JSON-LD @graph: Cara Membangun Knowledge Graph Website untuk AI Search

Apa Itu JSON-LD @graph

JSON-LD (JavaScript Object Notation for Linked Data) adalah format yang direkomendasikan Google untuk menyematkan schema markup di halaman web. Property @graph di JSON-LD memungkinkan Anda mendefinisikan multiple entities sekaligus dalam satu script block — dan menghubungkan semuanya melalui @id.

Tanpa @graph, Anda harus membuat script block terpisah untuk setiap entity. Satu block untuk Organization, block lain untuk Article, block lain lagi untuk BreadcrumbList. Masing-masing berdiri sendiri — hubungan antar entity harus diinferensikan oleh mesin pencari.

Dengan @graph, semua entities berada dalam satu container. Organization dengan @id: "#organization", Person dengan @id: "#person", Article yang mereferensikan keduanya sebagai publisher dan author — semuanya terdefinisi eksplisit dalam satu graph. Mesin pencari dan AI tidak perlu menginferensikan hubungan — semuanya sudah dinyatakan.

Kenapa ini penting untuk GEO? Karena AI search engine perlu memahami hubungan antar entitas untuk menilai authority dan trust. @graph membuat hubungan ini eksplisit dan machine-readable — mempercepat dan mempermudah AI dalam memverifikasi kredibilitas sumber di tahap reranking.

Anatomi @graph — Entity dan Hubungannya

Sebuah @graph yang lengkap untuk halaman artikel blog biasanya mengandung 4-5 entities yang saling terhubung.

Organization adalah entity root yang merepresentasikan pemilik website. Mendefinisikan nama bisnis, logo, URL, kontak, area layanan, dan sameAs ke profil sosial. Setiap halaman di website mereferensikan Organization yang sama melalui @id.

Person merepresentasikan author konten. Mendefinisikan nama, jabatan, bio, foto, worksFor yang mereferensikan Organization @id, knowsAbout yang listing area expertise, dan sameAs ke profil profesional (LinkedIn, GitHub, Medium). Seperti dibahas di artikel EEAT dan GEO, Person entity yang kuat dengan multiple sameAs memberikan sinyal trust krusial.

Article merepresentasikan konten spesifik. Mendefinisikan headline, deskripsi, tanggal publikasi dan modifikasi, author yang mereferensikan Person @id, dan publisher yang mereferensikan Organization @id. Property dateModified menjadi freshness signal yang dihargai AI.

FAQPage mendefinisikan section tanya-jawab jika halaman memilikinya. Berisi array Question-Answer pairs yang langsung bisa di-extract AI sebagai jawaban. Implementasi FAQ yang optimal untuk GEO memiliki jawaban 40-80 kata yang langsung dan fact-dense.

BreadcrumbList mendefinisikan hierarki navigasi halaman di website. Ini membantu AI memahami posisi konten dalam struktur website — apakah ini halaman utama, sub-kategori, atau artikel spesifik.

Kekuatan @graph bukan di masing-masing entity — tapi di koneksi antar entity. Article author → Person @id. Person worksFor → Organization @id. Organization founder → Person @id. Setiap koneksi membentuk edge dalam graph, dan semakin banyak edges yang valid, semakin kuat sinyal trust keseluruhan.

@id Referencing — Inti dari Knowledge Graph

@id adalah mekanisme yang menghubungkan semua entities dalam @graph menjadi satu jaringan yang koheren. Tanpa @id, entities hanyalah kumpulan data yang terpisah. Dengan @id, mereka membentuk knowledge graph.

Cara @id bekerja. Setiap entity dalam @graph memiliki @id — URL-based identifier yang unik. Entity lain bisa mereferensikan @id ini alih-alih menduplikasi informasi. Ketika Article mendefinisikan "author": {"@id": "https://example.com/blog/authors/yuda-prima-jasa#person"}, AI tahu: author artikel ini adalah Person entity yang sama yang didefinisikan di halaman author — lengkap dengan semua sameAs, knowsAbout, dan worksFor yang sudah dideklarasikan di sana.

Pattern @id yang konsisten. Gunakan konvensi yang terstandar di seluruh website. Organization: https://domain.com/#organization. Person: https://domain.com/blog/authors/[slug]#person. Website: https://domain.com/#website. Konsistensi ini memastikan semua halaman mereferensikan entity yang persis sama — bukan entity berbeda yang kebetulan mirip.

Dampak sitewide. Ketika 100 halaman artikel semuanya mereferensikan Person @id yang sama, AI mengkonsolidasi semua sinyal ke satu entity. Entity consolidation ini adalah salah satu mekanisme paling powerful untuk membangun authority — karena 100 artikel oleh satu author terverifikasi jauh lebih impactful dibanding 100 artikel oleh 100 author yang masing-masing tidak terverifikasi.

Implementasi @graph — Pendekatan Praktikal

Implementasi @graph bisa dilakukan secara manual per halaman, tapi pendekatan yang scalable adalah template-based generation dimana entity graph dibangun secara otomatis berdasarkan data halaman.

Pendekatan centralized data. Definisikan data Organization dan Person di satu tempat (misalnya file JSON atau CMS field). Setiap halaman yang di-render mengambil data dari sumber ini dan memasukkannya ke @graph secara otomatis. Ketika informasi berubah — misalnya menambah sameAs link baru — cukup update di satu tempat dan semua halaman otomatis terupdate.

Dynamic entity inclusion. Tidak semua halaman butuh semua entities. Homepage mungkin butuh Organization + Website + WebPage. Halaman artikel butuh Organization + Person + Article + BreadcrumbList + FAQPage (jika ada FAQ). Halaman author butuh Organization + Person + ProfilePage. Template yang cerdas hanya menyertakan entity yang relevan per tipe halaman.

Conditional FAQPage. Untuk halaman yang mungkin atau mungkin tidak memiliki FAQ section, implementasi parser yang mendeteksi keberadaan FAQ di konten dan secara otomatis menambahkan FAQPage entity ke @graph hanya jika FAQ ditemukan. Ini menghindari empty schema dan memastikan hanya halaman dengan FAQ aktual yang mendapat FAQPage schema.

Validasi setelah implementasi. Test @graph di Google Rich Results Test — pastikan semua entities terdeteksi dan tidak ada error. Periksa bahwa @id references resolve dengan benar dan tidak ada “dangling references” dimana @id yang direferensikan tidak didefinisikan di manapun.

Bangun Knowledge Graph yang Memperkuat AI Visibility

@graph bukan sekadar syntax — ini adalah arsitektur yang menghubungkan semua entitas digital Anda menjadi satu knowledge graph yang koheren. Semakin kuat graph-nya, semakin mudah AI memahami, mempercayai, dan mengutip konten Anda.

Jika Anda membutuhkan bantuan profesional untuk membangun knowledge graph website melalui JSON-LD @graph, jasa SEO dari Roofel mencakup implementasi structured data dan Technical SEO termasuk @graph optimization untuk AI visibility.

Pertanyaan Umum Seputar JSON-LD @graph

• Apa perbedaan JSON-LD biasa dengan JSON-LD @graph?

JSON-LD biasa mendefinisikan satu entity per script block. @graph memungkinkan multiple entities dalam satu block dengan hubungan eksplisit melalui @id. Untuk halaman yang memiliki Organization, Person, Article, dan FAQ sekaligus, @graph lebih clean dan membuat hubungan antar entity lebih jelas untuk AI search engine.

• Apakah Google mendukung @graph?

Ya — Google sepenuhnya mendukung @graph. Google Rich Results Test bisa memparse @graph dan mendeteksi semua entities di dalamnya. Banyak large websites dan CMS (WordPress, Yoast SEO) sudah menggunakan @graph secara default.

• Apakah @graph mempengaruhi page speed?

Dampaknya minimal. JSON-LD di-load sebagai inline script yang tidak blocking render. Ukuran @graph yang lengkap biasanya hanya 2-5 KB — negligible dibanding resource lain di halaman. Benefitnya untuk GEO dan SEO jauh melebihi cost performance yang hampir tidak terasa.

• Apa yang terjadi jika @id salah atau inkonsisten?

AI dan Google tidak bisa mengkonsolidasi entities. Jika Person @id di halaman A berbeda dengan Person @id di halaman B — meskipun namanya sama — Google dan AI melihatnya sebagai dua Person berbeda. Sinyal entity consolidation terpecah, authority melemah. Pastikan @id selalu konsisten di seluruh website.