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).
Alur waktu
Awal 1996, pemikiran awal
7 September 1998 di ruang garasi
rumah teman mereka di Menlo
Park, California
Februari 1999 perusahaan tersebut
pindah ke kantor di 165 University
Ave., Palo Alto, California
Akhir 1999 sampai sekarang
pindah ke "Googleplex"
Sumber : Wikipedia
