Apa Itu sameAs Schema dan Kenapa Itu Lebih Penting dari Backlink

Aku mau cerita soal satu property di JSON-LD yang kebanyakan orang anggap cuma pelengkap. Satu baris kode yang sering dicopy-paste tanpa dipikirin. Tapi bagi aku, ini adalah sinyal paling kritis dalam seluruh arsitektur entity verification.

Namanya sameAs.

Dan kalo kamu masih mikir backlink adalah segalanya dalam SEO, aku perlu kasih perspektif yang berbeda.

Yang Sebenarnya Dilakukan sameAs

Di level paling dasar, sameAs adalah property dari Schema.org yang bilang ke mesin pencari: "URL ini merujuk ke entitas yang sama dengan yang ada di halaman ini." Bukan link biasa. Bukan backlink. Bukan endorsement. Ini adalah pernyataan identitas.

Coba bayangin kaya gini. Kamu punya KTP, SIM, paspor, dan kartu BPJS. Semua dokumen itu punya nama yang sama, foto yang (kurang lebih) sama, dan nomor identitas yang bisa di-cross-check. Ketika bank mau verifikasi identitasmu, mereka ga cuma lihat satu dokumen. Mereka cocokkan beberapa dokumen dari sumber yang berbeda.

sameAs melakukan hal yang persis sama untuk entitas digital.

Ketika aku menulis di JSON-LD bahwa Ibrahim Anwar di hibranwar.com adalah orang yang sama dengan Ibrahim Anwar di LinkedIn, di ORCID, di Google Scholar, dan di Wikidata, aku sedang memberikan Google dan AI agents sebuah peta verifikasi. Bukan sekadar "hei, ini profil sosial media aku." Tapi: "Ini semua adalah representasi dari entitas yang sama. Silakan cross-check."

Itu sinyal yang ga bisa dihasilkan oleh backlink manapun.

Kenapa Backlink Ga Bisa Menggantikan Ini

Aku ga bilang backlink ga penting. Backlink masih punya perannya. Tapi perannya berbeda secara fundamental dari apa yang dilakukan sameAs.

Backlink bilang: "Situs A merekomendasikan situs B." Itu sinyal otoritas. Sinyal popularitas. Sinyal bahwa konten di situs B cukup berharga untuk dirujuk oleh situs A.

Tapi backlink tidak bilang apa-apa soal identitas.

Backlink dari 50 situs ke hibranwar.com ga memberitahu Google bahwa Ibrahim Anwar di hibranwar.com dan Ibrahim Anwar di LinkedIn adalah manusia yang sama. Backlink ga bisa melakukan entity reconciliation. Backlink ga bisa menghubungkan profil ORCID-mu dengan website pribadimu dalam knowledge graph.

Ini bukan opini. Ini cara kerja sistem.

Google Knowledge Graph bekerja dengan prinsip entity reconciliation, proses mencocokkan multiple references ke satu entitas yang sama. Kalau Google menemukan "Ibrahim Anwar" di 15 tempat berbeda di internet, mereka perlu tahu: ini satu orang atau lima belas orang berbeda? sameAs menjawab pertanyaan itu secara eksplisit. Backlink tidak.

Bagaimana sameAs Bekerja dalam Praktek

Ini contoh implementasi yang aku pakai di hibranwar.com. Bukan template generik dari tutorial. Ini kode aktual yang sedang berjalan sekarang, disederhanakan sedikit untuk kejelasan:

{
  "@context": "https://schema.org",
  "@type": "Person",
  "@id": "https://hibranwar.com/#person",
  "name": "Ibrahim Anwar",
  "alternateName": "Hibranwar",
  "url": "https://hibranwar.com",
  "jobTitle": "Practitioner & Director",
  "description": "I design systems that scale across engineering, publishing, and search.",
  "sameAs": [
    "https://www.linkedin.com/in/hibranwar/",
    "https://orcid.org/0009-0006-0425-4923",
    "https://scholar.google.com/citations?user=XXXXX",
    "https://www.wikidata.org/wiki/Q138856145",
    "https://g.co/kgs/XXXXX",
    "https://github.com/hibranwar"
  ],
  "worksFor": [
    {
      "@type": "Organization",
      "name": "PT Witanabe Mitra Solusi",
      "url": "https://witanabe.com"
    },
    {
      "@type": "Organization",
      "name": "PT Arsindo Cipta Karya",
      "url": "https://ptarsindo.com"
    },
    {
      "@type": "Organization",
      "name": "Hibrkraft",
      "url": "https://hibrkraft.com"
    }
  ]
}

Perhatikan beberapa hal:

Pertama, @id sebagai anchor. Setiap entitas butuh identifier unik. @id berfungsi sebagai URI permanen yang bisa dirujuk dari halaman lain di situsmu. Ini seperti primary key di database. Tanpa @id, Google harus menebak apakah "Person" di halaman about dan "Person" di halaman essay adalah orang yang sama. Dengan @id, ga ada ambiguitas.

Kedua, hierarki sameAs. Ga semua URL di sameAs punya bobot yang sama. Wikidata dan Wikipedia punya bobot tertinggi karena mereka adalah sumber referensi yang Google sudah percaya secara eksplisit. LinkedIn dan ORCID berada di tier kedua, sebagai platform profesional yang terverifikasi. Profil media sosial biasa ada di tier ketiga.

Ketiga, konsistensi data. Ini yang sering orang lewatkan. sameAs bukan magic. Kalau nama di websitemu "Ibrahim Anwar" tapi di LinkedIn "Ibrahim A." dan di ORCID "I. Anwar", kamu sedang memberikan sinyal yang kontradiktif. Entity reconciliation bekerja paling baik ketika data di semua sumber konsisten. Nama yang sama, deskripsi yang selaras, afiliasi yang cocok.

Untuk detail lebih lanjut tentang implementasi JSON-LD Person schema secara menyeluruh, aku sudah menulis panduan teknis lengkap di essay tentang JSON-LD Person Schema.

Entity Reconciliation: Apa yang Sebenarnya Terjadi di Balik Layar

Aku mau jelaskan proses ini secara visual, karena ini penting untuk dipahami.

Ketika Google atau AI agent menemukan sameAs di markup-mu, yang terjadi bukan sekadar "oh, dia punya LinkedIn." Yang terjadi adalah proses reconciliation multi-langkah:

Proses ini punya beberapa tahap:

1. Crawl. Google menemukan JSON-LD di hibranwar.com yang mengandung array sameAs dengan beberapa URL.
2. Fetch. Google mengunjungi setiap URL di array sameAs dan mengekstrak data dari halaman-halaman itu.
3. Compare. Data dari semua sumber dibandingkan. Apakah nama cocok? Apakah deskripsi konsisten? Apakah afiliasi organisasi selaras?
4. Score. Berdasarkan konsistensi dan otoritas sumber, Google memberikan confidence score pada entity claim.
5. Resolve. Kalau confidence-nya cukup tinggi, semua referensi ini di-merge menjadi satu node di Knowledge Graph. Kalau tidak, entitas tetap ambiguous.

Ini persis seperti proses yang aku jelaskan di essay tentang Knowledge Graph. Knowledge Graph bukan database statis. Ia adalah sistem yang terus-menerus melakukan entity reconciliation, dan sameAs adalah sinyal input yang paling eksplisit yang bisa kamu berikan.

sameAs vs Backlink: Perbandingan Struktural

Biar lebih jelas, aku bikin tabel perbandingan langsung. Bukan untuk merendahkan backlink, tapi untuk menunjukkan bahwa mereka melayani fungsi yang berbeda secara fundamental:

Yang paling kritis dari tabel ini: kolom "Kontrol". Backlink adalah sinyal yang kamu minta dari orang lain. sameAs adalah sinyal yang kamu deklarasikan sendiri. Di dunia dimana waktu dan energi terbatas, sinyal yang bisa kamu kontrol sepenuhnya punya nilai strategis yang ga bisa di-overstate.

Kenapa AI Search Agents Peduli dengan sameAs

Ini bagian yang bikin aku paling excited. Dan ini yang bikin sameAs bukan cuma relevan untuk Google tradisional, tapi mungkin lebih relevan untuk era AI search.

ChatGPT, Perplexity, Gemini. Mereka semua butuh jawab pertanyaan tentang orang dan organisasi. "Siapa Ibrahim Anwar?" "Apa yang dilakukan Witanabe?" "Siapa yang ahli di entity infrastructure di Indonesia?"

Untuk menjawab pertanyaan kaya gitu, AI agents perlu dua hal:

1. Data yang bisa dipercaya. Bukan opini. Bukan klaim sepihak. Data yang bisa diverifikasi dari multiple sumber independen.
2. Hubungan antar data yang jelas. Bukan sekadar "ada orang bernama Ibrahim Anwar di internet." Tapi "Ibrahim Anwar di situs A adalah orang yang sama dengan Ibrahim Anwar di situs B, dan ini bisa dikonfirmasi karena keduanya terhubung secara eksplisit."

sameAs menyediakan keduanya. Ia memberikan URL yang bisa di-crawl untuk data tambahan, dan ia memberikan pernyataan eksplisit tentang hubungan identitas.

Riset dari Schema App menunjukkan bahwa halaman dengan Schema markup yang terhubung (connected Schema Markup) secara signifikan lebih mungkin muncul di AI Overviews dan jawaban AI dibandingkan halaman tanpa structured data. Studi dari Content Marketing Institute menemukan bahwa jawaban ChatGPT yang mengutip halaman terstruktur mendapat skor 30% lebih tinggi untuk akurasi dan kelengkapan ^[1].

Dan sameAs adalah koneksi paling langsung yang bisa kamu buat antara situsmu dan sumber-sumber otoritatif yang sudah dipercaya AI agents.

Kesalahan Umum dalam Implementasi sameAs

Aku sudah melihat banyak implementasi yang salah. Ini beberapa yang paling sering:

1. URL yang sudah mati

Kamu punya sameAs yang menunjuk ke profil Twitter yang sudah kamu hapus tahun lalu. Google fetch URL itu, dapat 404, dan sekarang sinyal identitasmu mengandung noise. Lebih buruk dari ga ada sameAs sama sekali, karena broken reference aktif menurunkan confidence.

Solusi: audit sameAs URLs setiap kuartal. Hapus yang sudah ga aktif.

2. Inkonsistensi nama

Di website: "Ibrahim Anwar". Di LinkedIn: "Ibrahim A." Di ORCID: "Hibranwar". Google melihat tiga referensi yang seharusnya satu orang tapi namanya beda-beda. Ini mempersulit reconciliation, bukan mempermudah.

Solusi: standarkan nama di semua platform sebelum kamu deploy sameAs. Nama yang persis sama di mana-mana.

3. Terlalu banyak URL yang ga relevan

Aku pernah lihat orang masukin 30 URL di sameAs: semua media sosial, semua direktori, bahkan forum tempat mereka pernah posting sekali. Ini bukan sinyal yang kuat. Ini noise.

Solusi: pilih 5-8 profil yang paling otoritatif dan paling aktif. Wikidata, Wikipedia (kalau ada), LinkedIn, ORCID, Google Scholar, dan mungkin 2-3 platform spesifik industri.

4. Ga ada reciprocal signal

Kamu bilang di sameAs bahwa LinkedIn-mu adalah representasi yang sama. Tapi di LinkedIn, URL website-mu ga ada. Google ga bisa melakukan two-way verification. Sinyalnya jadi one-directional, yang jauh lebih lemah.

Solusi: pastikan setiap platform yang kamu list di sameAs juga menunjuk balik ke websitemu. Ini yang disebut rel=me verification loop, dan ia bekerja berdampingan dengan sameAs untuk memperkuat sinyal identitas secara signifikan.

Hierarki sameAs: Tidak Semua URL Diciptakan Setara

Ga semua. Tapi ada hierarki yang cukup jelas berdasarkan seberapa besar Google dan AI agents mempercayai sumber tertentu.

Tier 1: Sumber referensi otoritatif (dampak tertinggi)

• Wikipedia (kalau kamu punya halaman)
• Wikidata (bisa dibuat tanpa notabilitas Wikipedia)
• Google Knowledge Graph ID (via g.co/kgs/)

Tier 2: Platform profesional terverifikasi (dampak tinggi)

• LinkedIn
• ORCID (khusus untuk peneliti dan penulis)
• Google Scholar
• Crunchbase (untuk founder/executive)
• Google Business Profile

Tier 3: Platform pendukung (dampak sedang)

• GitHub
• Twitter/X
• YouTube
• Direktori industri spesifik

Yang aku lakukan untuk profil aku sendiri: fokus di Tier 1 dan Tier 2 dulu. Wikidata entry sudah dibuat. LinkedIn sudah konsisten. ORCID sudah terhubung. Baru setelah itu aku tambahkan Tier 3 secara selektif.

Lha wong, kalo Tier 1-nya aja belum beres, ngapain sibuk sama Tier 3? Ya kan?

Bagaimana Aku Mengimplementasikan Ini untuk Tiga Perusahaan

Aku menjalankan tiga perusahaan: Witanabe (industrial engineering), Arsindo (construction), dan Hibrkraft (bookbinding). Tiga domain berbeda. Tiga audiens berbeda. Tapi satu entitas personal yang menghubungkan semuanya.

Tantangannya: bagaimana membuat Google dan AI agents mengerti bahwa Ibrahim Anwar di ketiga konteks ini adalah satu orang yang sama, tanpa mencampurkan identitas perusahaan?

Solusinya ada di arsitektur sameAs yang berlapis:

Level 1: Person entity (hibranwar.com). JSON-LD Person schema dengan sameAs menunjuk ke semua profil personal (LinkedIn, ORCID, Wikidata, dll) DAN worksFor yang menunjuk ke ketiga organisasi.

Level 2: Organization entities (witanabe.com, ptarsindo.com, hibrkraft.com). Masing-masing punya JSON-LD Organization schema dengan sameAs menunjuk ke profil organisasi mereka (Google Business Profile, LinkedIn Company Page, direktori industri). Plus founder atau employee yang menunjuk balik ke @id Person entity.

Level 3: Cross-references. Person entity punya worksFor ke Organization. Organization punya founder/employee ke Person. Ini menciptakan bidirectional graph yang sangat kuat untuk entity reconciliation.

Hasilnya? Google bisa membaca: "Ibrahim Anwar (Person, @id: hibranwar.com/#person) adalah direktur di tiga organisasi, dan klaim ini bisa diverifikasi dari website personal, website masing-masing organisasi, dan profil eksternal di platform independen."

Ini level entity verification yang ga bisa dicapai oleh berapa banyak pun backlink.

sameAs dan Knowledge Panel

Salah satu tujuan aku yang eksplisit adalah mendapatkan Google Knowledge Panel untuk "Ibrahim Anwar". Dan sameAs adalah salah satu sinyal input terpenting untuk itu.

Knowledge Panel muncul ketika Google yakin bahwa ia sudah punya cukup data terverifikasi tentang sebuah entitas untuk menampilkan ringkasan informatif. Proses verifikasinya bergantung berat pada entity reconciliation, yang persis adalah fungsi utama sameAs.

Backlink bisa membuat halamanmu ranking tinggi. Tapi Knowledge Panel bukan soal ranking halaman. Knowledge Panel adalah soal Google mengenali entitasmu sebagai sesuatu yang layak ditampilkan secara mandiri. Itu membutuhkan identitas yang jelas, bukan popularitas halaman.

Apakah sameAs saja cukup untuk Knowledge Panel? Ga. Kamu butuh corroborating evidence: liputan media, publikasi, Wikidata entry, konsistensi di seluruh web. Tapi sameAs adalah lem yang mengikat semua evidence itu menjadi satu entitas yang koheren.

Langkah Implementasi untuk Kamu

Kalo kamu baca ini dan belum punya sameAs di structured data-mu, ini langkah-langkahnya:

1. Audit profil digitalmu. List semua tempat dimana namamu atau nama bisnismu muncul online. LinkedIn, Google Business, direktori industri, ORCID, Crunchbase, dll.
2. Standarkan nama. Pastikan nama di semua platform identik. Bukan "mirip". Identik.
3. Pastikan reciprocal links. Setiap platform yang akan kamu masukkan di sameAs, pastikan platform itu juga menunjuk balik ke websitemu.
4. Tulis JSON-LD. Tambahkan sameAs array di Person atau Organization schema-mu. Prioritaskan Tier 1 dan Tier 2 dulu.
5. Deploy dan validasi. Upload, lalu test dengan Google Rich Results Test dan Schema.org Validator.
6. Jadwalkan audit berkala. Setiap 3 bulan, cek apakah semua URL di sameAs masih aktif dan datanya masih konsisten.

Ga ribet. Ga mahal. Ga butuh agency. Tapi dampaknya bisa lebih besar dari campaign link building yang kamu bayar jutaan.

Penutup: Identitas Sebelum Otoritas

Aku sudah menjalankan ini selama beberapa tahun untuk tiga perusahaan dan satu profil personal. Dan insight yang paling penting yang bisa aku bagikan adalah ini:

Di era AI search, identitas harus dibangun sebelum otoritas. Ga ada gunanya punya 1000 backlink kalau Google dan ChatGPT ga bisa memastikan bahwa kamu adalah kamu.

sameAs bukan satu-satunya sinyal identitas. Tapi ia adalah yang paling eksplisit, paling langsung, dan paling mudah diimplementasikan. Satu property. Beberapa URL. Dampak yang ga proporsional terhadap entity verification.

Ini bukan trik SEO. Ini infrastruktur identitas digital.

Yasudahlah. Silakan mulai dari Wikidata entry-mu.