Apa Itu Page Rank?

Page Rank Adalah... bla..bla..bla.. aduh males njelasinnya, gini aja deh ini ada artikel dari Om Wikipedia, baca sendiri ya.  PageRank yaitu sebuah algoritma yang telah dipatenkan yang berfungsi memilih situs web mana yang lebih penting/populer. PageRank merupakan salah satu fitur utama mesin pencari Google dan diciptakan oleh pendirinya, Larry Page dan Sergey Brin yang merupakan mahasiswa Ph.D. Universitas Stanford. Trus bagaimana cara kerja Page Rank?  Sebuah situs 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.  Contoh: Sebuah situs yang mempunyai Pagerank 9 akan di urutkan lebih dahulu dalam list pencarian Google daripada situs yang mempunyai Pagerank 8 dan kemudian seterusnya yang lebih kecil.  Banyak cara dipakai search engine dalam memilih kualitas/rangking sebuah halaman web, mulai dari penggunan META Tags, isi dokumen, pementingan pada content dan masih banyak teknik lain atau campuran teknik yang mungkin digunakan.  Link popularity, sebuah teknologi yang dikembangkan untuk memperbaiki kekurangan dari teknologi lain (Meta Keywords, Meta Description) yang sanggup dicurangi dengan halaman yang khusus di desain untuk search engine atau biasa disebut doorway pages.  Dengan algoritma ‘PageRank’ ini, dalam setiap halaman akan diperhitungkan inbound link (link masuk) dan outbound link (link keuar) dari setiap halaman web.  PageRank, mempunyai konsep dasar yang sama dengan link popularity, tetapi tidak hanya memperhitungkan “jumlah” inbound dan outbound link. Pendekatan yang dipakai yaitu sebuah halaman akan diangap penting bila halaman lain mempunyai link ke halaman tersebut.  Sebuah halaman juga akan menjadi semakin penting bila halaman lain yang mempunyai rangking (pagerank) tinggi mengacu ke halaman tersebut.  Dengan pendekatan yang dipakai PageRank, proses terjadi secara rekursif dimana sebuah rangking akan ditentukan oleh rangking dari halaman web yang rangkingnya ditentukan oleh rangking halaman web lain yang mempunyai link ke halaman tersebut. Proses ini berarti suatu proses yang berulang (rekursif).  Di dunia maya, ada jutaan bahkan milyaran halaman web. Oleh sebab itu sebuah rangking halaman web ditentukan dari struktur link dari keseluruhan halaman web yang ada di dunia maya. Sebuah proses yang sangat besar dan komplek.
Page Rank Adalah... bla..bla..bla.. aduh males njelasinnya, gini aja deh ini ada artikel dari Om Wikipedia, baca sendiri ya.

PageRank yaitu sebuah algoritma yang telah dipatenkan yang berfungsi memilih situs web mana yang lebih penting/populer. PageRank merupakan salah satu fitur utama mesin pencari Google dan diciptakan oleh pendirinya, Larry Page dan Sergey Brin yang merupakan mahasiswa Ph.D. Universitas Stanford.
Trus bagaimana cara kerja Page Rank?

Sebuah situs 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.


Contoh: Sebuah situs yang mempunyai Pagerank 9 akan di urutkan lebih dahulu dalam list pencarian Google daripada situs yang mempunyai Pagerank 8 dan kemudian seterusnya yang lebih kecil.

Banyak cara dipakai search engine dalam memilih kualitas/rangking sebuah halaman web, mulai dari penggunan META Tags, isi dokumen, pementingan pada content dan masih banyak teknik lain atau campuran teknik yang mungkin digunakan.


Link popularity, sebuah teknologi yang dikembangkan untuk memperbaiki kekurangan dari teknologi lain (Meta Keywords, Meta Description) yang sanggup dicurangi dengan halaman yang khusus di desain untuk search engine atau biasa disebut doorway pages.

Dengan algoritma ‘PageRank’ ini, dalam setiap halaman akan diperhitungkan inbound link (link masuk) dan outbound link (link keuar) dari setiap halaman web.

PageRank, mempunyai konsep dasar yang sama dengan link popularity, tetapi tidak hanya memperhitungkan “jumlah” inbound dan outbound link. Pendekatan yang dipakai yaitu sebuah halaman akan diangap penting bila halaman lain mempunyai link ke halaman tersebut.


Sebuah halaman juga akan menjadi semakin penting bila halaman lain yang mempunyai rangking (pagerank) tinggi mengacu ke halaman tersebut.

Dengan pendekatan yang dipakai PageRank, proses terjadi secara rekursif dimana sebuah rangking akan ditentukan oleh rangking dari halaman web yang rangkingnya ditentukan oleh rangking halaman web lain yang mempunyai link ke halaman tersebut. Proses ini berarti suatu proses yang berulang (rekursif).


Di dunia maya, ada jutaan bahkan milyaran halaman web. Oleh sebab itu sebuah rangking halaman web ditentukan dari struktur link dari keseluruhan halaman web yang ada di dunia maya. Sebuah proses yang sangat besar dan komplek.

Mau tahu algoritma page rank?
Dari pendekatan yang sudah dijelaskan pada artikel konsep pagerank, Lawrence Page and Sergey Brin menciptakan algoritma pagerank menyerupai di bawah :

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

Salah satu alogtima lain yang dipublikasikan PR(A) = (1-d) / N + d ( ( PR(T1) / C(T1) ) + … + ( PR(Tn) / C(Tn) ) )

* PR(A) yaitu Pagerank halaman A
* PR(T1) yaitu Pagerank halaman T1 yang mengacu ke halaman A
* C(T1) yaitu jumlah link keluar (outbound link) pada halaman T1
* d yaitu damping factor yang sanggup diberi antara 0 dan 1.
* N yaitu jumlah keseluruhan halaman web (yang terindex oleh google)

Random surfer model merupakan pendekatan yang menggambarkan bagaimana sebenarnya yang dilakukan seorang pengunjung di depan 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 pagerank sehingga pagerank dari link masuk (inbound link) tidak pribadi didistribusikan ke halaman yang dituju, melainkan dibagi dengan jumlah link keluar (outbound link) yang ada pada halaman tersebut. Rasanya semua juga menganggap ini adil.

Karena sanggup anda bayangkan apa hasilnya bila sebuah halaman dengan rangking tinggi mengacu ke banyak halaman, mungkin teknologi pagerank tidak akan relevan digunakan.

Metode ini juga mempunyai pendekatan bahwa seorang user tidak akan mengklik semua link yang ada pada sebuah halaman web. Oleh sebab itu pagerank memakai damping factor untuk mereduksi nilai pagerank yang didistribusikan sebuah halaman ke halaman lain.


Probabilitas seorang user terus mengkilk semua link yang ada pada sebuah halaman ditentukan oleh nilai damping factor (d) yang bernilai antara 0 hingga 1.
Random surfer model merupakan pendekatan yang menggambarkan bagaimana sebenarnya yang dilakukan seorang pengunjung di depan 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 pagerank sehingga pagerank dari link masuk (inbound link) tidak pribadi didistribusikan ke halaman yang dituju, melainkan dibagi dengan jumlah link keluar (outbound link) yang ada pada halaman tersebut. Rasanya semua juga menganggap ini adil.  Karena sanggup anda bayangkan apa hasilnya bila sebuah halaman dengan rangking tinggi mengacu ke banyak halaman, mungkin teknologi pagerank tidak akan relevan digunakan.  Metode ini juga mempunyai pendekatan bahwa seorang user tidak akan mengklik semua link yang ada pada sebuah halaman web. Oleh sebab itu pagerank memakai damping factor untuk mereduksi nilai pagerank yang didistribusikan sebuah halaman ke halaman lain.  Probabilitas seorang user terus mengkilk semua link yang ada pada sebuah halaman 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 ia berpindah ke halaman lain. Setelah user berpindah halaman maka probabilitas diimplemntasikan ke dalam algoritma pagerank sebagai konstanta (1-d) .  Dengan mengeluarkan variable inbound link (link masuk), maka kemungkinan seorang user untuk berpindah ke halaman lain yaitu (1-d), hal ini akan menciptakan pagerank selalu berada pada nilai minimum.  Dalam algoritma pagerank yang lain, terdapat nilai N yang merupkan jumlah keseluruhan halaman web, jadi seorang user mempunyai probabilitas mengunjungi sebuah halaman dibagi dengan total jumlah halaman yang ada.  Sebaagai contoh, bila sebuah halaman mempunyai pagerank 2 dan total halaman web 100 maka dalam seratus kali kunjungan ia mengunjungi halaman itu sebanyak 2 kali (catatan, ini yaitu probabilitas).  Aduuh.. panjaaaaang banget penjelasannya. Aku sendiri belum baca semua lho, hi..hi.hi. :P ini cuma asal kopi/paste dari om Wiki (panggilan dekat Wikipedia)

Nilai damping factor yang tinggi berarti seorang user akan lebih banyak mengklik sebuah halaman hingga ia berpindah ke halaman lain. Setelah user berpindah halaman maka probabilitas diimplemntasikan ke dalam algoritma pagerank sebagai konstanta (1-d) .

Dengan mengeluarkan variable inbound link (link masuk), maka kemungkinan seorang user untuk berpindah ke halaman lain yaitu (1-d), hal ini akan menciptakan pagerank selalu berada pada nilai minimum.

Dalam algoritma pagerank yang lain, terdapat nilai N yang merupkan jumlah keseluruhan halaman web, jadi seorang user mempunyai probabilitas mengunjungi sebuah halaman dibagi dengan total jumlah halaman yang ada.


Sebaagai contoh, bila sebuah halaman mempunyai pagerank 2 dan total halaman web 100 maka dalam seratus kali kunjungan ia mengunjungi halaman itu sebanyak 2 kali (catatan, ini yaitu probabilitas).

Aduuh.. panjaaaaang banget penjelasannya. Aku sendiri belum baca semua lho, hi..hi.hi. :P ini cuma asal kopi/paste dari om Wiki (panggilan dekat Wikipedia)
loading...

Berlangganan artikel terbaru via email (GERATIS):

0 Response to "Apa Itu Page Rank?"

Post a Comment

Tata Tertib Berkomentar di Blog Assalam Link :
1. Kalimat/Kata-kata Tidak Mengandung Unsur (SARA).
2. Berkomentar Sesuai dengan Artikel Postingan.
3. Dilarang Keras Promosi Apapun Bentuk dan Jenisnya.
4. Link Aktif/Mati, Tidak Dipublikasikan dan Dianggap SPAM.
5. Ingat Semua Komentar Dimoderasi

Terimakasih Atas Pengertiannya.

Iklan Atas Artikel

Iklan Tengah Artikel 1

Lihat Juga Di Sini & Terima Kasih Sudah Melihatnya
Loading...

Iklan Tengah Artikel 2

Iklan Bawah Artikel

Loading...