • Arsitektur terbuka<\/strong>: memungkinkan integrasi dengan sistem pertahanan yang lebih besar.<\/li>\n<\/ul>\n\n\n\n

                                4.4 Pembelajaran: Kegagalan Sering Berasal dari Sistem, Bukan Hardware<\/h3>\n\n\n\n

                                Pengalaman lapangan menunjukkan bahwa kegagalan CUAS lebih sering disebabkan oleh:<\/p>\n\n\n\n

                                  \n
                                • Algoritma tracking yang tidak stabil saat target bermanuver.<\/li>\n\n\n\n
                                • Latensi yang tidak terprediksi.<\/li>\n\n\n\n
                                • Kurangnya integrasi antara sensor dan effector.<\/li>\n\n\n\n
                                • Taktik yang tidak sesuai.<\/li>\n<\/ul>\n\n\n\n

                                  Oleh karena itu, pengembangan sistem harus mengutamakan pengujian end-to-end<\/strong> di lingkungan yang representatif, bukan hanya pengujian komponen individual.<\/p>\n\n\n\n

                                  \n\n\n\n

                                  Sesi 5: Workshop Praktik \u2013 Merancang Arsitektur Drone Otonom<\/h2>\n\n\n\n

                                  5.1 Aktivitas: Studi Kasus Desain Sistem<\/h3>\n\n\n\n

                                  Peserta dibagi dalam kelompok. Setiap kelompok diberi skenario:<\/p>\n\n\n\n

                                    \n
                                  • Skenario A<\/strong>: Drone pengintai otonom untuk pemetaan area bencana. Harus dapat terbang mandiri, menghindari rintangan, dan mengirimkan data real-time.<\/li>\n\n\n\n
                                  • Skenario B<\/strong>: Drone penangkal (interceptor) untuk melindungi area terbatas dari ancaman drone musuh. Harus dapat mendeteksi, mengejar, dan menetralisir target.<\/li>\n<\/ul>\n\n\n\n

                                    Setiap kelompok diminta merancang arsitektur sistem dengan mempertimbangkan:<\/p>\n\n\n\n

                                      \n
                                    • Jenis sensor dan redundansi.<\/li>\n\n\n\n
                                    • Lokasi komputasi (on-board vs off-board).<\/li>\n\n\n\n
                                    • Mekanisme komunikasi dan fail-safe.<\/li>\n\n\n\n
                                    • Strategi prediksi dan kontrol.<\/li>\n<\/ul>\n\n\n\n

                                      5.2 Diskusi dan Presentasi<\/h3>\n\n\n\n

                                      Setiap kelompok mempresentasikan desainnya. Fasilitator memberikan umpan balik berdasarkan prinsip yang telah dipelajari:<\/p>\n\n\n\n

                                        \n
                                      • Apakah sistem memiliki redundansi yang cukup?<\/li>\n\n\n\n
                                      • Apakah latensi sudah diminimalkan?<\/li>\n\n\n\n
                                      • Apakah ada mekanisme untuk mengatasi kegagalan komponen?<\/li>\n\n\n\n
                                      • Apakah sistem dapat beradaptasi dengan perubahan lingkungan?<\/li>\n<\/ul>\n\n\n\n

                                        5.3 Refleksi: Hardware vs. Model Prediksi<\/h3>\n\n\n\n

                                        Akhiri dengan pertanyaan reflektif: Apa yang lebih sulit dalam pengembangan sistem drone: membuat hardware lebih cepat, atau membuat model prediksi lebih baik?<\/strong><\/p>\n\n\n\n

                                        Tidak ada jawaban mutlak, tetapi diskusi harus mengarah pada pemahaman bahwa:<\/p>\n\n\n\n

                                          \n
                                        • Keduanya penting dan saling terkait.<\/li>\n\n\n\n
                                        • Industri sering terlalu fokus pada hardware karena hasilnya terlihat \u201ckonkret\u201d.<\/li>\n\n\n\n
                                        • Padahal, peningkatan algoritma sering memberikan lompatan kemampuan yang lebih besar dengan biaya lebih rendah.<\/li>\n<\/ul>\n\n\n\n
                                          \n\n\n\n

                                          Membangun Sistem, Bukan Sekadar Drone<\/h2>\n\n\n\n

                                          Teknologi drone telah berkembang pesat dari hobi menjadi alat strategis di berbagai sektor: militer, logistik, pertanian, hingga penanggulangan bencana. Namun di balik setiap drone yang terbang sukses, ada sistem yang dirancang dengan cermat\u2014mulai dari fisika dasar hingga algoritma prediksi, dari sensor hingga arsitektur fail-safe.<\/p>\n\n\n\n

                                          Workshop ini menekankan bahwa keunggulan kompetitif tidak datang dari komponen tercepat, tetapi dari sistem yang paling terintegrasi dan tangguh<\/strong>. Seorang insinyur drone tidak cukup hanya mahir merakit dan memprogram; ia harus mampu berpikir dalam kerangka sistem: bagaimana sensor, algoritma, aktuator, dan manusia bekerja bersama dalam kekacauan dunia nyata.<\/p>\n\n\n\n

                                          Pesan terakhir: 0,5 detik dapat menentukan keberhasilan atau kegagalan<\/strong>. Dalam sistem drone otonom, setiap milidetik adalah hasil dari ribuan keputusan desain yang dibuat sebelumnya. Mari kita rancang sistem yang tidak hanya cepat, tetapi juga cerdas, tangguh, dan siap menghadapi ketidakpastian.<\/p>\n\n\n\n

                                          \n\n\n\n

                                          Daftar Pustaka dan Referensi<\/h2>\n\n\n\n
                                            \n
                                          • SpearX Technical Paper: CUAS System Architecture and Edge AI<\/em> (2026)<\/li>\n\n\n\n
                                          • UAV Systems: Design, Development, and Integration, Wiley (2023)<\/li>\n\n\n\n
                                          • Farrel, J. Kalman Filtering for Target Tracking<\/em>, Springer (2022)<\/li>\n\n\n\n
                                          • NVIDIA Jetson Platform Documentation<\/li>\n\n\n\n
                                          • IEEE Transactions on Aerospace and Electronic Systems, berbagai edisi<\/li>\n<\/ul>\n\n\n\n
                                            \n\n\n\n

                                            Disusun oleh:<\/strong>
                                            UDV Workshop – Basecamp<\/strong>\u00a0*** New York \u2013 USA<\/em><\/p>\n\n\n\n

                                            \n\n\n\n

                                            <\/p>\n","protected":false},"excerpt":{"rendered":"

                                            Modul Workshop Strategis UDV Workshop Membangun Pemahaman dari Fisika ke Arsitektur Sistem Antara Mitos dan Realitas Drone Dalam berbagai diskusi tentang drone, sering kali muncul dua ekstrem: ada yang menganggap…<\/p>\n","protected":false},"author":2,"featured_media":470,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[290],"tags":[349,348,350],"class_list":["post-468","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uniqu-update","tag-sistemotonom","tag-teknologidrone","tag-udvworkshop"],"_links":{"self":[{"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/posts\/468","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/comments?post=468"}],"version-history":[{"count":1,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/posts\/468\/revisions"}],"predecessor-version":[{"id":469,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/posts\/468\/revisions\/469"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/media\/470"}],"wp:attachment":[{"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/media?parent=468"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/categories?post=468"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/uniqu.co.id\/index.php\/wp-json\/wp\/v2\/tags?post=468"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}