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 adalah sebuah algoritma yang telah dipatenkan

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

Banyak cara digunakan search engine dalam menentukan

kualitas/rangking sebuah halaman web, mulai dari
penggunan META Tags, isi dokumen, penekanan pada
content dan masih banyak teknik lain atau gabungan
teknik yang mungkin digunakan. Link popularity, sebuah
teknologi yang dikembangkan untuk memperbaiki
kekurangan dari teknologi lain (Meta Keywords, Meta
Description) yang bisa 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, memiliki konsep dasar yang sama dengan link
popularity, tetapi tidak hanya memperhitungkan “jumlah”
inbound dan outbound link. Pendekatan yang digunakan
adalah sebuah halaman akan diangap penting jika halaman
lain memiliki link ke halaman tersebut. Sebuah halaman
juga akan menjadi semakin penting jika halaman lain yang
memiliki rangking (pagerank) tinggi mengacu ke halaman
tersebut.

Dengan pendekatan yang digunakan PageRank, proses

terjadi secara rekursif dimana sebuah rangking akan
ditentukan oleh rangking dari halaman web yang
rangkingnya ditentukan oleh rangking halaman web lain
yang memiliki link ke halaman tersebut. Proses ini berarti
suatu proses yang berulang (rekursif). Di dunia maya, ada
jutaan bahkan milyaran halaman web. Oleh karena 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
membuat algoritma pagerank seperti 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) 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)

Random surfer model merupakan pendekatan yang

menggambarkan bagaimana sesungguhnya 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 digunakan
pagerank sehingga pagerank dari link masuk (inbound link)
tidak langsung 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 bisa anda bayangkan
apa jadinya jika sebuah halaman dengan rangking tinggi
mengacu ke banyak halaman, mungkin teknologi pagerank
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 pagerank menggunakan
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 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 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 adalah (1-
d), hal ini akan membuat pagerank selalu berada pada nilai
minimum.

Dalam algoritma pagerank yang lain, terdapat nilai N yang

merupkan jumlah keseluruhan halaman web, jadi seorang
user memiliki probabilitas mengunjungi sebuah halaman
dibagi dengan total jumlah halaman yang ada. Sebaagai
contoh, jika sebuah halaman memiliki pagerank 2 dan total
halaman web 100 maka dalam seratus kali kunjungan dia
mengunjungi halaman itu sebanyak 2 kali (catatan, ini
adalah probabilitas).

Aduuh.. panjaaaaang banget penjelasannya. Aku sendiri

belum baca semua lho, hi..hi.hi. :P ini cuma asal
kopi/paste dari om Wiki (panggilan akrab Wikipedia)