Apa itu Page Rank?

Dasar-Dasar
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)







Basics

Page Rank is ... bla .. bla .. bla .. ouch njelasinnya males, gini aja deh have an article from Om Wikipedia, see themselves yes.


PageRank is a patented algorithm that serves to determine which website is more important / popular. PageRank is one of the main features of the Google search engine and created by its founder, Larry Page and Sergey Brin who is a Ph.D. student Stanford University.

Trus work how Page Rank?




A site will be more popular if more and more other sites that put links that lead to its site, with the assumption that the content / site content is more useful than the content / content of other sites. PageRank is calculated with a scale of 1-10.
Example: A site that has a Pagerank 9 will be at first listing in the Google search list rather than a site that has a Pagerank 8 and then onwards smaller.

Many ways to use search engines to determine the quality / ranking of a web page, from the use of META Tags, the contents of the document, the emphasis on content and many other techniques or combination of techniques that may be used. Link popularity, a technology developed to improve the shortcomings of other technologies (Meta Keywords, Meta Description) which can be rigged with a special page designed for search engines or so-called doorway pages. With the algorithm 'PageRank' is, in every page will be taken into account inbound links (incoming link) and outbound links (links keuar) of each web page.

PageRank, has the same basic concept with link popularity, but not only take into account "the number of" inbound and outbound links. The approach used is an important page will bet if other pages have a link to that page. A page will also become increasingly important if other pages have a rank (pagerank) high refers to the page.

With the approach used by the PageRank, the process occurs recursively, where a ranking will be determined by the ranking of web pages is determined by the ranking rangkingnya other web pages that have a link to that page. This process means a process that is repeated (recursively). In the virtual world, there are millions and even billions of web pages. Therefore a web page ranking is determined from the overall link structure of web pages in cyberspace. A process very large and complex.

Want to know the page rank algorithm?
Of the approach already described in this article the concept of pagerank, Lawrence Page and Sergey Brin made pagerank algorithm as below:

Initial algorithm PR (A) = (1-d) + d ((PR (T1) / C (T1)) + ... + (PR (Tn) / C (Tn)))

One other published alogtima PR (A) = (1-d) / N + d ((PR (T1) / C (T1)) + ... + (PR (Tn) / C (Tn)))

* PR (A) is the Pagerank page A
* PR (T1) is the Pagerank T1 pages that refer to page A
* C (T1) is the number of links (outbound links) on page T1
* D is a damping factor which can be between 0 and 1.
* N is the total number of web pages (which is indexed by google)

Random surfer model is an approach that describes how to actually do a visitor in front of a web page. This means the opportunity or the probability of a user clicks on a link is proportional to the number of links that exist on the page. This approach is used so that the pagerank pagerank of the incoming link (inbound links) are not directly distributed to the targeted page, but divided by the number of links (outbound links) that exist on the page. It was all too thought it was fair. Because can you imagine what would happen if a page with a high ranking refers to many pages, the technology may not be relevant pagerank used.

This method also has an approach that a user will not click on any link on a web page. Therefore pagerank using the damping factor to reduce the value of the distributed pagerank of a page to another page. The probability of a user continues mengkilk all existing links on a page is determined by the value of damping factor (d) the value between 0 to 1. Value of high damping factor means that a user will click on more of a page until he moved to another page. After the user moves the page into diimplemntasikan probability pagerank algorithm as a constant (1-d). By issuing a variable inbound links (links in), then the possibility of a user to move to another page is (1-d), this will make pagerank always be at the minimum value.

In other pagerank algorithm, there are values of N the total merupkan web pages, so a user has a probability of visiting a page divided by the total number of pages available. Sebaagai example, if a page has a pagerank 2 and a total of 100 web pages in one hundred times the requests he visited that page as much as 2 times (note, this is the probability).

Aduuh .. panjaaaaang really an explanation. I myself have not read all know, hi .. hi.hi. : P It's just the origin of coffee / paste from om Wiki (call intimate Wikipedia)