Blog Blogging 67

  • home Home
  • About
  • Sitemap
  • Optimizer
  • Contact
  • Alat Blog ▼
    • Page Speed
    • GT Metrix
    • Responsive ?
  • Berat Blog
Home » google » Tentang dan Seputar Pagerank Blog

Tentang dan Seputar Pagerank Blog

Posted by Unknown
on google

Blog Blogging, pagerank blog
PageRank blog adalah sebuah algoritma yang telah dipatenkan yang berfungsi menentukan situs web mana yang lebih penting/populer dibandingkan dengan yang lainnya. PageRank blog merupakan salah satu fitur utama mesin pencari Google dan diciptakan oleh pendirinya, Larry Page dan Sergey Brin yang merupakan mahasiswa Ph.D. Universitas Stanford.

Cara kerja

Sebuah situs akan semakin populer jika semakin banyak situs lain yang meletakkan tautan yang mengarah ke situsnya, dengan asumsi isi/content situs tersebut lebih berguna dari isi/content situs lain. Peringkat halaman dihitung dengan skala 1-10.

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

Konsep

Banyak cara digunakan search engine dalam menentukan kualitas/rangking sebuah halaman web, mulai dari penggunaan 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.

Algoritma

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 algoritma 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 terindeks oleh Google)

Dari algoritma di atas 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 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 dikalikan dengan damping factor yang bernilai antara 0 sampai 1. Hal ini dilakukan agar tidak keseluruhan nilai pagerank halaman T didistribusikan ke halaman A.
Random surfer model

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 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 2 dan total halaman web 100 maka dalam seratus kali kunjungan dia mengunjungi halaman itu sebanyak 2 kali (catatan, ini adalah probabilitas).

Contoh Kasus Perhitungan Pagerank
Sekarang kita lihat contoh kasus penerapannya hitungan ini di antara dua halaman web :

Blog Blogging, pagerank flow

Dalam kasus di atas, keduanya dimulai dengan PR2 (sebenarnya kita tidak tahu nilai PRnya berapa, tapi kita asumsikan saja nilainya sama-sama PR2.... Anda mau ganti nilai keduanya menjadi berapa saja boleh...hasilnya akan sama saja nanti, tidak percaya?

Perhitungan pertama....
PR Halaman 1 = 0.15 + 0.85(2/1) = 1.85
PR Halaman 2 = 0.15 + 0.85(1.85/1) = 1.72

Kita lakukan iterasi kedua....
PR Halaman 1 = 0.15 + 0.85(1.72/1) = 1.61
PR Halaman 2 = 0.15 + 0.85(1.61/1) = 1.51

Kita lakukan iterasi ketiga
PR Halaman 1 = 0.15 + 0.85(1.51/1) = 1.43
PR Halaman 2 = 0.15 + 0.85(1.43/1) = 1.21

Iterasi terus berlanjut
PR Halaman 1 = 0.15 + 0.85(1.21/1) = 1.17
PR Halaman 2 = 0.15 + 0.85(1.17/1) = 1.14
........
PR Halaman 1 = 0.15 + 0.85(1.14/1) = 1.11
PR Halaman 2 = 0.15 + 0.85(1.11/1) = 1.09

Anda bisa melihat bahwa angkanya semakin mendekati PR1, oleh karena itulah banyak yang beranggapan bahwa nilai default PR suatu halaman adalah PR1. Yang akan merubah itu nantinya adalah berapa banyak link masuk dan link keluar dari halaman tersebut.

Demikianlah uraian tentang dan seputar pagerank blog, semoga bermanfaat.



Baca Juga Artikel Terkait Lainnya:


Get this widget

Silahkan meninggalkan komentar yang sesuai dengan artikel di atas, mohon jangan melakukan spam, jangan promosi produk dan jangan menuliskan link aktif. No Judi Online, No Sara, No Pornografi.
Harap maklum jika terlambat dalam hal balasan komentar.

Posting Lebih Baru
Posting Lama
Beranda
Langganan: Posting Komentar (Atom)

Popular Posts

  • Popular Posts
    Tampil sexy di usia 40 tahun
    Blog Blogging . Dunia anak muda selalu ditonjolkan dalam berbagai sorotan media atau industri hiburan. Akibatnya, sejumlah perempuan di ata...
  • Popular Posts
    MENURUNKAN/MENAIKKAN ALEXA RANK DENGAN ALEXA BOOSTER
    BLOG BLOGGING kali ini akan berbagi tips menurunkan/menaikkan Alexarank dengan Alexa Booster , sebuah software-tool yang berguna bagi blog...
  • Popular Posts
    COBA BLOG : SEARCH ENGINE OPTIMIZATION (SEO)
    COBA BLOG . Search Engine Optimization (biasa disingkat SEO ) adalah serangkaian proses yang dilakukan secara sistematis yang bertujuan ...
  • Popular Posts
    Wanita 70 tahun masih perawan
    Blog Blogging . Pam Shaw, 70 tahun, wanita Inggris mantan penari kabaret dengan nama panggung "The Sexational Pam", mengatakan ba...
  • Popular Posts
    Blog Blogging, Titik fokus seorang Blogger
    Blog Blogging . Seorang Blogger (baik pemula maupun yang sudah kawakan) memang dituntut untuk selalu fokus dalam usaha mengurusi blognya. T...

Blog Info

Artikel Terkomentari

Recent Komentar

Cari di sini

Visit bams at Ping.sg

Labels

alexa artikel backlink blogger blogging google seo template tips blogging tips-trik unik menarik wanita
Copyright © Blog Blogging 67. All rights reserved. Template Modified by Blog Blogging 67. Powered by Blogger
↑