Gol dan Asis Cuma Menghargai Dua Sentuhan. Model Possession Value Menilai Sisanya

Model possession value adalah model apa pun yang memberi nilai peluang gol pada setiap aksi dengan bola, bukan cuma tembakan, dengan menanyakan seberapa besar aksi itu mengubah peluang tim untuk mencetak gol atau kebobolan. Istilah ini belum punya padanan baku dalam bahasa Indonesia (secara harfiah: nilai penguasaan bola), jadi nama Inggrisnya yang dipakai di sini. Expected threat, VAEP, dan On-Ball Value adalah tiga nama yang paling sering kamu temui, dan ketiganya anggota satu keluarga, bukan ide yang saling bersaing. Semuanya berangkat dari keluhan yang sama soal papan skor: gol dan asis menghargai dua sentuhan terakhir sebuah serangan dan mengabaikan semua yang memungkinkan sentuhan itu terjadi. Halaman VAEP milik KU Leuven menyebutnya blak-blakan: satu laga berisi kira-kira 1.600 aksi dengan bola, dan statistik tradisional cuma menghargai sekitar satu persennya.

Mekanisme bersamanya gampang dijelaskan. Ambil situasi permainan sebelum sebuah aksi dan sesudahnya. Perkirakan seberapa besar peluang tim yang menguasai bola mencetak gol dalam waktu dekat dari masing-masing situasi. Selisihnya adalah nilai aksi itu. Operan yang memindahkan bola dari posisi tidak berbahaya ke posisi berbahaya dapat angka positif. Operan yang menyerahkan bola di tempat yang buruk dapat angka negatif. Expected goals sudah melakukan ini untuk tembakan, dan xA menariknya selangkah ke belakang, ke operan yang menciptakan tembakan. Model possession value memperluasnya ke seluruh penguasaan bola, dan dalam versi yang lebih lengkap ke aksi bertahan yang mengakhirinya.

Expected threat adalah anggota keluarga yang paling sederhana. Ia membagi lapangan jadi kisi, menilai tiap zona dari seberapa sering penguasaan bola yang sampai ke sana kemudian berbuah gol, lalu memberi operan atau dribel kredit sebesar selisih antara zona tujuan dan zona asal. Tulisan asli Karun Singh pada 2018 memakai kisi 16 kali 12. Daya tariknya: ia cuma butuh lokasi bola, jadi bisa jalan di data event paling dasar, dan ia transparan, karena kamu bisa mencetak kisinya dan membaca nilainya. Harganya: ia tidak tahu apa-apa soal operan itu sendiri, bek di sekitarnya, atau apakah tim kini terbuka terhadap serangan balik.

VAEP, singkatan dari Valuing Actions by Estimating Probabilities, dibangun oleh Tom Decroos dan rekan-rekannya di KU Leuven dan mengambil jalur berbasis event. Alih-alih kisi, sebuah model machine learning membaca fitur dari beberapa aksi terakhir (jenis, lokasi, hasil, waktu) dan memperkirakan dua peluang untuk tim yang menguasai bola: mencetak gol dalam beberapa aksi ke depan, dan kebobolan. Nilai sebuah aksi adalah perubahan peluang mencetak gol dikurangi perubahan peluang kebobolan. Suku kedua itulah yang membuat VAEP dua arah. Intersep seorang bek dapat kredit karena menurunkan peluang kebobolan. Operan berisiko ke depan yang membuat tim terbuka bisa bernilai lebih rendah dari yang disiratkan jaraknya. VAEP butuh data event lengkap dengan jenis dan hasil aksi, dan implementasinya open source lewat library socceraction.

On-Ball Value adalah versi StatsBomb, diluncurkan September 2021. Ia berbagi logika dua arah dengan VAEP, tapi melaporkan gol untuk dan gol melawan sebagai komponen terpisah, bukan satu angka bersih, dan mengukur perubahan selisih expected goals sepanjang penguasaan bola saat ini dan berikutnya. Dua pilihan desain membedakannya. Ia dilatih dengan expected goals milik StatsBomb sendiri, bukan gol aktual, yang menurut artikel peluncurannya mengurangi noise, dan ia memberi kredit pada hampir semua jenis aksi: operan, membawa bola, dribel, sapuan, blok, serta penyelamatan dan distribusi kiper. OBV bersifat proprietary dan bergantung pada feed event StatsBomb yang lebih kaya.

Kegunaan ketiganya adalah menilai pemain di luar gol dan asis. Gelandang pembawa bola yang tidak pernah mencatat asis, bek tengah yang umpan diagonal panjangnya memulai serangan, kiper yang distribusinya meluncurkan serangan balik: semuanya menghasilkan nilai yang luput dari papan skor dan tertangkap model ini. Analis menjumlahkan nilai aksi seorang pemain sepanjang musim, menyatakannya per 90 menit, lalu memilahnya per jenis aksi untuk membangun profil. Bandingkan dengan packing, yang menghitung berapa bek yang dilewati sebuah operan tapi tidak pernah mengubahnya jadi peluang gol. Possession value adalah langkah dari "berapa bek yang dilewati operan ini" ke "seberapa dekat operan ini membawa kita ke gol".

Model-model ini tidak selalu sepakat, dan perbedaannya mendidik. Dalam perbandingan xT dan VAEP yang dipublikasikan, kelompok KU Leuven menunjukkan bahwa dribel pendek di dalam kotak penalti yang tetap berada di satu zona kisi mendapat nol xT, karena nilai zonanya tidak berubah, sementara VAEP memberinya kredit karena situasi permainannya membaik. Operan yang merebut kembali penguasaan bola dalam serangan balik dinilai jauh lebih tinggi oleh VAEP, yang tahu konteks terbarunya. Dijalankan untuk satu musim penuh, kedua model menghasilkan daftar pemain terbaik yang berbeda: xT condong ke playmaker kreatif, VAEP ke pencetak gol.

Batasnya nyata. Pergerakan tanpa bola tidak terlihat: lari yang menyeret bek keluar posisi dan membuka jalur operan tidak dapat apa-apa, dan si pengoper mengantongi semuanya. Data latih, jendela pandang ke depan, dan kumpulan fitur yang berbeda membuat dua penyedia data memeringkat pemain yang sama secara berbeda, dan tidak ada yang salah. Konteksnya tipis: kebanyakan model publik tidak tahu skor, menit, kualitas lawan, atau apakah zona itu dijaga blok rendah atau garis tinggi. Dan angka per aksinya kecil sekali, sehingga total semusim cuma setara nilai beberapa gol, dasar yang penuh noise untuk keputusan transfer. Perlakukan hasilnya sebagai lensa untuk melihat kontribusi, bukan vonis.

Apa bedanya xT dan VAEP?

xT cuma menilai di mana bola berada. Ia membaca lapangan sebagai kisi, memberi aksi kredit sebesar selisih dua nilai zona, dan mengabaikan jenis aksi, event sebelumnya, dan risiko bertahan apa pun. VAEP menilai seluruh situasi permainan. Ia memakai beberapa aksi terakhir sebagai input, memperkirakan peluang mencetak gol dan kebobolan secara terpisah, dan menghargai aksi bertahan sama seperti aksi menyerang. Praktiknya, xT lebih gampang dihitung, lebih gampang dijelaskan, dan bisa dipakai di data dasar, sedangkan VAEP lebih lengkap dan lebih peka konteks tapi lebih sulit ditafsirkan. Keduanya menghasilkan peringkat yang masuk akal, dan paling sering berbeda soal operan ke belakang, perebutan bola dalam serangan balik, dan pergerakan pendek di dalam kotak penalti.