ANALISIS PENERAPAN ALGORITMA PAGERANK MENGGUNAKAN TEORI GRAF UNTUK PEMERINGKATAN SITUS WEB

dea andini andriati; Muhammad Patria

doi:10.64626/jukomtek.v4i2.419

Penulis

dea andini andriati Universitas Dian Nusantara
Muhammad Patria Universitas Dian Nusantara

DOI:

https://doi.org/10.64626/jukomtek.v4i2.419

Kata Kunci:

Algoritma, Graf, Mesin Pencari, Page Rank, Situs Web

Abstrak

PageRank, yang dikembangkan oleh Google, adalah sebuah algoritma yang dirancang untuk menangani tantangan dalam peringkat situs web pada mesin pencari. Dengan jumlah situs web yang terus berkembang pesat di internet, masalah utama yang muncul adalah kesulitan bagi pengguna dalam menemukan situs yang relevan dengan pencarian mereka. Penelitian ini bertujuan untuk meneliti penerapan algoritma PageRank dengan pendekatan teori graf dalam pemeringkatan halaman web. Dalam studi ini, situs web diwakili sebagai simpul dalam graf berarah, sementara tautan antar situs menjadi sisi yang menghubungkan simpul-simpul tersebut. Penelitian ini juga membahas konsep graf isomorfik, lintasan Hamilton, serta graf dual dalam penerapan algoritma PageRank. Hasil penelitian mengindikasikan bahwa algoritma PageRank efektif dalam menentukan peringkat situs web dengan mempertimbangkan jumlah dan kualitas tautan yang diterima. Sebagai contoh, setelah algoritma diterapkan, situs A memperoleh peringkat tertinggi dengan nilai PageRank 0,35, sementara situs J berada di peringkat terendah dengan nilai 0,09. Penerapan teori graf dalam algoritma PageRank terbukti meningkatkan akurasi dalam menentukan relevansi situs, dengan peningkatan efisiensi perhitungan mencapai 30% dibandingkan metode konvensional, yang memudahkan pengguna dalam menemukan informasi yang lebih relevan melalui mesin pencari

Referensi

Ang, L., 2022. A new approach to improving the efficiency of the PageRank algorithm for large-scale web data. International Journal of Computer Science and Applications, 18(3), pp. 143-156.

Bhatti, R., & Kaur, G., 2021. PageRank algorithm and its implementation in modern search engines: A review. Journal of Computational Science, 12(4), pp. 45-52.

Diestel, R., 2017. Graph Theory. 5th ed. Berlin: Springer.

Li, Z., & Wang, W., 2019. Optimizing link analysis algorithms in web search engines using graph theory. Journal of Web Engineering, 18(6), pp. 223-237.

Munir, R., 2022. Graf (Bagian 1). [online] Available at: https://informatika.stei.itb.ac.id/~rinaldi.munir/Matdis/2020-2021/Graf-2020-Bagian1.pdf [Accessed 25 Nov. 2023].

Page, L., Brin, S., Motwani, R., & Winograd, T., 1999. The PageRank citation ranking: Bringing order to the web. Technical Report 1999-66, Stanford InfoLab.

Singh, H., & Patel, R., 2020. Enhancing the PageRank algorithm for higher accuracy in dynamic search engines. Computational Intelligence and Applications, 14(2), pp. 87-97.

Wijaya, A., & Syahruddin, M., 2020. Penggunaan graf isomorfik dalam penghitungan peringkat situs web pada algoritma PageRank. Jurnal Ilmiah Teknologi Informasi, 17(2), pp. 111-119.

Welch, L., & Powell, M., 1963. Graph Coloring and Applications. Cambridge: Cambridge University Press.

Zhang, Y., & Zhang, L., 2020. A hybrid algorithm combining PageRank and deep learning for search engine optimization. International Journal of Artificial Intelligence, 25(8), pp. 115-128.