BAB II LANDASAN TEORI

BAB II

LANDASAN TEORI

Sebagai landasan teori, pada bab ini terlebih dahulu akan dijelaskan beberapa definisi dasar atau teori pendukung yang akan digunakan dalam bab pembahasan.

2.1 Google

Nama Google dengan dua huruf o adalah unik. Sebab, jika data hasil pencarian ditemukan, jumlah huruf o akan muncul sebanyak web yang didapat oleh mesin pencari. Kata Google berasal dari kata goorgol. Kata ini berhasil diciptakan oleh Milton Sirotta, keponakan Edward Kasner, seorang ahli matematika dari Amerika Serikat. Sirotta membuat istilah googol untuk menyebutkan angka satu (1) yang diikuti 100 angka nol (0).

Goorgol merupakan kata yang menunjukkan sebuah bilangan yang sangat besar jumlahnya. Bilangan yang melebihi bilangan miliar atau triliun dan di alam semesta ini tidak ada benda yang berjumlah hingga googolan. Tidak itu bintang, tidak itu partikel debu, dan tidak juga atom.

Karena itu, penggunaan kata Google merupakan refleksi dari kata goorgol. Dengan kata tersebut, Google berusaha merefleksikan dirinya sebagai perusahaan yang memiliki misi mengelola suatu yang sangat luas dan tak terbatas. Itu hanya terdapat pada dunia cyber tempat informasi berlimpah tanpa batas.

Universitas Sumatera Utara

7

2.1.1 Latar Belakang Google

Google tak hanya unik dari asal katanya. Google pun memiliki latar belakang sejarah yang unik. Google lahir dari sebuah pertemuan dua pemuda yang secara tidak sengaja pada tahun 1995 lalu. Larry Page, alumnus Universitas Michigan (24), yang sedang menikmati kunjugan akhir pekan, tanpa sengaja di pertemukan dengan Sergey Brin, salah seorang murid (23) yang mendapat tugas mengantar keliling Lary.

Dalam pertemuan tanpa sengaja, Dua pendiri Google terebut sering terlibat diskusi panjang. Keduanya memiliki pandangan yang berbeda sehingga sering terlibat perdebatan. Namun, perbedaan pemikiran mereka justru menghasilkan sebuah pendekatan dalam menyelesaikan salah satu tantangan terbesar dalam dunia komputer.

Pada January 1996, Larry dan Sergey mulai melakukan kolaborasi dalam pembuatan mesin pencari atau search engine yang diberi nama BackRub. Setahun kemudian pendekatan unik mereka tentang analisis jaringan mengangkat reputasi BackRub. Larry dan Sergey terus menyempurnakan teknologi Google sepanjang awal 1998. Keduanya juga mulai mencari investor untuk mengembangkan kecanggihan tekhnologi Google.

Mereka mendapatkan bantuan dana dari Andy bechtolsheim yang merupakan pendiri Sun Microsystems. Sebuah cek senilai 100 ribu dolar AS, sayangnya cek tersebut tertulis atas nama perusahaan Google. Padahal saat itu perusahaan bernama Google belum didirikan oleh Sergey dan Larry.

Investasi dari Andy menjadi sebuah dilema, Larry dan Sergey tidak mungkin menyairkan cek selama belum ada lembaga legal yang bernama perusahaan Google. Karena itu, dua pendiri Google kembali bekerja keras dalam mencari investasi. Perusahaan Google dibuka secara resmi di Menlo Park, California.


8

2.2 PageRank dan Alexa Rank

Berikut ini akan dibahas mengenai PageRank dan Alexa Rank. Defenisi Google PageRank dan Alexa Rank, bentuk algoritma PageRank serta perkembangan Google PageRank dan Alexa Rank.

2.2.1 PageRank

Bagian terpenting dari perangkat lunak yang digunakan oleh Google dalam PageRank, yaitu sebuah sistem yang meranking halaman web yang dikembangkan oleh pendiri Google, yaitu Larry Page dan Sergey Brin di Universitas Stanford. Selain itu mereka juga memiliki banyak pekerja ahli yang meningkatkan segala aspek Google setiap hari.

Defenisi Google PageRank adalah sebuah penilaian atau pemeringkatan popularitas suatu website atau blog yang dikeluarkan oleh Google terhadap suatu website atau blog didasarkan atas kuantitas dan kualitas dari aksesibiltas blog tersebut. Banyaknya pengunjung pada sebuah blog dari nomor IP atau internet protokol yang berbeda (hits) serta besarnya jumlah tampilan halaman atau pageview dari suatu website atau blog. Range penilaian antara 0-10.

PageRank, memiliki konsep dasar yang sama dengan link popularity, tetapi tidak hanya memperhitungkan “jumlah” inbound link dan outbound link. Pendekatan yang digunakan adalah sebuah halaman akan dianggap 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.

Sistem PageRank dipandang sangat tinggi dalam hal obyektifitas dan akurasi relefansi pencariannya. Mereka mengedepankan azas demokratis web yang unik dengan menggunakan struktur linknya yang kuat sebagai indikator dari nilai sebuah


9

halaman. Google menginterpretasikan link dari halaman A ke halaman B sebagai sebuah pilihan atau vote, oleh halaman A, untuk halaman B.

Tetapi, Google melihat lebih dari sekedar jumlah pilihan atau link yang diterima oleh sesuatu halaman, Google juga menganalisis halaman yang memberi pilihan tersebut. Pilihan yang diberikan oleh halaman yang penting dimana halaman tersebut berbobot lebih tinggi sehingga dapat membantu membuat halaman lain menjadi penting.

Situs yang penting dan berkualitas tinggi akan memperoleh lebih banyak PageRank dan akan diingat oleh Google pada tiap-tiap pencarian. Tetapi, halaman yang penting tetap saja tidak berguna bila ternyata tidak sesuai dengan keinginan seseorang. Oleh karena itu, Google mengkombinasikan PageRank dengan teknik pembandingan teks untuk mencari halaman web yang penting dan relevan dengan apa yang dicari oleh seseorang. Google lebih dari sekedar menghitung jumlah keberadaan kata dalam sebuah halaman dan memeriksa segala aspek dari isi halaman termasuk halaman-halaman yang terkait untuk memutuskan apakah halaman tersebut cocok dengan apa yang dicari seseorang. Yang dimaksud faktor peredam ialah faktor yang menyertakan pengguna dalam kalkulasi.

2.2.1.1 Algoritma PageRank

Dari pendekatan yang sudah dijelaskan pada artikel konsep PageRank, Lawrence Page and Sergey Brin membuat algoritma PageRank seperti di bawah:

Algoritma: PR(A) = (1-d) + d ( ( PR(T1) / C(T1) ) + … + ( PR(Tn) / C(Tn) ) ) Algoritma lain yang dipublikasikan: PR(A) = (1-d) / N + d ( ( PR(T1) / C(T1) ) + … + ( PR(Tn) / C(Tn) ) ) Di mana: a. PR(A) adalah PageRank halaman A b. PR(T1) adalah PageRank halaman T1 yang mengacu ke halaman A


10

c. C(T1) adalah jumlah link keluar (outbound link) pada halaman T1 d. d adalah damping faktor yang bisa diberi antara 0 dan 1. e. N adalah jumlah keseluruhan halaman web (yang terindeks oleh Google)

Dari algortima di atas dapat dilihat bahwa PageRank ditentukan untuk setiap halaman 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, 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 halamanhalaman lain yang mengacu ke halaman “A” dijumlahkan, nilai itu kemudian dikalikan dengan damping faktor yang bernilai antara 0 sampai 1. Hal ini dilakukan agar tidak keseluruhan nilai PageRank halaman T didistribusikan ke halaman A.

2.2.1.2 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. Hal ini dianggap adil, karena bisa dibayangkan 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 faktor untuk mereduksi nilai PageRank yang didistribusikan


11

sebuah halaman ke halaman lain. Probabilitas seorang user terus mengklik semua link yang ada pada sebuah halaman ditentukan oleh nilai damping faktor (d) yang bernilai antara 0 sampai 1. Nilai damping faktor 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 PageRank sebagai konstanta (1-d). Dengan mengeluarkan variabel inbound link (link masuk), maka kemungkinan seorang user untuk berpindah ke halaman lain adalah (1d), hal ini akan membuat PageRank selalu berada pada nilai minimum.

Dalam algoritma PageRank yang lain, terdapat nilai N yang merupakan jumlah keseluruhan halaman web, maka 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).

2.2.1.3 Filter

Berdasarkan rumus PageRank Google telah melakukan penyisiran pada internet dengan sukses. Namun hal ini menimbulkan masalah, para pengelola website dengan cepat mengetahui cara kerja PageRank dan berupaya merekayasa agar websitenya berada di atas daftar hits.

Akibatnya, Google mulai melakukan antisipasi semacam itu dengan metode yang selalu baru. Oleh karena itu, saat ini PageRank hanyalah salah satu dari banyak faktor yang mempengaruhi kedudukan website dalam daftar hits Google. Walau demikian, PageRank sering diperlakukan seperti sebuah valuta. ”Apabila Anda memberi saya dua link dari PageRank 4, saya memberi Anda sebuah link dari website dengan PageRank 5“. Namun, tindakan bertukar link ini tidak ada gunanya.

Misalnya, bertukar link antara sebuah website sepakbola dengan sebuah website otomotif tidak berguna bagi pembaca dan juga tidak terhitung pada Google.


12

Sebab, Google memberi nilai lebih tinggi untuk link yang relevan, dari pada yang tidak ada kaitannya sama sekali. Apabila Anda mendapat sebuah email dengan tawaran bertikar link, sebaiknya periksa dulu, apakah website nya tepat. Apabila relevan, maka link tersebut berguna. Kembali pada algoritma PageRank, algoritma PageRank hanyalah puncak gunung es. Di bawah tampilan Google tersembunyi banyak filter dan metode penilaian untuk website dan hasil pencarian (Daftar hits).

2.2.2 Alexa Rank

Selain Google PageRank, ada juga Alexa Rank yang dikenal untuk mengukur performa suatu situs. Alexa Rank dikeluarkan oleh Alexa.com.

Sedangkan defenisi Alexa Rank adalah pemeringkatan popularitas suatu website atau blog berdasarkan trafik suatu website atau blog tersebut yang dikeluarkan oleh Alexa. Rangkking penilaian Alexa ialah bernilai 1 sampai dengan jutaan. Untuk mengetahui berapa nilai Alexa Rank dapat diketahui dengan mengakses situs www.alexa.com.

Menurut Alexa.com, Alexa Rank adalah ukuran kepopuleran suatu website dengan membandingkan suatu situs dengan semua situs yang berada di jaringan Internet. Perhitungan Alexa Rank dengan cara mengkombinasikan rata-rata pengunjung suatu situs perhari dan jumlah halaman suatu website yang dibuka oleh pengunjung. Suatu website yang berada di tingkat Alexa tertinggi mempunyai Alexa Rank 1, sehingga memiliki arti semakin kecil nilai ranking suatu web, berarti semakin bagus Alexa ranknya.

Alexa.com adalah sebuah situs penyedia layanan untuk menganalisis trafik pengunjung. Tidak seperti pada umumnya penganalisis trafik, Alexa lebih memfokuskan perbandingan trafik pengunjung situs yang dapat dijangkaunya. Untuk menentukan ranking pada Alexa diperoleh dari toolbar Alexa, tetapi tidak semua diperoleh dari toolbar Alexa, Alexa juga menggunakan sumber-sumber lain yang akan dipertimbangkan dalam penentuan ranking.


13

Perhitungan jumlah pengunjung unik yang mengunjungi situs tersebut peringkat situs dikalkulasikan dari reach dan pageview. Reach ditentukan dari jumlah pengunjung unik yang mengunjungi situs tersebut dalam satu harinya. Yang dimaksud pengunjung unik adalah jika pengunjung unik tersebut mengunjungi suatu situs dua kali atau lebih dalam hari yang sama, maka ia tetap dihitung sebagai satu pengunjung untuk hari tersebut.

Sedangkan yang dimaksud pageview adalah jumlah total halaman yang dilihat oleh

pengunjung.

Halaman

ini

lebih

berdasarkan

pada

url.

Misalkan

http://situsku.com/artikel, http://situsku.com/about.html. dan sebagainya. Satu url dianggap sebagai satu halaman.

2.2.2.1 Kegunaan Alexa

Berikut ini adalah kegunaan dari Alexa Rank:

1.

Alexa ini membantu dengan memberikan informasi tentang kualitas dan popularitas dari sebuah website.

2.

Berguna bagi website yang anda memiliki untuk diterima dalam program make money online.

3.

Membantu dalam mengetahui posisi jika terdapat kompetisi dan bisa mengetahui volume trafik dari website yang dimiliki.

2.3 Bisnis Internet


14

Beragam layanan dan fasilitas di internet memberikan banyak manfaat. Salah satu manfaat internet yang kini menjadi pusat perhatian pengguna internet adalah terbukanya peluang-peluang usaha di internet. Di antaranya adalah program Google Adsence dan program Text Link Ads.

Dalam melakukan bisnis di Internet seperti misalnya pada program Text Link Ads, bisanya ada dua syarat yang diperlukan, yaitu mempunyai email dan mempunyai halaman situs minimal PageRank 4. Jika suatu situs memiliki PageRank 4, maka situs tersebut dapat ikut pada program make money online, seperti program Google Adsence dan program Text Link Ads. Kunci utama pada bisnis make money online ini adalah mempunyai situs yang berbobot. Untuk menentukan nilai besarnya penghasilan yang diterima oleh pemilik situs juga untuk menentukan bobot suatu situs dengan menggunakan PageRank dan Alexa Rank.

2.4 Matlab

Matlab adalah singkatan dari Matrix Labrolatory, software yang dibuat dengan menggunakan bahasa ini dibuat oleh The Mathworks.inc dan telah memasuki versi R2009. Kekuatan matlab terletak pada:

1. Kemudahan manipulasi struktur matriks.

2. Jumlah routine-routine powerful yang berlimpah yang terus berkembang.

3. Kekuatan fasilitas grafik tiga dimensi yang sangat memadai.

4. Sistem scripting yang memberikan keleluasaan bagi pengguna untuk mengembangkan dan memodifikasi software untuk kebutuhan sendiri.

5. Kemampuan interface( misal dengan bahasa C, word dan mathematica).


15

6. Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta mulai melimpahnya source code di internet yang dibuat dalam matlab( contoh toolbox misalnya : signal processing, control system, neural networks dan sebagainya).

Semua itu merupakan perangkat yang powerful untuk menyelesaikan permasalahan sains dan teknik terutama untuk wilayah dimana komputasi numerik harus dibuat.

2.4.1 Fungsi M-file

Penulisan barisan ekspresi dalam matlab command window biasanya dilakukan baris perbaris dan biasanya untuk menyimpan barisan perintah dan hasil outputnya dengan menggunakan command diary. Hal ini sangatlah tidak efisien dikarenakan barisan yang telah tersimpan di diary tidak dapat diloadkan kembali seandainya telah keluar dari matlab. Untuk itu matlab menyediakan suatu struktur untuk membuat fungsi yang diinginkan atau suatu teknik pemograman dalam bentuk m-file.

M-file selain dipakai sebagai penamaan file juga bisa dipakai untuk menamakan fungsi, sehingga fungsi fungsi yang di buat dijendela editor bisa di simpan dengan ektensi .m sama dengan file yang kita panggi dijendela editor. Saat kita menggunakan fungsi matlab seperti inv, abs, cos, sin dan sqrt, matlab menerima variabel berdasarkan variabel yang kita berikan.

Fungsi m-file mirip dengan script file dimana keduanya merupakan file teks dengan ektensi .m sebagaimana script m-file, fungsi m-file tidak dimasukkan dalam jendela command window tetapi file tersendiri yang dibuat dengan editor teks.

Suatu fungsi m-file harus mengikuti beberapa aturan. Fungsi m-file juga memilki beberapa sifat penting. Aturan-aturan dan sifat-sifat tersebut meliputi:


16

1. Nama fungsi dan nama file harus identik. Contohnya PageRank disimpan dalam file bernama PageRank.m.

2. Pertama kali matlab mengeksekusi suatu fungsi m-file, matlab membuka fungsi file tersebut dan mengkompilasi perintah-perintah di dalamnya menjadi suatu representasi internal dalam memori yang mempercepat eksekusi untuk semua pemanggilan berikutnya. Jika fungsi juga melibatkan pemanggilan ke fungsi m-file yang lain, fungsi m-file yang dipanggil itu juga akan dikompilasi ke dalam memori.

3. Baris komentar sampai dengan baris bukan komentar yang pertama adalah teks help yang ditampilkan. Jika anda meminta help, misalnya >>help PageRank yang menampilakan 9 baris komentar pertama dari contoh di atas. Baris komentar yang paling atas disebut baris H1 adalah baris yang dicari oleh peintah looktor.

4. Setiap fungsi memiliki ruang kerjanya sendiri yang berbeda dengan ruang kerja matlab. Satu-satunya hubungan antara ruang kerja matlab dengan variabel-variabel dalam fungsi adalah variabel-varibel input dan output fungsi. Jika suatu fungsi mengubah nilai dalam suatu variabel input, perubahan itu hanya tampak dalam fungsi dan tidak mempengaruhi ruang kerja matlab.

5. Jumlah dari argument input dan output yang digunakan jika suatu fungsi dipanggil hanya ada dalam fungsi tersebut.

6. Fungsi dapat berbagi variabel dengan fungsi lain, ruang kerja matlab dan pemanggilan rekursi untuk dirinya sendiri jika variabelnya dideklarasikan sebagai variabel global.

7. Fungsi m-file berhenti dieksekusi dan kembali ke prompt jika telah mencapai akhir dari m-file atau jika menemui perintah return. Perintah return merupakan cara sederhana untuk menghentikan fungsi sebelum mencapai akhir file.


17

8. Fungsi m-file dapat memuat lebih dari sebuah fungsi.

2.4.2 Membentuk M-file

Untuk membuat m-file, pertama click file di matlab command window, selanjutnya pilih New dan click m-file dari menu the pulldown. Maka dilayar akan ditampilkan matlab editor/debugger. Selanjutnya dilayar dapat dibuat/dituliskan argument-argument yang diinginkan, tulisan dapat diedit penulisannya dan sebagainya. Setelah selesai melakukan pengetikan pada file, pada layar matlab editor/debugger pilih Save As…, berikan nama yang diinginkan untuk file tersebut, misalnya firstgraph.m kemudian click Save. Pastikan bahwa file yang disimpan pada direktori yang mudah untuk dipanggil.

Jika perintah matlab tidak diakhiri dengan titik koma, hasil dari perintah serta nama variabelnya akan ditampilkan kembali dalam command window. Supaya tampilan lebih bagus, maka untuk menampilkan nama variabel digunakan perintah disp. Perintah echo on membuat perintah-perintah yang dibuat di m-file akan ditampilkan kembali di command window. Perintah input memungkinkan untuk meminta input dari pemakai saat m-file dijalankan.

Berikut ini secara umum m-file didefinisikan menggunakan command function adalah: function[output1,output2,…]=NamaFunction[input1,input2,…] dimana output1,output2,… adalah barisan nama output yang akan ditampilkan dilayar command window matlab jika NamaFunction dipanggil dengan menginput argument input1,input2,… input tersebut dipanggil dan dikirim by value yaitu perubahan nilai input di dalam function tidak akan ditampilkan diluar di mana perubahannya hanya diluar.


18

2.4.3 Menjalankan Suatu M-file

Untuk memanggil dan mengeksekusi suatu m-file, yang pertama dilakukan adalah dengan memindahkan path search dari matlab compiler. Pada dasarnya proses eksekusi dari compiler matlab adalah dengan mencari suatu command atau defenisi operator yang ada dan mengeksekusi defenisi script atau operator pertama yang ditulis dan ditemui direktori matlab (di direktori bin atau toolbox).

Dari menu pulldown di matlab command editor pilih file kemudian pilih set path,maka akan muncul path browser, dari menu tersebut arahkan current directory ke direktori tempat dimana disimpan script yang akan dieksekusi. Jika filenya disimpan di C:\PageRank maka browse path ke C:\PageRank.

Untuk memberikan keterangan mengenai maksud dan tujuan m-file yang dibuat agar orang lain dengan m-file tersebut maka perlu adanya help atau keterangan pada m-file dapat dilakukan dengan menggunakan command % dari matlab. Jika tanda % diketikkan maka command yang beserta dengannya tidak akan dibaca oleh matlab.


BAB II LANDASAN TEORI

Recommend Documents