Google & Pagerank

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

Google akan menampilkan halaman website/blog pada halaman hasil pencarian bila web/blog tersebut dianggap penting oleh Google. Dalam memilih apakah suatu website/blog penting/tidak, Google memakai mesin algoritma tertentu, salah satunya ialah Google PageRank, dengan Alogaritma ini suatu halaman sanggup dianggap penting atu tidak oleh Google.

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

Teknik Kerja

 Sebuah situ akan semakin terkenal bila semakin banyak situs lain yang meletakan link yang mengarah ke situsnya, dengan perkiraan isi/content situs tersebut lebih berkhasiat dari isi/content situs lain. PageRank dihitung dengan skala 1-10

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

Konsep

Banyak cara dipakai search engine dalam menntukan kualitas/ranking sebuah halaman web/blog, mulai dari penerapan META Tags, isi dokumen, pengutamaan pada content dan masih banyak metode lain atau adonan metode  yang digunakan. Link popularity, sebuah teknologi yang dikembangkan untuk memperbaiki belum sempurnanya dari dari teknologi lain (Meta keyword, Meta description) yang sanggup dicurangi dengan halaman khusus di desain untuk search engine atau biasa disebut doorway pages. melaluiataubersamaini algoritma PageRank ini, dalam setiap hdialaman akan diperhitungkan inbound link (link masuk) dan outbound link (link keluar) dari setiap halaman web.

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

melaluiataubersamaini pendekatan yang dipakai PageRank, proses terjadi secara rekursif dimana sebuah ranking akan ditentukan oleh ranking dari halaman web yang rankingnya ditentukan oleh ranking halaman web lain yang mempunyai link ke halaman tersebut. Proses ini berarti suatu proses yang berulang. Di dunia maya, ada jutaan bahkan miliyaran halaman web. Oleh sebab 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 menyerupai diberikut :

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) ialah PageRank halaman A

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

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

d ialah damping factor yang sanggup didiberi antara 0 dan 1

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

Dari algoritma diatas sanggup 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 hingga ditemukan hasil yang tepat.

Akan tetapi pagerank halaman A tidak eksklusif didiberikan 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"sesudah tiruana pagerank yang didapat dari halaman - halaman lain yang mengacu ke halaman A dijumlahkan, nilai itu kemudian dijadikan dengan damping factor yang bernilai antara 0 hingga 1. Hal ini dilakukan biar tidak keseluruhan nilai pagerank halaman didistribusikan ke Halaman A.

Random Surfer Model

Random surfer model ialah sebuah pendekatan yang menunjukan bagaimana bahwasanya 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 dipakai oleh pagerank sehingga pagerank dari link masuk (inbound link) tidak eksklusif didistribusikan ke halaman yang dituju, melainkan dibagi dengan jumlah link yang keluar (outbound link) yang ada pada halaman tersebut. Bisa anda bayangkan apa akibatnya bila sebuah halaman dengan ranking tinggi mengacu ke banyak halaman, mungkin teknologi pagerank sudah tidak akan relevan digunakan.

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

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

Dalam algoritma pagerank yang lain, terdapat nilai N yang ialah jumlah keseluruhan halaman web, jadi seorang user mempunyai probabilitas mengunjungi sebuah halaman dibagi dengan total jumlah halaman yang ada. Sebagai contoh, bila sebuah halaman mempunyai pagerank 3 dan total halaman web 100 maka dalam seratus kali kunjungan beliau 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  simpel untuk dipakai sehingga sekarang Google menjadi search engine terkesukaane

Share :