s p o n s o r e d   l i n k s

Cemas Berlebihan Syadiashare | Promosikan Halaman Anda Juga

Setelah saya membaca kesana kemari mencari info yang namanya PageRank or Page Rank atau juga PR mana yang benar saya sendiri juga bingung, saya menemukan sebuah tulisan yang sekiranya perlu saya sharing ke rekan – rekan semua. Sebetulnya saya mencari mahluk yang namanya pagerank ini karena blog ini PR anjlok beberapa waktu yang lalu, sehingga saya perlu tahu juga apa penyebab dari anjlok nya pagerank saya.

Sedikit yang saya tahu setelah baca – baca di halaman google aturan dan sebagainya bahwa google tidak menyukai pada link – link yang berbau jual beli link atau paid to link terkadang juga imbas dari paid review atau PTR postingan ini sebenarnya juga rentetan dari tulisan saya mengenai Blog DoFollow untuk membedakan mana yang DoFollow mana juga blog yang NoFollow saya sertakan juga [smartads]

Blog DoFollow List nya.

Berikut ini informasi yang saya anggap sekiranya penting untuk di sharing untuk rekan – rekan semua mengenai page rank :

Cara Kerja

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.

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.

Alogaritma

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 terindex oleh google)

Dari algoritma diatas 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.

[smartads]

Random Surf 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).

Postingan Seputar mendaftar – verifikasi Paypal, cara login ciao

Ensiklopedia

Artikel Yang Mungkin Berhubungan :

1. Cara Meningkatkan Penghasilan Google Adsense
   How to Improve Adsense Revenue ? Cara meningkatkan penghasilan dari google adsense Sudah lama kita mengetahui bahwa PPC Pay Per Click Google Adsense terbaik dan yang memberikan pengahasilan terbesar adalah . Tulisan ini saya dasarkan pada pengalaman pribadi saya, seperti yang kita ketahui bahwa tidak ada satupun aturan / tips...
2. Blog Dofollow
   ik : Cara Mudah Mengetahui Blog Dofollow Atau NoFollow dan Daftar Blog DoFollow Overview, Blog Do Follow dalam hal ini memang sangat dicari bagi para blogger khususnya mereka yang ingin mendapatkan backlink secara gratis, dimana semakin tinggi backlink yang didapat akan sangat memungkinkan blog tersebut mendapatkan PageRank yang tinggi dari...
3. Resiko Menggunakan Search Engine Submission
   Search engine submission, memang baik untuk meningkatkan posisi anda dalam hasil pencarian google. Search engine submission juga sangat membantu untuk meningkatkan popularity website atau blog kita. Selain Search engine submission, kita juga mengenal dengan istilah directory  submitter (blog direktori) dan RSS Submitter, semua memiliki tujuan yang hampir sama yaitu membuat...