38% halaman web yang ada pada 2013 tidak lagi bisa diakses 10 tahun kemudian

• Luasnya internet dan hilangnya konten

  • Internet, yang memiliki puluhan miliar halaman web, merupakan gudang penyimpanan besar bagi kehidupan modern.
  • Namun, konten yang diandalkan pengguna kadang menghilang.
  • Analisis baru dari Pew Research Center menunjukkan bahwa konten online sangat bersifat sementara.
    • Seperempat dari seluruh halaman web yang ada antara 2013 hingga 2023 sudah tidak lagi dapat diakses per Oktober 2023.
    • Hal ini terutama karena halaman web tertentu telah dihapus atau disingkirkan.

• Terjadinya pembusukan digital

  • Bagian "referensi" pada situs web pemerintah, situs berita, dan halaman Wikipedia diteliti.
    • 23% halaman berita memuat setidaknya satu tautan rusak.
    • 21% situs web pemerintah memuat setidaknya satu tautan rusak.
    • 54% halaman Wikipedia memuat tautan yang mengarah ke halaman yang sudah tidak ada lagi.

• Pembusukan digital di media sosial

  • Sampel real-time tweet dikumpulkan dari platform media sosial X (saat itu Twitter) selama musim semi 2023 dan dilacak selama 3 bulan.
    • Sekitar seperlima tweet tidak lagi terlihat secara publik beberapa bulan setelah diposting.
    • Dalam 60% kasus ini, akun yang memposting tweet asli menjadi privat, ditangguhkan, atau dihapus sepenuhnya.
    • Sisa 40% terjadi ketika akun masih ada, tetapi tweet individualnya dihapus.

• Tautan privat dan definisi halaman web

  • Ada beberapa definisi untuk halaman yang pernah ada di internet tetapi kini tidak dapat diakses.
    • Halaman tersebut sudah tidak lagi ada di server host, atau server host itu sendiri sudah tidak ada lagi.
    • Alamat halaman masih ada, tetapi kontennya telah berubah.
    • Halaman masih ada, tetapi sulit dibaca oleh pengguna tertentu (misalnya penyandang tunanetra).
  • Laporan ini berfokus pada definisi pertama: halaman yang sudah tidak ada lagi.

• Halaman web selama 10 tahun terakhir

  • Sekitar 1 juta sampel halaman web dipilih secara acak dari arsip Common Crawl.
    • 25% dari seluruh halaman yang dikumpulkan dari 2013 hingga 2023 sudah tidak lagi dapat diakses per Oktober 2023.
    • 38% dari halaman yang dikumpulkan pada 2013 sudah tidak lagi dapat diakses pada 2023.

• Tautan di situs web pemerintah

  • Sekitar 500.000 halaman dari situs web pemerintah yang dikumpulkan pada Maret/April 2023 diambil sebagai sampel.
    • 86% halaman memuat tautan internal, dan 6% di antaranya sudah tidak lagi dapat diakses.
    • Secara keseluruhan, 21% halaman web pemerintah yang diteliti memuat setidaknya satu tautan rusak.

• Tautan di situs web berita

  • Sekitar 500.000 halaman dari situs web berita yang dikumpulkan pada Maret/April 2023 diambil sebagai sampel.
    • 94% situs berita memuat setidaknya satu tautan eksternal, dan 23% halaman memuat setidaknya satu tautan rusak.

• Tautan referensi di Wikipedia

  • 50.000 halaman Wikipedia berbahasa Inggris dipilih secara acak sebagai sampel.
    • 82% dari halaman yang dikumpulkan memuat setidaknya satu tautan referensi, dan 11% dari tautan referensi tersebut sudah tidak lagi dapat diakses.

• Postingan di Twitter

  • 5 juta tweet dikumpulkan pada musim semi 2023 dan dilacak selama 3 bulan.
    • 18% dari tweet yang dikumpulkan sudah tidak lagi terlihat secara publik pada akhir periode pelacakan.
    • Dari tweet yang hilang, 60% terjadi karena akun menjadi privat, ditangguhkan, atau dihapus.
    • 1% tweet dihapus dalam waktu satu jam, 3% dalam satu hari, 10% dalam satu minggu, dan 15% dalam satu bulan.

• Analisis kelangsungan hidup tweet

  • Setengah dari tweet yang hilang lenyap dalam 6 hari pertama setelah diposting.
  • 90% tweet menjadi tidak dapat diakses dalam 46 hari setelah diposting.
  • Ada 6% tweet yang sempat dihapus tetapi kemudian kembali dipublikasikan.

[GN⁺]

Opini Hacker News

Ringkasan kumpulan komentar Hacker News

• Masalah halaman Facebook

  • Banyak organisasi dan perusahaan hanya menggunakan halaman Facebook sehingga tidak memiliki kehadiran web lain. Akun Facebook pun menjadi syarat wajib.

• Upaya pengarsipan

  • Situs web seperti CNN dan BBC berupaya mengarsipkan konten lama. Contoh: liputan terkait serangan 9/11.

• Dukungan untuk Internet Archive

  • Perlu berdonasi ke Internet Archive (archive.org) untuk mendukung pelestarian konten lama. Konten penting sebaiknya juga disimpan dalam salinan lokal.

• Pengalaman mengelola situs berita

  • Sejak 2019, ada yang mengelola situs berita dan setiap jam menggunakan crawler untuk mencari tautan mati lalu menggantinya dengan tautan arsip. Sering kali situs kandidat menghilang sehari setelah pemilu.

• Grafik umur situs web

  • Diperkirakan banyak situs web telah hilang sejak 2013. Hilangnya situs komunitas seperti Angelfire dan Geocities sangat memengaruhi hal ini. Akan menarik jika umur situs web divisualisasikan dalam grafik.

• Masalah situs web lama

  • Ada yang kembali melihat situs web .com pertamanya yang dulu di-host di Angelfire pada era 90-an. Saat itu terasa baik-baik saja, tetapi menurut standar sekarang banyak isinya yang tidak pantas.

• Sifat sementara internet

  • Kita perlu menerima sifat internet yang pada dasarnya sementara. Jika ingin mengarsipkan sesuatu, sebaiknya buat salinan offline. Format PDF/A cocok untuk pengarsipan.

• Masalah SEO

  • Sebagian besar web saat ini dipenuhi spam SEO.

• Masalah tautan rusak

  • Ini adalah masalah besar di internet; sering kali kontennya masih ada, tetapi tautannya rusak. Sistem dua tahap seperti DOI di perpustakaan bisa membantu.

• Pentingnya lupa dan memaafkan

  • Dunia di mana segala sesuatu tersisa selamanya akan terasa mengerikan. Upaya untuk melestarikan konten yang benar-benar bernilai itu perlu, dan justru karena itu nilainya menjadi lebih tinggi.