Memperkenalkan Tools Fixture Ticker dan Score Prediction Matrix

Sebagian dari pembaca mungkin sudah tentang tools terbaru KOFPLI yaitu Fixture Ticker dan Score Prediction Matrix yang memberikan proyeksi gol dan kebobolan setiap tim di liga inggris, mulai dari GW depan hingga akhir musim.

Disini saya akan mencoba menjelaskan darimana sih angka-angka ini berasal? Data dan proses kalkulasi apa yang digunakan untuk mendapatkan proyeksi-proyeksi ini.

Prediksi Skor: di belakang layar

Data prediksi skor di Fixture Ticker dan Score Prediction Matrix berasal dari model Soccer Power Index (SPI) yang di publikasi oleh FiveThirtyEight.com. SPI dibuat oleh editor-in-chief FiveThirtyEight Nate Silver pada tahun 2009 untuk membuat ranking antar tim nasional untuk dipublikasi oleh ESPN.

Kini SPI sudah mengintegrasikan data klub sepakbola dari berbagai liga dan data hasil pertandingan mulai dari tahun 1888 (dengan total lebih dari 550,000 pertandingan).

Apa itu SPI?

Pada dasarnya Soccer Power Index (SPI) adalah estimasi kekuatan tim secara keseluruhan. Dalam sistem SPI, setiap tim memiliki rating offensive dan defensive.

Rating offensive merepresentasikan berapa banyak gol yang bisa dicetak tim tersebut jika melawan tim rata-rata di lapangan netral. Sedangkan rating defensive merepresentasikan berapa banyak tim tersebut bisa kebobolan gol melawan melawan tim rata-rata di lapangan netral.

Dari kedua rating ini, didapatkan rating overall dari sebuah tim.

Di awal musim, rating SPI sebuah tim diukur berdasarkan 2 faktor: rating SPI tim tersebut di akhir musim sebelumnya, dan total harga pemain dalam tim menurut TransferMarkt. Hal ini dikarenakan adanya korelasi positif antara total harga pemain dengan performa tim di akhir musim (semakin mahal tim di awal musim, performa tim di akhir musim cenderung semakin bagus).

Kalkulasi rating SPI sebuah tim di awal musim/preseason

Lalu selama musim berjalan, rating SPI setiap tim akan berubah setiap selesai bertanding. Berbeda dengan rating ELO (seperti pada catur), rating SPI sebuah tim belum tentu naik jika menang; jika tim tersebut menang tapi performa di lapangan nya dibawah ekspektasi, rating SPI nya bisa turun.

Performa di Lapangan?

Apa yang dimaksud dengan performa di lapangan? Seperti yang kita semua tahu, gol adalah suatu kejadian yang langka dalam pertandingan sepak bola. Dan ada kalanya skor akhir tidak merepresentasikan performa kedua tim di lapangan.

Untuk bisa melihat performa sesungguhnya dari sebuah tim dalam sebuah pertandingan, dan mengurangi efek randomness, FiveThirtyEight menggunakan 3 metrik untuk mengukur performa tim setelah pertandingan untuk melakukan revisi ke rating SPI nya:

Metrik 1: Adjusted Goals

Sesuai dengan namanya, disini skor sebuah pertandingan akan diberikan bobot sesuai dengan keadaan di lapangan

  • Jika gol tersebut terjadi ketika lawan hanya memiliki 10 pemain atau kurang, maka gol tersebut akan diberikan bobot lebih kecil, yaitu 0.8
  • Jika gol terjadi di menit akhir (terutama diatas menit 70) dan tim yang menetak gol memang sudah memimpin pertandingan sebelumnya. Co: Gol ke 5 dari kemenangan 5-0 memiliki bobot lebih rendah (sekitar 0.5) dibandingkan gol pertama.
  • Sebaliknya gol pertama di awal pertandingan bisa memiliki bobot lebih besar dari 1

Metrik 2: Shot-Based Expected Goals

Disini performa sebuah tim diukur dari Shot-Based Expected Goals. Shot-Based Expected Goals adalah estimasi berapa banyak gol yang “seharusnya” bisa dicetak tim tersebut berdasarkan tendangan yang dilakukan. Setiap tendangan yang dilakukan diberikan nilai probabilitas berdasarkan posisi tendangan, sudut tendangan, bagian badan yang digunakan dan siapa yang melakukan tendangan tersebut. Inilah yang disebut dengan xG

Metrik 3: Non-Shot Expected Goals

Untuk metrik terakhir, Non-Shot Expected goals adalah estimasi berapa banyak gol yang “seharusnya” bisa dicetak tim tersebut berdasarkan aksi selain tendangan selama pertandingan di wilayah sekitar gawang lawan.

Aksi yang disorot disini adalah:

  • Passing
  • Interception
  • Take-ons
  • Tackles

di sekitar kotak penalti lawan.

Sebagai contoh, berdasarkan data ribuan pertandingan sebelumnya interception di daerah penalti lawan berujung menjadi gol di 9% (0.09) kejadian, dan passing yang berhasil diterima di dalam kotak penalti dalam 14% (0.14) kejadian berujung kepada Gol.

Nilai % dari aksi-aksi ini akan di total di akhir pertandingan menjadi Non-shot expected goals


Nah dari ketiga metrik ini FiveThirtyEight bisa mendapatkan gambaran performa kedua tim yang lebih akurat dibandingkan jika hanya melihat dari skor akhir saja.

Hasil pertandingan Everton vs City pada Januari 2017

Coba kita ambil contoh pertandingan antara Everton dan Manchester City pada Januari 2017. Di atas kertas, Everton berhasil mengalahkan City 4-0, namun jika kita lihat dari tiga metrik diatas, performa kedua tim tidak sepenuhnya sesuai dengan skor akhir. Dua gol Everton dicetak setelah menit 70, dimana Everton sudah unggul 2-0. Everton pun hanya berhasil melakukan 6 tendangan, dari sisi Shot-based xG Everton seharusnya hanya akan berhasil mencetak 0.4 gol secara rata-rata (jika pertandingan diulang lagi dengan keadaan yang sama). City juga dinilai memiliki performa jauh lebih baik dari aksi-aksi non-tendangan jika dilihat dari Non-shot xG.

Dari ketiga metrik ini, FiveThirtyEight mengukur skor “sebenarnya” dari pertandingan ini adalah 1.53-1.13. Everton tetap menang, tapi jauh lebih tipis dibandingkan skor 4-0 di atas kertas.

Skor “sebenarnya” ini lah yang digunakan untuk merevisi rating SPI Everton dan City setelah pertandingan ini.

Dari Rating SPI menjadi proyeksi gol

Oke jadi sekarang kita sudah tahu darimana FiveThirtyEight mengukur kekuatan setiap tim. Selanjutnya bagaimana rating ini bisa digunakan untuk mengukur proyeksi gol dari dua tim yang akan bertanding melawan satu sama lain?

Jadi proyeksi jumlah gol yang dicetak sebenarnya merepresentasikan berapa jumlah gol minimal yang perlu dicetak tim tersebut agar rating offensive nya tidak berubah. Kemudian jumlah gol ini disesuaikan lagi dengan home-advantage dan importance dari pertandingan tersebut untuk kedua tim.

Importance yang dimaksud disini adalah ukuran bagaimana hasil pertandingan tersebut akan mempengaruhi posisi kedua tim di akhir musim di kompetisi tersebut, dalam kasus FPL artinya seberapa penting pertandingan tersebut terhadap posisi klasemen tim di akhir musim. Untuk beberapa tim, sebuah pertandingan mungkin akan menentukan apakah tim tersebut akan direlegasi atau selamat, atau menentukan apakah tim tersebut akan mendapatkan spot Liga Champions.

Dari proses inilah didapatkan proyeksi skor dibawah:

Proyeksi Gol setiap tim
Proyeksi Kebobolan setiap tim

Matrix Skor

Dari proyeksi skor ini, kita juga bisa mendapatkan probabilitas skor dari suatu pertandingan antar kedua tim dalam bentuk matriks seperti yang bisa dilihat di KOFPLI Tools Score Prediction Matrix

Score Prediction Matrix

Untuk mendapatkan matriks ini, kita mengasumsikan bahwa gol dalam sebuah pertandingan sepakbola mengikuti model distribusi Poisson.

Misal dalam pertandingan NEW vs CHE mendatang, NEW diproyeksi mencetak 0.91 gol dan CHE diproyeksi mencetak 1.97 gol. Dengan rumus model Poisson, kita bisa mendapatkan probabilitas masing-masing tim mencetak n-gol (0,1,2,3,4,5+)

Dari kedua distribusi Poisson ini, kita bisa mendapatkan matrix untuk semua kemungkinan hasil pertandingan seperti berikut:

Rotasi Tim

Dengan menggunakan proyeksi gol dan kebobolan dari FiveThirtyEight, KOFPLI mengambil inspirasi dari FPL Poker Table karya BarColeyna untuk memvisualisasi tim mana yang perlu dipertimbangkan pemainnya untuk ada di tim FPL anda berdasarkan proyeksi gol untuk penyerang dan proyeksi kebobolan untuk pemain bertahan.

Start a Conversation

Your email address will not be published. Required fields are marked *