Apakah Itu PageRank ?

   PageRank | Bagi para blogger , pastinya tau dong sama yang satu ini . Tetapi , bagi para newbie mari saya beri tahu apa itu pagerank . Pagerank itu adalah sebuah algoritma yang telah dipatenkan yang berfungsi menentukan situs web mana yang lebih penting / populer .

 

   Dan fungsi pagerank adalah sebagai salah satu fitur utama mesin pencari di mBah Google . Pagerank diciptakan oleh pendirinya yang bernama Larry Page dan Sergey Brin yang merupakan mahasiswa Ph.D. Universitas Stanford .

Bagaimana cara kerjanya ?

Cara kerjanya seperti ini , sebuah situs akan semakin populer jika semakin banyak situs lain yang meletakkan 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 .

  Nah , sekarang saya akan membahas mengenai Algoritma pagerank . Seperti ini algoritmanya :

   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 web 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 .

   Sekarang 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) .

  Nah , sudah tau kan sekarang kalian Apakah Itu Pagerank ? Semoga bermanfaat .
Baca juga ini :

→ Ekiosku.com jual beli online aman menyenangkan
→ Akram Berbagi Dan Komputer-Rifai Blog Berisi Info Menarik Dan Teknologi
→ Arpan-Komunitas Tempat Mencari Informasi
→ Aingindra.com - Informasi Harga Blackberry Dan Cara Membuat Blog
→BBandro.com - Berita Gadget Terbaru