PELUANG BERSYARAT DAN MEWUJUDKAN IMPIAN

Kata orang berilmu, bermimpilah yang besar. Karena mimpi besar akan membakar semangat semakin besar. Tapi berapa banyak orang bermimpi besar yang bisa mewujudkan menjadi kenyataan. Tidak banyak, kan? Bila ini dihitung dengan ilmu peluang, ibarat ada 1000 orang yang memiliki impian besar hanya 4 orang yang terwujud. Artinya peluang itu hanya 4/1000 atau 0,4%. Sungguh berat!!

Benarkah? Tunggu dulu, masih ada perhitungan peluang yang disebut dengan peluang bersyarat. Nilai peluang akan semakin besar saat anggota sampel memiliki syarat yang diperlukan. Misalkan dari 1000 orang itu, berapakah yang memperjuangkan impiannya dengan belajar pada orang yang berhasil. Sebut saja ada 500 orang. Berarti peluang impian terwujud dengan syarat mau belajar dengan orang yang berhasil adalah 4/500 atau 0,8%.

Tak cukup hanya belajar, tapi berani mencoba untuk melakukan. Bila dari 500 orang tersebut, ada 100 orang yang berani mecoba. Maka peluang agar mewujudkan impian menjadi 4/100 atau 4%, dengan syarat dia mau belajar dan mencoba.

Ah, peluang itu ternyata masih kecil, hanya 4%. Coba perhatikan lagi, dari 100 orang itu ada berapa yang mempunyai keyakinan dan percaya diri yang tinggi. Ternyata hanya ada 20 orang, berarti dengan tambahan satu syarat lagi peluang mewujudkan impian menjadi 4/20 atau 20%.

Sudah mulai kelihatan perubahan peluang mewujudkan impian dari 0,4% menjadi 20%, butuh 3 syarat. Dari 20 orang yang mengantongi ketiga syarat itu, ada berapa yang senantiasa menyertakan restu ibunya dalam setiap upaya yang dilakukan. Ternyata ada 5 orang. Maka peluang berubah menjadi 4/5 atau 80%.

Uraian ini hanyalah contoh bagaimana suatu peluang bisa berubah bila berbagai syarat terpenuhi. Selamat mencari dan memenuhi berbagai syarat itu, sehingga nilai peluang akan membumbung tinggi.

Posted in Uncategorized | Leave a comment

TEOREMA BAYES DAN HASIL PILPRES

Prabowo Jadi PresidenPada materi probabilitas terdapat satu materi dasar yang bernama probabilitas total dan banyak dikenal dengan nama teorema Bayes. Pemilu presiden putaran pertama akan digelar 9 Juli 2014. Saat ini, sudah ada 3 capres yang mengemuka yaitu Joko Widodo (Jokowi), Abu Rizal Bakrie (ARB) dan Prabowo Subiyanto.

Hasil dari Tim Pusat Data Bersatu (PDB) yang diketuai oleh Prof. Didik J. Rachbini, keterpilihan 3 capres kuat saat ini adalah 21,2% untuk Jokowi, 18,4% untuk Prabowo Subiyanto dan 9,3% untuk Abi Rizal Bakrie. Persentase ketiganya capres ini adalah 48,9% atau 51,1% melekat pada capres lainnya. Dengan asumsi hanya akan ada 3 capres dan sisa suara capres lain terbagi rata, maka tingkat keterpilihan Jokowi menjadi 38,23%, ARB 26,33% dan Prabowo menjadi 35,43%.

Terdapat 5 partai Islam (PKB, PKS, PAN, PPP, PBB) dengan total suara 31,77% berdasarkan hasil quick count. Jowoki mendekati PKB, ARB sudah mendekati PAN dan PPP, sedangkan Prabowo aktif ke arah PKS, PAN, PPP dan PBB. Data dapat dihitung bahwa pada capres Jokowi peluang mengajak parpol Islam adalah 29,7% (dihitung dari hanya PKB yang merapat ke Jokowi atau 9,43%/31,77%). Jika dari ARB, peluang merapat ke parpol Islam 44,5% dan 70,3% untuk Prabowo Subiyanto.

Hasil peluang keterpilihan capres serta peluang bersyarat merapatnya sejumlah parpol Islam ke salah satu capres, maka didapatkan irisan peluang :
Jokowi = 38,23% x 29,7% = 11,36%
ARB = 26,22% x 44,5% = 11,72%
Prabowo = 35,43% x 70,3% = 24,91%
Berarti peluang capres akan mengajak parpol Islam adalah 47,99%.

Bila parpol Islam memberikan dukungan, berapakah tingkat keterpilihan masing-masing capres? Berikut ini adalah hasil perhitungan peluang :
Jokowi = 11,36% / 47,99% = 23,7%
ARB = 11,72% / 47,99% = 24,4%
Prabowo = 24,91% / 47,99% = 51,9%

Selamat untuk bapak Prabowo Subiyanto!

Posted in Uncategorized | Leave a comment

MENGUJI PERBEDAAN RATA-RATA

Berat Sebelum dan SesudahPerbedaan pada dua kelompok atau lebih akan diuji berdasarkan parameter rata-rata. Sifat kelompok data yang diuji bisa berpasangan atau tidak berpasangan.

Bentuk yang sederhana adalah menguji beda dua rata-rata dengan menggunakan uji-t. Pada analisis ini membutuhkan syarat bahwa distribusi data mengikuti distribusi normal. Sedangkan varian pada kedua kelompok bisa bersifat homogen atau tidak homogen. Akan ada dua rumus yang berbeda untuk keperluan uji dua kelompok.

Pada uji t ini variabel bebasnya bersifat non metric (kategori) sedangkan variabel terikatnya bersifat metric (kontinyu).

Dalam kasus yang lebih luas dengan jumlah kelompok lebih dari dua apakah bersifat berpasangan atau tidak berpasangan, maka penggunaan uji t menjadi tidak efektif. Sebagai contoh apabila ada 3 kelompok yang akan dibandingkan (misal A, B dan C), maka jumlah uji t yang harus dilakukan adalah 3 kali yaitu perbandingan : A-B, A-C dan B-C. Begitu pula bila berjumlah 4 kelompok (misal A, B, C dan D), maka jumlah uji t yang harus dilakukan adalah 6 kali yaitu perbandingan : A-B, A-C, A-D, B-C, B-D dan C-D.

Perbandingan pada lebih dari dua kelompok akan menggunakan analisis varian atau lebih populer dengan sebutan ANOVA (analysis of variance). Analisis ini menguji sumber-sumber keragaman yang dapat terjelaskan oleh kelompok dibandingkan dengan sumber yang tidak dapat dijelaskan (error). Apabila sumber-sumber yang dapat terjelaskan adalah signifikan, maka dapat di interpretasikan bahwa ada perbedaan rata-rata yang signifikan pada hasil perbandingan kelompok tersebut. Pengujian statistik dalam ANOVA menggunakan uji F.

Hasil uji F yang signifikan menerangkan bahwa ada perbedaan di antara rata-rata yang ada. Hasil uji bersifat mayor, artinya tidak serta merta menyatakan bahwa antar rata-rata akan berbeda signifikan satu dengan lainnya. Sebagai contoh pada perbandingan kelompok A, B dan C akan menghasilkan 8 kemungkinan hasil yaitu :

  1. A sama dengan B, A sama dengan C, B sama dengan C
  2. A tidak sama dengan B, A sama dengan C, B sama dengan C
  3. A sama dengan B, A tidak sama dengan C, B sama dengan C
  4. A sama dengan B, A sama dengan C, B tidak sama dengan C
  5. A tidak sama dengan B, A tidak sama dengan C, B sama dengan C
  6. A tidak sama dengan B, A sama dengan C, B tidak sama dengan C
  7. A sama dengan B, A tidak sama dengan C, B tidak sama dengan C
  8. A tidak sama dengan B, A tidak sama dengan C, B tidak sama dengan C

Pada kemungkinan nomor 1 menyatakan bahwa semua pasangan perbandingan rata-rata adalah berbeda tidak signifikan. Sedangkan pada kemungkinan no 2 – 8 menyatakan bahwa ada pasangan perbandingan rata-rata yang berbeda signifikan. Sehingga apabila hasil uji F adalah signifikan, maka perlu dilakukan uji lanjutan (post hoc test) untuk mengenali karakteristik perbedaan.

PENGARUH INTERAKSI

Sumber perbedaan rata-rata pada variabel dependen bisa berasal dari satu faktor atau lebih. Pada faktor yang berjumlah dua atau lebih, didalamnya akan ada pengaruh utama dan interaksi.

Apakah interaksi itu? Interaksi diartikan sebagai kegagalan dari suatu faktor untuk menghasilkan pola pengaruh yang sama pada berbagai level faktor lainnya. Untuk memudahkan akan dicontohkan upaya seseorang untuk mengobati dirinya ketika sakit.

Terdapat dua faktor yang bisa dilakukan untuk pengobatan yaitu dengan menambah waktu beristirahat atau minum obat. Faktor A ada jumlah waktu beristirahat dengan pilihan level, ditambah 2 jam atau 4 jam dari waktu istirahat biasanya. Faktor B ada jenis obat yang dikonsumsi dengan pilihan level,  obat  herbal atau obat kimia. Variabel terikat yang diamati adalah lama waktu untuk sembuh.

Pada saat pengaruh utama dari tambahan waktu istirahat dianalisis, pengujian ini mempunyai dugaan bahwa waktu istirahat yang lebih lama akan mempercepat waktu untuk sembuh. Menguji pengaruh waktu berarti mengabaikan peran obat. Pengaruh utama dari obat-obatan mempunyai dugaan bahwa obat kimia akan mempercepat waktu untuk sembuh. Menguji pengaruh obat berarti mengabaikan peran waktu beristirahat.

Adanya pengaruh interaksi pada kedua faktor ini memberikan penjelasan bahwa perubahan kecepatan waktu untuk sembuh pada hasil perbandingan tambahan istirahat 2 jam dan 4 jam dengan mengkonsumsi obat herbal adalah berbeda bila dibandingkan dengan obat kimia.

Penggunaan obat herbal ternyata menghasilkan kecepatan waktu sembuh yang hampir sama, baik pada saat terapi tambahan istirahat 2 jam atau 4 jam. Sedangkan penggunaan obat kimia menghasilkan kecepatan waktu sembuh yang berbeda apabila dilakukan terapi tambahan istirahat 2 jam dibandingan 4 jam.

VARIABEL KOVARIAN

Mengukur perbedaan efek yang ditimbulkan seharusnya dilakukan pada kondisi yang setara kecuali efek dari perlakuan itu sendiri.  Sebagai contoh bila ingin diuji perbedaan hasil penggemukan ayam kampung pada berbagai jenis konsentrat, maka idealnya harus dieksperimenkan pada ayam-ayam yang homogen baik dari segi usia maupun berat badan. Sehingga perbedaan berat badan ayam akan djelaskan oleh jenis konsentrat.

Bagaimana apabila ketersediaan ayam-ayam ini tidak sama berat badan awalnya? Maka perubahan berat badan ayam akan dipengaruhi oleh jenis konsentrat dan berat badan awalnya. Maka berat badan awal ini disebut dengan variabel kovarian bagi berat badan akhir.

Posted in Uncategorized | Leave a comment

MENGENAL ANALISIS DISKRIMINAN

Awalnya pengguna statistika akan lebih dulu mengenal uji beda dua rata-rata yang dikerjakan dengan uji t, baik yang bersifat berpasangan atau tidak berpasangan. Pada uji t ini variabel bebasnya bersifat non metric (kategori) sedangkan variabel terikatnya bersifat metric (kontinyu).

Analisis diskriminan mempunyai sifat kebalikannya yaitu variabel bebasnya bersifat metric (kontinyu) sedangkan variabel terikatnya bersifat non metric (kategori). Secara khusus dalam analisis diskriminan tidak diperkenankan dalam variabel bebasnya ada yang bersifat non metric. Apa sih contoh dari aplikasi dari analisis diskriminan.

Meminjam uang untuk modal usaha bisa ke koperasi atau bank. Ini adalah dua pilihan yang bisa ditempuh. Mengapa seseorang memilih koperasi sebagai tempat pinjam tentu ada beberapa variabel yang dapat menjelaskan hubungan ini. Misalnya jumlah pinjaman modal (Rp), rencana pengembalian (bulan), jumlah penghasilan (Rp), lama menjalankan usaha (tahun). Ada dugaan bahwa keempat variabel ini akan menjadi penentu perbedaan pilihan.

Analisis diskriminan bisa menjawab persoalan seperti ini. Hanya saja analisis akan powerfull bila sejumlah syarat yang ada didalamnya terpenuhi. Syarat analisis ini antara lain : (1) distribusi data pada variabel bebas adalah multinormal, (2) matriks kovarian pada kedua grup adalah tidak berbeda dan (3) tidak mengandung masalah multikolinier. Apabila dalam analisis terjadi hambatan pada berbagai syarat ini, maka bisa dialihkan ke analisis regresi logistik.

Beberapa bagian penting dalam analisis diskriminan selain fungsi diskriminan itu sendiri adalah :

1. Hasil uji chi square, yang bertujuan untuk menguji apakah fungsi diskrimianan yang dihasilkan signifikan untuk membedakan grup.

2. Canonical carrelation, yaitu koefisien korelasi antara fungsi dengan grup. Hasil kuarat dari korelasi ini akan menjadi informasi kontribusi fungsi dalam menjelaskan grup.

3.Koefisien diskriminan masing-masing variabel. Tanda pada setiap koefisien menjadi penting karena akan memberikan petunjuk klasifikasi. Hasil uji signifikansi koefisien bisa dilakukan dengan mengaktifikan pilihan metode stepwise.

4. Koefisien diskriminan yang bersifat standardized. Perbandingan kekuatan pembeda antar variabel bebas ditentukan oleh koefisien ini.

5. Menghitung gruop centriod, yaitu nilai rata-rata skor diskriminan pada setiap grup. Proses pengklasifikasian tergantung pada nilai rata-rata yang ada dalam masing-masing grup.

6. Hitung keakuratan klasifikasi berdasarkan nilai hit rasio, Cpro dan Cmax. Bila hit rasio di bawah Cpro klasifikasi tergolong tidak akurat. Bila bernilai antara Cpro dan Cmax tergolong akurat, dan bila lebih dari Cmax tergolong sangat akurat.

Apabila jumlah sampel cukup besar, disarankan untuk melakukan validasi hasil anakisis dengan memecah data menjadi dua bagia. bagian pertama disebut dengan sample analysis dan bagian kedua adalah sample holdout. Komposisi pembagian data bisa 50:50, 60:40 atau 75:25.

Ebook Mutivariate Data Analysis bisa didapatkan pada link berikut :

http://en.bookfi.org/book/1251007

STC-POSTER-FB-STC-ANALISIS DISKRIMINAN

Posted in Uncategorized | 2 Comments

Validitas Pengukuran

Pada intinya validitas pengukuran memberikan gambaran mengenai seberapa jauh pengukuran yang kita lakukan itu memang mengukur sesuai yang ingin diukur. Maksudnya apakah pengukuran telah memenuhi tujuannya. Misalnya kita ingin mengukur inteligensi, maka apakah alat yang kita pakai untuk mengukur inteligensi itu memang benar-benar mengukur inteligensi bukan yang lain misalnya seperti yang dicurigai orang selama ini : kemampuan akademik. Atau jika kita ingin mengukur kecemasan, apakah alat yang kita pakai memang mengukur kecemasan bukan depresi misalnya.

Nah untuk validitas ini bisa diestimasi dengan berbagai cara. Saya akan menggunakan pengklasifikasian yang biasa dipakai di kelas yang mengacu buku-buku Saifuddin Azwar dengan sedikit modifikasi:

  1. Validitas tampang; pendekatan ini menggunakan penilaian subjektif dari subjek atau testee mengenai keabsahan tes. Tentunya metode ini hanya dapat digunakan jika tujuan alat ukur memang secara jelas dapat diketahui oleh testee. Misal tes yang digunakan di kelas untuk mengukur hasil belajar.Validitas tampang yang tinggi dapat diperoleh jika testee setuju kalau tes yang mereka kerjakan memang mengukur apa yang ingin diukur. Validitas tampang yang tinggi dapat berarti buruk pada tes atau skala yang tujuan pengetesannya sebaiknya tidak diketahui oleh subjek. Misalnya skala sikap. Jika subjek dapat mengetahui tujuan pengukuran dari melihat tes, maka kita akan meragukan hasil pengukurannya. Karena subjek memiliki kemungkinan untuk memberikan respon yang bias (tidak sesuai dengan apa yang dia alami tapi lebih pada respon yang seharusnya diberikan).
  2. Validitas Isi; pendekatan ini menggunakan kriteria berupa tabel spesifikasi yang berisi domain dari tes. Domain ini dapat berasal dari (1) teori yang mendukung konstruk yang diukur (lihat post Stop Press: Aspek, Indikator, Dimensi dan Faktor),(2) kurikulum, jika pengukuran dilakukan pada hasil prestasi belajar (3) kebutuhan yang menjadi persyaratan, ini khususnya jika pengukuran dimaksudkan sebagai alat seleksi. Dalam hal ini estimasi validitas dilakukan dengan membandingkan teori dengan tabel spesifikasi dan item yang disusun, apakah tabel spesifikasi selaras dengan teori yang mendasarinya, dan apakah item memang mengungkap aspek yang ingin diukur. Penilaian mengenai hal ini dapat dilakukan oleh penilai profesional (professional judgement). Beberapa buku menyebutnya sebagai Validitas Isi Logis .
  3. Validitas Kriteria; pendekatan ini dapat dilakukan dengan mengkorelasikan hasil tes (berupa skor) yang ingin diestimasi validitasnya dengan kriteria berupa hasil tes lain atau perilaku prediksi yang diharapkan. Misalnya kita ingin mengestimasi validitas tes inteligensi yang sudah kita susun. Kita dapat melakukannya dengan mengkorelasikan hasil tes inteligensi kita dengan hasil tes inteligensi lain yang sudah baku. Jika korelasi antara hasil tes inteligensi kita dengan yang sudah baku itu positif dan tinggi, maka dapat dikatakan tes inteligensi kita memiliki validitas yang baik. Metode ini disebut juga concurrent criterion-related validity. Atau kita juga dapat mengestimasi dengan mengkorelasikan hasil tes inteligensi kita dengan perilaku prediksi yang diharapkan, misalnya prestasi belajar siswa di sekolah. Jika hasil korelasi bernilai positif dan tinggi, maka dapat dikatakan tes inteligensi kita memiliki validitas prediktif yang baik terhadap prestasi di sekolah. Ada beberapa syarat yang perlu dipenuhi kriteria yang akan digunakan yaitu: relevan, reliabel, tidak bias, dan dapat diperoleh.
  4. Validitas Konstruk; estimasi validitas konstruk dilakukan dengan membandingkan ‘perilaku’ skor tes dengan teori yang mendasari tesnya. Misalnya dalam teori dikatakan inteligensi itu memiliki korelasi positif dengan bakat kognitif tapi tidak memiliki korelasi dengan bakat musik. Maka tes inteligensi yang kita buat dapat dikatakan memiliki validitas konstruk jika skor tesnya memiliki korelasi yang positif dengan hasil skor tes bakat kognitif dan tidak memiliki korelasi yang signifikan dengan bakat musik. Ada cukup banyak teknik yang dapat digunakan untuk mengestimasi validitas konstruk ini, misalnya dengan menggunakan Analisis Faktor atau metode Multi-Trait Multi-Method.

Estimasi validitas no 1 dan 2 dapat dilakukan tanpa menggunakan skor tes yang bersangkutan. Sementara no 3 dan 4 kita harus melakukan pengetesan untuk memperoleh skor tes untuk dikorelasikan atau dibandingkan dengan skor tes lain.

Dalam penelitian di jenjang S-1 biasanya mahasiswa tidak dituntut untuk melakukan estimasi validitas menggunakan Validitas Kriteria apalagi Validitas Konstruk. Biasanya hanya dituntut untuk melakukan estimasi dengan menggunakan pendekatan validitas tampang dan isi logis saja.http://psikologistatistik.blogspot.com/search/label/Pengukuran%20Psikologi%20dan%20Pendidikan

Posted in Uncategorized | Leave a comment

PERAN STATISTIK DALAM PENELITIAN

1. Peranan Stasistik Dalam Penyusunan Model Teoritis

Dalam usaha memecahkan masalah penelitian, mula-mula orang belum mempunyai gambaran yang jelas dan detail mengenai keadaan sesungguhnya. Berdasarkan penalaahan keputusan, apa yang dimilikinya adalah gambaran garis besar, gambaran mengenai pokok-pokonya, yang merupakan abstrak dari keadaan yang sesungguhnya.

Peneliti mengimajinasikan pokok-pokok masalah dan jalan pemecahan.

Gambaran hasil imajinasi inilah yang biasas disebutkan model teoritis penelitian itu. Dewasa ini model yang paling banyak digunakan adalah matematis, yaitu model yang menggunakan hokum-hukum matematis, yaitu model sebagai dasarnya. Model matematis ini mempunyai beberapa kelebihan jika dibandingkan dengan model non-matematis

2. Peranan Stasistik Dalam Perumusan Peranan statistik sebagai pernyataan yang menujukan pertautan antara dua variable atau lebih itu sebenarnya adalah perumusan menurut model matematis. Selanjutnya perumusan-perumusan hipotesis dalam hipotesis alternative dan hipotesis nol adalah konsep dalam statistic. Hipotesis nol dirumuskan atas dasar teoritis probabilitas. Karena itu pemahaman terhadap konsep-konsep dasar mengenai teori ini akan sangat membantu sesorang untuk merumuskan hipotesisnya secara lebih cermat.

3. Peranan Statistik Dalam Pengembangan Alat Pengambilan datacomp Sebelum seseorang menggunakan suatu alat pengambil data, dia harus mempunyai kepastian bahwa alat yang digunakannya itu mempunyai taraf reliabilitas dan taraf validitas yang diperlukan. Untuk menguji kualitas alat mengambil data itu cara yang terbaik ialah dengan menerapkan metode-metode statistic tertentu. Dan untuk tujuan ini dalam bidang statistic telah dikembangkan banyak metode atau teknik. Berbagai teknik tersebut biasa disajikan di bawah judul Reliabilitasi dan Validitas.

4. Peranan Statistika Dalam penyusuanan Rancangan Penelitian Keunggualan dan kekurangan yang terletak pada masing-masing rancangan yaitu keunggulan dan kekurangan dilihat dari sudut pertimbangan statistic. Hal demikina karan dengan cara itulah peneliti dapat mengetrahui kekuatan dan keterbatasan penelitian yang dilakukan sebagai upaya untuk mendapatkan pengetahuan yang benar mengenai masalah yang sedang ditelitinya.

5. Peranan Statistik Dalam Penentuan Sampel Penelitian

Tujuan teknik penentuan sample yaitu Agar diperoleh sample yang representative bagi populasinya. Penggunaan teknik-teknik tersebut hanya sah kalu asumsi-asumsi yang mendasarinya terpenuhi, namun tidak dapat diingakari bahwa bagian statistik ini telah banyak membantu para peneliti dakam melakukan kegiatannya.

1.Peranan Statistik Dalam pengelohan dana Analisis data•Statisitik telah membantu mengambangkan teknik-teknik untuk mengklasifikasi data dan menyajikan data yang sangat mebantu para peneliti •

Statistik juga telah mengambangakan teknik-teknik perhitungan harga-harga tertentu. •

Statistik telah mengembangakan berbagai metode untuk menguji hipotesis

http://file.upi.edu/Direktori/FIP/JUR._PEND._LUAR_SEKOLAH/194009051964031-SUTARYAT_TRISNAMANSYAH/PERAN_STATISTIK_DALAM_PENELITIAN.pdf

Posted in Uncategorized | Leave a comment

Statistik dan Sepak Bola

Dalam beberapa tahun belakangan ini kita semakin familiar dengan penerapan statistik dalam sepak bola, terutama jika kita berbicara sepak bola liga top Eropa. Preview dan review pertandingan hampir selalu mencantumkan data statistik. Mulai dari penguasaan bola rata-rata sebuah klub, shot on goal, sejarah pertemuan kedua tim yang akan bertanding, dan lainnya.

Di jejaring sosial twitter sudah semakin banyak akun yang membahas mengenai statistik dalam sepak bola. Sebut saja Opta yang mengcover semua liga top Eropa mulai dari Inggris, Spanyol, Italia, Jerman, Prancis, maupun Belanda. Masih ada pula Whoscored, Infostrada, dan lain sebagainya. Dari dalam negeri ada pula Lab Bola yang mendata pertandingan liga Eropa maupun dalam negeri. Ada pula Mengbal yang khusus mendata dan menganalisis permainan Persib Bandung. Sederhananya, statistik dan sepak bola kini semakin terkait erat.

Sebelum melangkah lebih jauh ada baiknya kita mengetahui konsep statistik maupun statistika. Jadi, statistika ini merupakan ilmu tentang pengolahan dan analisis suatu data hingga penarikan kesimpulan dari data itu. Sementara statistik adalah hasil penganalisaan data. Ada dua macam statistika. Pertama, statistika deskriptif yang berkenaan dengan deskripsi data, caranya dengan merangkum sejumlah besar informasi kuantitatif (numerik). Kedua, statistika inferensial, yang merupakan pengujian hipotesis hingga melakukan pengambilan keputusan berdasarkan analisis data.

Dengan adanya analisis data inilah, data angka bisa dipergunakan untuk memberi masukan kepada pelatih maupun pemain bagaimana untuk meningkatkan performa mereka. Sementara bagi fans sepak bola, deretan angka statistik bisa membuat kita bisa lebih memahami jalannya pertandingan maupun tetap tahu bagaimana pertandingan berlangsung meskipun tidak menyaksikannya secara langsung. Orang yang tidak menonton pertandingan antara Manchester United dengan Real Madrid bisa ikut berbicara bahwa Real Madrid lebih menguasai pertandingan karena dari ball possession dan shots on goal mereka lebih banyak.

Lantas mulai kapan statistik mulai dipergunakan dalam sepak bola? Tidak ada data resmi yang menyatakan siapa orang yang mulai mengaplikasikan ilmu statistik ke sepak bola. Namun, Valeriy Lobanovsky bisa dibilang merupakan pionir pendekatan ilmiah ini ke dalam sepak bola pada dekade 1970an ketika dirinya mengarsiteki Dynamo Kyiv dan USSR. Lobanovskiy bekerjasama dengan ilmuan dan peneliti Uni Soviet kala itu untuk melakukan pendataan performa pemain yang bertujuan merumuskan strategi, memilih pemain terbaik, memperkuat performa tim, hingga menyusun program latihan yang tepat. Berkat kejeniusannya ini, hingga kini Lobanovsky dikenang sebagai salah satu pelatih terbaik yang pernah ada dan memberi manfaat besar bagi sepak bola.

Kemudian, secara institusi, FIFA mulai memperkenalkan aplikasi teknologi dan science pasca Piala Dunia 1982 di Spanyol. Di Jerman pun mulai membangun laboratorium sepak bola pada tahun 1984. Tujuan dan caranya tidak jauh berbeda dengan yang telah dilakukan oleh Lobanovsky.

Tidak boleh dilupakan pula adalah berdirinya International Federation of Football History&Statistics (IFFHS). IFFHS ini merupakan organisasi yang diakui oleh FIFA yang bertujuan untuk mencatat sejarah-sejarah sepak bola di dunia. Organisasi ini didirikan pada 27 Maret 1984 di Leipzig, Jerman, oleh Dr. Alfredo Poge. IFFHS kini beroperasi di Bonn, Jerman. Organisasi ini pada awal berdiri hingga tahun 2002 memiliki majalah Fusball-Weltzeitschrift, Libero Spezial Deuthc, dan Libero International yang terbit setiap tiga bulan. Karena berbagai alasan majalah tidak lagi terbit dan hanya tersedia dalam versi online di website resmi IFFHS. Saat ini organisasi ini berkonsentrasi pada pemeringkatan rangking dunia klub sepak bola dari semua konfederasi. Mereka melakukan ini pertama kali pada tahun 1991 dan menerbitkan rangkingnya setiap bulan. Termasuk pula merangking pemain sepak bola.

Telah banyak pelatih dan manajer saat ini memakai statistik sebagai salah satu acuan utama untuk merumuskan strategi tim, termasuk pula melakukan belanja pemain. Arsene Wenger melihat rekam jejak Patrick Viera mulai dari Cannes ketika memutuskan mentransfernya dari AC Milan. Tanpa catatan statistik yang mengkilap, tentu jarang pelatih yang bersedia mengontrak pemain yang hanya bermain dua kali. Hasilnya, Patrick Viera menjadi pemain berpengaruh bagi Arsenal selama rentang waktu 1996-2005.

Ketika membeli Mathieu Flamini dari Olympique Marsielle yang diproyeksikan sebagai suksesor Viera, Wenger terkesan dengan rataan larinya setiap pertandingan yang mencapai 14km. Tentunya Flamini tidak hanya asal berlari, melainkan berlari ke arah yang benar untuk melakukan covering area dan bisa memainkan bola.

Guna mendukung kinerja pelatih dan jajarannya, klub pun kini sudah menjalin kerjasama dengan penyedia layanan statistik. Opta sudah bermitra dengan klub besar seperti Chelsea. Mereka menyediakan data yang dibutuhkan oleh klub sekaliber Chelsea. Pada umumnya, penyedia jasa ini memiliki cara kerja yang terdiri dari tiga hal utama, yakni pencatatan (match recorder), pengelolaan (database management), dan analisis statistik (analyzer). Klub membutuhkan data untuk memberi supply data bagi pelatih guna meracik strategi dan memantau permainan calon lawan. Pre match scout atau asisten pelatih yang membuat analisis permainan calon lawan mengisi laporannya dengan banyak data statistik.

Bagaimanapun, statistik bukanlah segalanya. Statistik hanyalah satu bagian saja dalam sepak bola untuk keperluan peningkatan performa maupun mewaspadai lawan. Sebagai contoh, pertandingan Tottenham Hotspurs melawan Newscastle United beberapa waktu lalu. Gareth Bale sebelum pertandingan itu hanya mencetak 2 dari 11 golnya musim ini di luar White Hart Line. Dengan catatan seperti itu jelas Bale tidak perlu diwaspadai, kasarnya “biarkan Bale menembak sesering mungkin pun dia sulit mencetak gol” begitu kata statistik. Namun, pertandingan berkata lain, Bale yang menembak empat kali tepat ke arah gawang, dua diantaranya menembus gawang tim tamu yang dijaga oleh Tim Krull. Bale mematahkan analisis statistik bahwa dirinya akan mandul di kandang sendiri.

Berbicara mengenai statistik memang selalu menyenangkan. Apalagi kini data semakin mudah kita peroleh di tengah era keterbukaan dan kemudahan akses seperti sekarang ini. Tinggal kini bagaimana kita pandai untuk membaca hasil statistik dan syukur-syukur bisa kita terapkan di Indonesia, tempat dimana belum banyak klub maupun timnasnya memandang serius mengenai statistik. Padahal kita pernah berjaya dengan merebut emas Sea Games Manila 1991 di bawah arahan Anatoly Polosin yang menggembleng latihan fisik keras yang dibarengi dengan pencatatan statistik setiap pemain.

 

Oleh Sirajudin Hasbi

Posted in Uncategorized | Leave a comment