Google & PageRank

Setiap pemilik website/blog pasti menginginkan website/blognya muncul dihalaman pertama pada hasil pencarian (SERP) jika pengguna internet memasukan kata kunci tertentu (keyword) tertentu pada mesin pencari (search engine) Google. Akan tetapi pada kenyataannya tidak semua halaman web/blog yang terindeks di Google dapat muncul di halaman pertama hasil pencarian Google.

Google akan menampilkan halaman website/blog pada halaman hasil pencarian jika web/blog tersebut dianggap penting oleh Google. Dalam menentukan apakah suatu website/blog penting/tidak, Google menggunakan mesin algoritma tertentu, salah satunya adalah Google PageRank, dengan Alogaritma ini suatu halaman dapat dianggap penting atu tidak oleh Google.

PageRank merupakan sebuah algoritma yang telah dipatenkan yang berfungsi menentukan situs web mana yang lebih penting/populer. PageRank adalah salah satu fitur utama yang diciptakan oleh Duo Google : Larry Page dan Sergey Brin

Cara Kerja

Sebuah situ akan semakin populer jika semakin banyak situs lain yang meletakan link yang mengarah ke situsnya, dengan asumsi isi/content situs tersebut lebih berguna dari isi/content situs lain. PageRank dihitung dengan skala 1-10

Contoh : Sebuah situs yang mempunyai PageRank 7 akan diurutkan lebih dahulu dalam list pencarian Google dari pada situs yang mempunyai PageRank 6 dan kemudian seterusnya yang lebih kecil

Konsep

Banyak cara digunakan search engine dalam menntukan kualitas/ranking sebuah halaman web/blog, mulai dari penggunaan META Tags, isi dokumen, penekanan pada content dan masih banyak teknik lain atau gabungan teknik yang digunakan. Link popularity, sebuah teknologi yang dikembangkan untuk memperbaiki kekurangan dari dari teknologi lain (Meta keyword, Meta description) yang bisa dicurangi dengan halaman khusus di desain untuk search engine atau biasa disebut doorway pages. Dengan algoritma PageRank ini, dalam setiap hdialaman akan diperhitungkan inbound link (link masuk) dan outbound link (link keluar) dari setiap halaman web.

PageRank memiliki konsep dasar yang sama dengan link popularity, tetapi tidak hanya memperhitungkan jumlah inbound dan outbound link. Pendekatan yang digunakan sebuah halaman akan dianggap penting jika halaman lain memiliki link ke halaman tersebut. Sebuah halaman juga akan menjadi semakin penting jika halaman lain yang memiliki ranking (pagerank) tinggi mengacu ke halaman tersebut.

Dengan pendekatan yang digunakan PageRank, proses terjadi secara rekursif dimana sebuah ranking akan ditentukan oleh ranking dari halaman web yang rankingnya ditentukan oleh ranking halaman web lain yang memiliki link ke halaman tersebut. Proses ini berarti suatu proses yang berulang. Di dunia maya, ada jutaan bahkan miliyaran halaman web. Oleh karena itu sebuah ranking halaman web ditentukan dari struktur link dari keseluruhan halaman web yang ada didunia maya. Sebuah proses yang sangat besar dan kompleks.

Algoritma

Dari pendekatan yang sudah dijelaskan pada artikel konsep pagerank, Lawrence Page dan Sergey Brin membuat algoritma PageRank seperti berikut :

Algoritma awal PR(A )=(1-d)+d((PR(T1)/C(T1))+...+(PR(Tn)/C(Tn)))

algoritma lain yang dipublikasikan PR(A)=(1-d)/N+d((PR(T1)/C(T1))+...+(PR(Tn)/C(Tn)))

Ket *

PR(A) adalah PageRank halaman A

PR(T1) adalah PageRank halaman T1 yang mengacu ke halaman A.

C(T1) adalah jumlah link keluar(outbound link) pada halaman T1

d adalah damping factor yang bisa diberi antara 0 dan 1

N adalah jumlah keseluruhan halaman web (yang terindex oleh Google)

Dari algoritma diatas dapat dilihat bahwa pagerank ditentukan untuk setiap halaman Anda bukan keseluruhan situs web. PageRank sebuah halaman ditentukan dari pagerank halaman yang mengacu kepadanya yang juga menjalani proses penentuan pagerank dengan cara yang sama, jadi proses ini akan terus berulang sampai ditemukan hasil yang tepat.

Akan tetapi pagerank halaman A tidak langsung diberikan kepada halaman yang dituju, akan tetapi sebelumnya dibagi dengan jumlah link yang ada pada halaman T1 (outbound link), dan pagerank itu akan dibagi rata kepada setiap link yang ada pada halaman tersebut. Demikian juga dengan setiap halaman lain "Tn" yang mengacu ke halaman "A"setelah semua pagerank yang didapat dari halaman - halaman lain yang mengacu ke halaman A dijumlahkan, nilai itu kemudian dijadikan dengan damping factor yang bernilai antara 0 sampai 1. Hal ini dilakukan agar tidak keseluruhan nilai pagerank halaman didistribusikan ke Halaman A.

Random Surfer Model

Random surfer model adalah sebuah pendekatan yang mengambarkan bagaimana sesungguhnya yang dilakukan pengunjung didepan sebuah halaman web. Ini berarti peluang atau probabilitas seorang user mengklik sebuah link sebanding dengan jumlah link yang ada pada halaman tersebut.

Pendekatan ini yang digunakan oleh pagerank sehingga pagerank dari link masuk (inbound link) tidak langsung didistribusikan ke halaman yang dituju, melainkan dibagi dengan jumlah link yang keluar (outbound link) yang ada pada halaman tersebut. Bisa anda bayangkan apa jadinya jika sebuah halaman dengan ranking tinggi mengacu ke banyak halaman, mungkin teknologi pagerank sudah tidak akan relevan digunakan.

Metode ini juga memiliki pendekatan bahwa seorang user tidak akan mengklik semua link yang ada pada sebuah halaman web. Oleh karena itu pagrank menggunakan damping factor untuk mereduksi nilai pagerank yang didistribusikan sebuah halaman ke halaman lain. Probabilitas seorang user terus mengklik semua link yang ada pada sebuah halaman yang ditentukan oleh nilai damping factor (d) yang bernilai antara 0 sampai 1

Nilai damping factor yang tinggi berarti seorang user akan lebih banyak mengklik sebuah halaman sampai dia berpindah ke halaman lain. Setelah user berpindah halaman maka probabilitas di implementasikan ke dalam algoritma pagerank sebagai konstanta (1-d). Dengan mengeluarkan variable inbound link, maka kemungkinan seorang user untuk berpindah ke halaman lain adalah (1-d), hal ini akan membuat pagerank selalu berada pada nilai minimum.

Dalam algoritma pagerank yang lain, terdapat nilai N yang merupakan jumlah keseluruhan halaman web, jadi seorang user memiliki probabilitas mengunjungi sebuah halaman dibagi dengan total jumlah halaman yang ada. Sebagai contoh, jika sebuah halaman memiliki pagerank 3 dan total halaman web 100 maka dalam seratus kali kunjungan dia mengunjungi halaman itu sebanyak 3 kali.

Begitulah konsep dan cara kerja dari algoritma Google PageRank. Alogaritma yang dimiliki Google memang terlihat rumit tapi meskipun demikian Google sangatlah mudah untuk digunakan sehingga kini Google menjadi search engine terfavorite

8 Responses to "Google & PageRank"

Sucipto Kuncoro20 January 2015 at 20:37

pagerank blog saya masih 0 :(
1. Ahmad Zaelani21 January 2015 at 19:00
  
  apalagi blog saya mas... :(
2. sabda awal30 June 2015 at 05:34
  
  mending 0, sejak ganti domain jadi n/a T_T

Info Menarik21 January 2015 at 16:37

Google Pagerank apakah akan melakukan update mas tahun ini ga?
1. Ahmad Zaelani21 January 2015 at 19:00
  
  bentar yah mas,,, saya mau tanya dulu sama om saya Larry Page :v
2. moch fadhil22 January 2015 at 05:12
  
  kalau gak salah sudah tidak ada lagi update PR
  kalau saya fokus ke PA dan DA :)

Achmad Fazri22 January 2015 at 12:47

Alogaritma Pagerank, sangat membingungkan, jadi ke ingat masalalu nih mas, saat PR blog udah 2. pas ganti domain jadi telor kembali
Uda Awak23 February 2015 at 11:05

Persaingan untuk berebut di halaman pertama mesin pencari semakin ketat aja ya mas. Ternyata PR juga sangat berpengaruh terhadap posisi blog di mesin pencari. Wah, saya PR-nya masih 0 besar...hehehe.