Secara sederhana Page Rank ialah suatu system peringkat atau ranking terhadap website atau blog dengan menggunakan metode algoritma tertentu, sehingga Search Engine dapat dengan mudah dan cepat mengenali dan mengidentifikasi website atau blog tersebut. Walaupun sebenarnya yang diranking adalah Page atau Halamannya dan bukan website atau Blog secara keseluruhannya, namun website atau blog yang memiliki page berperingkat baik, akan mempengaruhi secara positif website atau blog tersebut.

Sampai dengan tulisan ini diturunkan, Website BogorUpdates.com masih belum memiliki Page Rank, dikarenakan website ini masih berumur 23 hari. Ingat, pembentukan Page Rank ini bukanlah hal yang mudah, bahkan seorang MASTER sekalipun, belum tentu dapat menjamin webiste atau blog tertentu memiliki Page Rank.

Untuk memperkaya arti dan fungsi dari Page Rank di atas, maka ada baiknya kita simak kutipan dari Wikipedia berikut ini:

Definisi Page Rank
Page Rank adalah sebuah algoritma yang telah dipatenkan yang berfungsi menentukan situs web mana yang lebih penting/populer. Page Rank 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 Page Rank
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. Page Rank dihitung dengan skala 1-10.
Contoh: Sebuah situs yang mempunyai Page Rank 9 akan di urutkan lebih dahulu dalam list pencarian Google daripada situs yang mempunyai Page Rank 8 dan kemudian seterusnya yang lebih kecil.
Salah satu Blog BogorUpdates.com yaitu ARTIKEL GALLERY telah memiliki Page Rank dengan nilai 2/10.

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 ‘Page Rank’ ini, dalam setiap halaman akan diperhitungkan inbound link (link masuk) dan outbound link (link keluar) dari setiap halaman web.
Page Rank, 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 (page rank) tinggi mengacu ke halaman tersebut.
Dengan pendekatan yang digunakan Page Rank, 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 Page Rank
Dari pendekatan yang sudah dijelaskan pada artikel konsep page rank, Lawrence Page and Sergey Brin membuat algoritma page rank seperti di bawah ini:
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 page rank ditentukan untuk setiap halaman anda bukan keseluruhan situs web. Page rank sebuah halaman ditentukan dari page rank halaman yang mengacu kepadanya yang juga menjalani proses penentuan page rank dengan cara yang sama, jadi proses ini akan berulang sampai ditemukan hasil yang tepat.
Akan tetapi page rank halaman A tidak langsung diberikan kepada halaman yang dituju, akan tetapi sebelumnya dibagi dengan jumlah link yang ada pada halaman T1 (outbound link), dan page rank 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 page rank 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 page rank 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 page rank sehingga page rank 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 page rank 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 page rank menggunakan damping factor untuk mereduksi nilai page rank 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 diimplementasikan ke dalam algoritma page rank 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 page rank selalu berada pada nilai minimum.
Dalam algoritma page rank 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 page rank 2 dan total halaman web 100 maka dalam seratus kali kunjungan dia mengunjungi halaman itu sebanyak 2 kali (catatan, ini adalah probabilitas).

Sumber:
Arti dan Fungsi Page Rank (Versi Inggris)
Arti dan Fungsi Page Rank (Versi Bahasa Indonesia)

Baca juga artikel menarik lainnya:
Cara Membuat 2 Pin BBM dalam 1 Handphone | Aplikasi BBM untuk Android dan IOS | BogorUpdates.com on Blackberry App World | Cara Melacak Lokasi Nomor Handphone | Download Mozilla Firefox Versi Terbaru | Daftar Harga Blackberry Terbaru | Backlink Berkualitas | Arti Alexa Rank dan Fungsinya | Arti Page Rank dan Fungsinya | Arti Backlink dan Fungsinya | Cara mendaftar dan claim Technorati

Redaksi Bogor Updates

Posting sebelumnya:
Arti Backlink dan Fungsinya