Analisis Olahraga: Saat Data Salah

Analitik olahraga telah menjadi topik perdebatan hangat di dunia olahraga, dengan pelatih dan manajer bersumpah demi mereka atau tetap skeptis tentang nilainya. Inti dari analitik olahraga adalah proses penggunaan data untuk mendapatkan wawasan tentang performa olahraga, mulai dari melacak rata-rata pukulan pemain hingga menganalisis keefektifan strategi pertahanan tim. Dengan teknologi pelacakan khusus olahraga canggih, pengumpulan dan analisis data menjadi lebih mudah dari sebelumnya, yang mengarah ke lonjakan penggunaan analitik olahraga.

Namun, tidak semua orang yakin akan nilainya. Kritikus berpendapat bahwa analitik olahraga menciptakan ketergantungan yang berlebihan pada data, membuat organisasi mengabaikan aspek tidak berwujud dari permainan yang tidak mudah diukur. Kondisi mental, cedera, dan saraf pemain semuanya dapat berdampak signifikan pada performa mereka, yang tidak dapat diukur secara akurat hanya dengan data. Jadi, pertanyaannya tetap: apakah analitik menceritakan keseluruhan cerita?

Insiden Blake Snell selama Seri Dunia 2020 adalah contoh utama analitik yang salah. Snell melakukan permainan yang bagus tetapi ditarik oleh pelatih berdasarkan analitik yang menunjukkan bahwa dia akan kehilangan keefektifannya saat dia menghadapi barisan batting lawan untuk ketiga kalinya. Langkah tersebut dikritik secara luas, dan banyak yang berpendapat bahwa adalah kesalahan untuk hanya mengandalkan analitik dalam situasi tekanan tinggi seperti itu.

Namun, situasi ini menyoroti bahwa analitik olahraga hanyalah salah satu alat dalam gudang pelatih atau manajer. Mereka tidak dapat diandalkan sepenuhnya, dan mereka bukan pengganti pengalaman dan pengetahuan olahraga yang dibangun selama dedikasi seumur hidup untuk permainan. Sebagai penggemar, kami mengagumi tokoh-tokoh dalam sejarah olahraga yang terkenal dengan keputusannya yang berani, pertaruhan yang ambisius, dan pembangkangan dalam menghadapi peluang yang tidak dapat diatasi. Sayangnya, apa yang ditunjukkan oleh data adalah bahwa pelatih yang bisa menang secara konsisten menggunakan insting mereka sangat sedikit dan jarang.

Terlepas dari argumen yang sah tentang keputusan untuk menarik Snell, strategi Tampa Bay Rays untuk musim ini sukses mutlak. The Rays memiliki salah satu gaji terendah di liga tetapi masih berhasil memenangkan divisi mereka dengan tujuh pertandingan dan mengalahkan tim dengan pengeluaran lebih tinggi seperti Yankees dan Astros di babak playoff. Mereka bahkan mendorong Los Angeles Dodgers, pembelanja tertinggi kedua di liga, menjadi enam pertandingan di Seri Dunia. Bagaimanapun, strategi jangka panjang mereka yang dimainkan selama musim 2020 adalah strategi yang tepat.

Namun, musim yang baik dianggap gagal jika tidak berakhir dengan kejuaraan, dan sentimen tentang musim yang diperjuangkan dengan baik tidak membantu penggemar Tampa Bay Rays kecewa dengan kekalahan tim mereka. Secara berlawanan, jawaban atas apa yang seharusnya dilakukan Rays di Seri Dunia 2020 mungkin menggunakan lebih banyak data, bukan lebih sedikit.

Dalam konferensi pers pascapertandingannya, manajer Kevin Cash mengutip fakta bahwa Snell akan menghadapi perintah Dodger untuk ketiga kalinya. Di dunia analitik, ada penurunan yang signifikan dalam keefektifan pelempar selama ketiga kalinya melalui pesanan, dan Cash membuat keputusan untuk mengeluarkan Snell dari permainan. Namun, keputusan ini dibuat tanpa memperhitungkan data dari game yang dimainkan saat itu. Data jangka pendek itu penting, terkadang bahkan lebih penting daripada data jangka panjang, dan konsep ini dikenal sebagai pemulusan eksponensial. Pada dasarnya, pemulusan eksponensial memberi bobot data terbaru lebih dari data lama demi pengambilan keputusan. Dalam permainan yang harus dimenangkan, fakta bahwa Snell telah menyerang tiga pemukul yang akan datang sebanyak empat kali dalam permainan itu relevan dan seharusnya dimasukkan dalam analisis Cash.

Pada akhirnya, tidak ada cara untuk mengetahui apa yang akan terjadi jika Rays membuat keputusan berbeda di Seri Dunia 2020. Namun, kesimpulan apa pun yang menunjukkan bahwa analitik yang harus disalahkan belum menghabiskan cukup waktu dengan masalah ini. Secepat analitik berkembang, dunia olahraga perlu mempelajari cara menggunakannya. Alat yang kami miliki hanya sebaik yang kami tahu cara menggunakannya. Dengan data yang bagus, datanglah tanggung jawab yang besar.