Langsung ke konten

Skor PageSpeed Insights Berubah-ubah Tiap Dicek?

Oleh 7 menit baca

Beda lab data dan field data, pengaruh iklan di situs media, dan script kecil buat mengambil median dari lima kali tes.

en
Skor pagespeed Insight berubah-ubah

Skor PageSpeed Insights bisa berubah setiap kali dicek karena skor itu dihitung dari satu kali pemuatan halaman dalam simulasi, dan satu pemuatan dipengaruhi banyak hal yang gak tetap: iklan yang tampil, kecepatan server saat itu, sampai kondisi mesin penguji.

Yang lebih stabil adalah field data dari Chrome User Experience Report, karena isinya rangkuman pengalaman pengguna Chrome sungguhan selama 28 hari. Per Juni 2019, dua jenis data ini tampil berdampingan di PageSpeed Insights, dan keduanya menjawab pertanyaan yang berbeda.

Catatan Oktober 2026: tulisan ini aslinya terbit Juni 2019, jadi ada beberapa hal yang udah berubah. Sejak Maret 2024, INP resmi menggantikan FID di Core Web Vitals, dan Lighthouse versi sekarang memakai ES module, jadi require() di script median perlu diganti import. Cara berpikirnya, yaitu memisahkan lab data dari field data dan mengambil median, menurut gua tetap berlaku.

Pertanyaan ini datang ke gua hampir tiap minggu. Seseorang dari redaksi kirim screenshot ke grup: pagi skornya 38, siang 52, sore balik ke 41. "Situsnya diapain?"

Jawaban jujurnya: gak diapa-apain. Situsnya sama persis, yang berubah adalah iklan yang kebetulan tampil, server yang kebetulan lagi ramai, dan PageSpeed Insights yang kebetulan dapat giliran di mesin yang lagi sibuk.

Mirip timbangan badan di kamar mandi yang angkanya beda tergantung kakinya geser ke kiri atau ke kanan.

Di tulisan sebelumnya, PageSpeed Insights: Cara Pakai Lighthouse Biar Situs Media Gak Lemot di HP, gua membahas cara membaca hasil PageSpeed Insights dan menjalankan Lighthouse sendiri. Kali ini gua mau membahas kenapa angkanya naik turun, dan cara mengukur yang lebih adil, terutama untuk situs media yang penuh iklan.

Kenapa Skor PageSpeed Insights Bisa Beda-beda?

Karena skor performa adalah hasil satu kali uji di laboratorium, dan laboratoriumnya gak pernah benar-benar sama. Setiap kali kalian menekan tombol Analyze, PageSpeed Insights menjalankan Lighthouse di salah satu server Google, memuat halaman kalian satu kali, lalu menghitung skor dari pemuatan itu.

Ada beberapa sumber perubahan yang paling sering gua temukan.

Yang pertama dan paling besar untuk situs media adalah halamannya sendiri. Setiap kali halaman berita dimuat, sistem iklan mengadakan lelang dan bisa saja menampilkan materi iklan yang berbeda.

Satu kali dapat banner gambar ringan, kali berikutnya dapat iklan video yang membawa belasan file JavaScript. Dari sudut pandang browser, itu dua halaman yang berbeda.

Yang kedua adalah server. Waktu server menjawab permintaan pertama bisa beda jauh antara jam sepi dan jam ramai, apalagi kalau situs media sedang kebanjiran pembaca karena satu berita viral.

Lighthouse mencatatnya sebagai waktu respons server, dan semua metrik setelahnya ikut bergeser.

Yang ketiga adalah jaringan dan mesin penguji. Lighthouse memang mensimulasikan jaringan lambat dan CPU yang diperlambat, tapi simulasi itu tetap berjalan di atas mesin dan jaringan sungguhan yang kondisinya berubah-ubah.

Kalau kalian menjalankan Lighthouse di laptop sendiri, aplikasi lain yang sedang jalan juga ikut berpengaruh.

Jadi selisih 10 poin antara dua pengujian di jam yang berbeda belum tentu berarti ada yang rusak. Bisa jadi cuma beda iklan.

Lab Data vs Field Data, Mana yang Dipercaya?

Sebenernya dua-duanya bisa dipercaya, tapi buat pertanyaan yang berbeda. Field data menjawab bagaimana pengalaman pembaca sungguhan, sedangkan lab data dipakai untuk mencari tahu penyebab dan menguji perbaikan.

Field data di PageSpeed Insights berasal dari Chrome User Experience Report, atau CrUX. Isinya pengalaman pengguna Chrome yang mengizinkan statistik penggunaannya dikirim, dari berbagai HP, jaringan, dan lokasi.

PageSpeed Insights merangkum data 28 hari terakhir untuk dua metrik: First Contentful Paint, yaitu kapan teks atau gambar pertama muncul, dan First Input Delay, yaitu berapa lama browser menunda respons saat pembaca pertama kali mengetuk atau mengklik sesuatu.

Cara Google menampilkan data ini di PageSpeed Insights diumumkan waktu PageSpeed Insights mulai memakai Lighthouse.

Karena rentangnya 28 hari, field data bergerak pelan. Perbaikan yang kalian rilis hari ini baru kelihatan pengaruhnya beberapa minggu kemudian.

Itu kekurangannya, sekaligus kelebihannya: angka ini gak bisa naik turun cuma karena satu iklan berat.

Lab data adalah hasil Lighthouse. Kondisinya terkendali dan bisa diulang kapan saja, jadi cocok untuk menguji "kalau script ini diberi defer, apa yang berubah?" Tapi satu kali hasil lab gak mewakili semua pembaca kalian.

Lab data dari satu kali muat di HP simulasi dibandingkan field data dari pengguna Chrome sungguhan selama 28 hari; lab data buat mencari penyebab, field data buat tahu apa yang dialami pembaca

Oiya, field data punya satu hal yang sering bikin bingung: ada dua tingkat. Bagian pertama menunjukkan data untuk URL yang kalian tes.

Kalau URL itu belum punya cukup kunjungan, PageSpeed Insights cuma menampilkan Origin Summary, yaitu rangkuman untuk seluruh domain. Untuk situs media, halaman berita baru hampir selalu belum punya data sendiri, jadi yang kalian lihat adalah rata-rata seluruh situs.

Situs Media dan Iklan: Sumber Fluktuasi Terbesar

Kalau mau tahu seberapa besar pengaruh iklan terhadap skor, coba jalankan Lighthouse dua kali: sekali dengan iklan, sekali dengan server iklan diblokir. Lighthouse 5 punya opsi --blocked-url-patterns untuk memblokir permintaan ke alamat tertentu selama pengujian.

Bash
lighthouse https://contoh-media.com/berita/judul-berita --only-categories=performance --blocked-url-patterns="*doubleclick.net*" --view

Hasilnya biasanya cukup bikin tim iklan dan redaksi diam sejenak. Di beberapa situs yang gua pegang, perbedaannya lumayan jauh.

Bukan berarti iklannya harus dibuang, karena dari iklan itulah gaji redaksi dibayar. Tapi angka ini membantu diskusi jadi lebih jujur: berapa banyak kecepatan yang rela kita tukar dengan pendapatan, dan apakah ada cara memuat iklan yang lebih sopan, misalnya iklan di bawah layar baru dimuat saat pembaca mendekat.

Oiya, satu hal penting: hasil tanpa iklan bukan kondisi yang dialami pembaca. Itu cuma alat bantu untuk memisahkan masalah.

Kalau halaman tanpa iklan pun masih lambat, berarti ada pekerjaan rumah di kode kita sendiri.

Cara Mengukur yang Lebih Adil: Jalankan Berkali-kali, Ambil Median

Karena satu kali pengujian bisa melenceng, gua biasanya menjalankan Lighthouse beberapa kali untuk halaman yang sama, lalu mengambil nilai tengahnya atau median.

Nah median tuh lebih aman daripada rata-rata, karena satu hasil yang anjlok gara-gara iklan video gak akan narik semua angka ke bawah.

Satu hasil anjlok karena iklan berat gak menarik median ke bawah

Menjalankan Lighthouse lima kali secara manual itu membosankan, jadi gua bikin script kecil. Siapkan folder baru, lalu pasang Lighthouse dan chrome-launcher sebagai dependensi proyek.

Bash
npm init -y
npm install lighthouse chrome-launcher

Lighthouse bisa dipakai langsung dari Node.js, seperti yang dijelaskan di dokumentasi Lighthouse soal penggunaan secara programatik. chrome-launcher dipakai untuk membuka Chrome tanpa tampilan dan memberikan port-nya ke Lighthouse.

File median.js:

JavaScript
const lighthouse = require('lighthouse')
const chromeLauncher = require('chrome-launcher')

const url = process.argv[2]
const runs = Number(process.argv[3]) || 5

const median = (values) => {
  const sorted = [...values].sort((a, b) => a - b)
  const mid = Math.floor(sorted.length / 2)
  return sorted.length % 2 ? sorted[mid] : (sorted[mid - 1] + sorted[mid]) / 2
}

const audit = (lhr) => ({
  score: Math.round(lhr.categories.performance.score * 100),
  fcp: Math.round(lhr.audits['first-contentful-paint'].numericValue),
  speedIndex: Math.round(lhr.audits['speed-index'].numericValue),
  tti: Math.round(lhr.audits.interactive.numericValue),
})

async function run() {
  if (!url) {
    console.error('Pakai: node median.js https://contoh.com 5')
    process.exit(1)
  }
  const results = []
  for (let i = 1; i <= runs; i++) {
    const chrome = await chromeLauncher.launch({ chromeFlags: ['--headless'] })
    try {
      const { lhr } = await lighthouse(url, { port: chrome.port, onlyCategories: ['performance'], logLevel: 'error' })
      const result = audit(lhr)
      results.push(result)
      console.log(`Run ${i}: skor ${result.score}, FCP ${result.fcp} ms, Speed Index ${result.speedIndex} ms, TTI ${result.tti} ms`)
    } finally {
      await chrome.kill()
    }
  }
  const pick = (key) => median(results.map((result) => result[key]))
  console.log(`Median: skor ${pick('score')}, FCP ${pick('fcp')} ms, Speed Index ${pick('speedIndex')} ms, TTI ${pick('tti')} ms`)
}

run().catch((error) => {
  console.error(error.message)
  process.exit(1)
})

Cara menjalankannya:

Bash
node median.js https://contoh-media.com/berita/judul-berita 5

Script ini membuka Chrome baru untuk setiap pengujian, supaya cache dari pengujian sebelumnya gak ikut terbawa. Blok try dan finally memastikan Chrome tetap ditutup walaupun Lighthouse gagal di tengah jalan, jadi gak ada jendela Chrome yatim piatu yang diam-diam memakan RAM laptop kalian.

Selain skor, gua juga mencatat First Contentful Paint, Speed Index, dan Time to Interactive, karena skor yang sama bisa berasal dari kombinasi metrik yang sangat berbeda.

Pengujiannya sengaja dijalankan bergantian, satu per satu, bukan bersamaan. Kalau lima Chrome jalan sekaligus di laptop yang sama, mereka berebut CPU dan hasilnya malah makin kacau. Gua sudah mencoba script ini dengan Lighthouse 5.0 di Node.js 10.

Kalau Field Data Gak Muncul

Ini sering terjadi untuk situs yang masih kecil atau halaman yang baru terbit. PageSpeed Insights akan bilang datanya belum cukup, dan yang tersisa cuma lab data.

Pertama, cek dulu Origin Summary. Kalau domainnya punya cukup kunjungan, kalian tetap bisa melihat gambaran umum seluruh situs.

Kedua, CrUX juga tersedia sebagai dataset publik di BigQuery yang diperbarui setiap bulan. Dari situ kalian bisa melihat tren domain kalian bulan per bulan, dan membandingkannya dengan situs media lain.

Memang butuh sedikit SQL, tapi untuk laporan bulanan ke manajemen, grafik dari data ini jauh lebih meyakinkan daripada screenshot skor yang diambil jam sembilan pagi.

Ketiga, kalau situsnya memang belum punya data sama sekali, andalkan lab data, tapi selalu pakai median dari beberapa kali pengujian, dan uji dengan kondisi yang sama setiap kali.

Yang Sekarang Gua Laporkan ke Redaksi

Sejak menjelaskan semua ini, laporan performa yang gua kirim ke redaksi berubah. Gua gak lagi mengirim satu angka skor.

Untuk kondisi pembaca, gua pakai field data: berapa persen kunjungan yang First Contentful Paint-nya cepat, dan bagaimana trennya dibandingkan bulan lalu. Untuk pekerjaan teknis, gua pakai median Lighthouse dari lima kali pengujian, sebelum dan sesudah setiap perubahan.

Dan setiap kali ada yang kirim screenshot skor ke grup, gua cukup balas dengan satu pertanyaan: "Itu sudah dicek lima kali belum?"

Coba kalian terapkan dengan cara sederhana: ambil tiga halaman berita yang paling banyak dibaca minggu ini, jalankan script median tadi untuk masing-masing, lalu simpan hasilnya di satu tabel. Ulangi minggu depan dengan kondisi yang sama.

Dari situ kalian punya patokan yang real, bukan angka yang naik turun mengikuti iklan apa yang kebetulan tampil.

Makasih udah baca. Mungkin kalian punya cara lain yang lebih adil buat ngukur, ya walaupun buat mulai, median lima kali uji menurut gua udah cukup.

Hafidz Nc

Fractional Head of Digital

Diskusi