Bagaimana Footlab AI menghitung prediksi sepak bolanya?
Untuk setiap pertandingan sepak bola, Footlab AI memperkirakan jumlah gol yang diharapkan dari masing-masing tim, lalu menurunkan probabilitas setiap hasil dengan model Poisson bivariat. Angka harapan ini menggabungkan enam informasi: kekuatan terbaru kedua tim yang diukur dari 40 pertandingan terakhir mereka (pertandingan enam bulan lalu berbobot separuh dari pertandingan terbaru), peringkat Elo dunia yang ditambatkan per liga, perkiraan susunan pemain inti, pemain absen yang sudah dikonfirmasi, keunggulan kandang, dan konteks pertandingan (leg kedua, waktu istirahat). Bila odds dipublikasikan untuk pertandingan tersebut, probabilitas 1X2 yang ditampilkan menggabungkan perkiraan ini dengan konsensus pasar, dan expected goals disesuaikan ulang agar tetap konsisten dengannya. Model saja, yang diuji pada pertandingan yang belum pernah dilihatnya dari liga-liga top dan kompetisi Eropa (16 Juli 2026), menebak hasil dengan benar pada 53,9% kasus, sedangkan tebakan acak di antara tiga hasil hanya menghasilkan 33,3%; kartu prediksi yang disajikan, yang menggabungkannya dengan odds, berada di level bookmaker.
Versi model: 2026-10. Perubahan fungsional terakhir pada 5 Oktober 2026: margin bookmaker dihapus dari odds dengan metode yang disebut “metode pangkat” (power method), yang tidak lagi meremehkan favorit kuat; odds juga diambil untuk kedua kalinya sesaat sebelum kick-off. Sebelumnya, pada 25 September 2026: expected goals, skor, dan pasar turunan disesuaikan ulang dengan probabilitas 1X2 yang dipublikasikan. Backtest acuan: 16 Juli 2026, 25.424 pertandingan.
Apa persisnya yang dihasilkan model untuk sebuah pertandingan?
Model menghasilkan probabilitas untuk masing-masing dari tiga hasil (tuan rumah menang, imbang, tim tamu menang), skor yang paling mungkin, serta probabilitas beberapa pasar turunan yang dihitung dari matriks skor yang sama.
- Probabilitas 1X2, yang jumlahnya selalu 100% karena cara penyusunannya.
- Skor tepat yang paling mungkin, dibaca dari matriks yang dibatasi hingga 8 gol per tim.
- Probabilitas lebih dari 2,5 gol dan probabilitas kedua tim mencetak gol.
- Probabilitas terjadinya gol sebelum turun minum, dikalibrasi pada porsi empiris sebesar 44% gol yang tercipta di babak pertama.
Mengapa probabilitas 1X2 memperhitungkan odds pasar?
Karena cara itulah yang terbukti paling akurat. Pada 19.583 pertandingan dari semua kompetisi yang memiliki odds (diukur pada 5 Oktober 2026), model saja menebak hasil yang benar pada 50,5% kasus, dan favorit bookmaker pada 52,8%. Gabungan keduanya menyamai pasar (52,7%, dengan tebakan yang sama seperti favorit pada 98,5% kasus) dan tetap jauh lebih terkalibrasi daripada model saja (skor Brier 0,583 berbanding 0,602). Jadi Footlab AI tidak mengalahkan bookmaker, melainkan sejajar dengan mereka: perbandingan lengkapnya, termasuk imbal hasil sebuah taruhan, dipublikasikan di halaman akurasi.
- Odds 1X2 berasal dari bookmaker, dihimpun oleh penyedia data kami dan diambil pertama kali sekitar sehari sebelum pertandingan, lalu sekali lagi antara 90 dan 10 menit sebelum kick-off (kartu prediksi memakai pengambilan terbaru), kemudian dirata-ratakan dan dibersihkan dari margin bookmaker dengan metode yang disebut “metode pangkat”: metode ini terutama menghapus margin dari tim non-unggulan, tempat bookmaker menaruhnya, sehingga favorit kuat tidak lagi diremehkan (pada 19.583 pertandingan, favorit yang diberi peluang 85% menang dalam 92% kasus dengan metode lama, dan 88% untuk peluang 87% dengan metode ini).
- Bobotnya dalam probabilitas yang ditampilkan berkisar antara 85% dan 95%, tergantung keyakinan model: 95% ketika model ragu. Tidak ada aturan yang memaksa kartu prediksi mengikuti pemenang versi bookmaker: ketika model tidak sependapat dengan mereka (18% pertandingan), campuran inilah yang memutuskan sendiri, dan model mempertahankan pemenangnya bila cukup yakin.
- Expected goals, skor tepat, serta probabilitas gol dan babak pertama kemudian disesuaikan ulang agar persis sesuai dengan probabilitas 1X2 tersebut. Diukur pada 16.630 pertandingan: skor tepat dan hasil babak pertama diprediksi lebih baik, tidak ada pasar yang memburuk.
- Tanpa odds yang dipublikasikan (pertandingan yang masih jauh atau kompetisi yang tidak dicakup), prediksinya murni dari model. Odds itu sendiri tidak pernah ditampilkan.
Bagaimana kekuatan sebuah tim diukur?
Kekuatan tim diperkirakan dari 40 pertandingan terakhirnya, dengan pembobotan yang memotong bobot sebuah pertandingan menjadi separuh setiap 180 hari, lalu dikoreksi menurut kualitas lawan yang dihadapi dan rata-rata kompetisinya.
- Gol yang dicetak dan kebobolan dicampur 80% dengan expected goals (xG resmi bila penyedia data menyediakannya; jika tidak, diperkirakan dari tembakan tepat sasaran dengan nilai 0,3192 gol per tembakan tepat sasaran, diukur pada 270.000 pertandingan).
- Tim dengan sedikit pertandingan terbaru ditarik ke arah rata-rata kompetisinya (regularisasi 5 pertandingan), alih-alih menampilkan kekuatan ekstrem yang diambil dari tiga pertandingan saja.
Bagaimana membandingkan dua tim yang tidak pernah saling berhadapan?
Setiap liga domestik adalah pool yang nyaris tertutup, dan pertandingan internalnya saling meniadakan: tanpa koreksi, klub terbaik Rumania dan klub terbaik Ukraina akan mendapat Elo yang sama. Karena itu Footlab AI menambahkan jangkar pool pada Elo klub, yang hanya diperbarui oleh pertandingan antar-pool.
- Rating dunia sebuah klub sama dengan Elo klubnya ditambah jangkar liganya.
- Jangkar sebuah liga hanya bergerak lewat kompetisi antarklub Eropa dan pertandingan internasional, dengan koefisien 24: peningkatan tunggal terbesar yang terukur dalam proyek ini.
- Klub wanita dan tim usia muda memiliki pool tersendiri: hasil mereka tidak menggeser jangkar liga domestik pria.
- Keunggulan kandang bernilai 60 poin Elo dalam pembaruan peringkat.
Apakah susunan pemain diperhitungkan?
Ya: sejak 9 Agustus 2026, Footlab AI memverifikasi perkiraan susunan pemain di web sebelum setiap pertandingan dan mengoreksi prediksinya berdasarkan starting eleven yang diumumkan, pengalamannya, serta rating individu para pemainnya.
- Susunan pemain yang dikonfirmasi media lebih diutamakan daripada susunan yang disimpulkan dari rotasi terbaru.
- Pengalaman starting eleven dan rating pertandingan para pemain disesuaikan dengan skala liganya sebelum dibandingkan: rating 7,2 tidak bernilai sama di semua liga.
- Pemain absen yang sudah dikonfirmasi (cedera, skorsing) mengurangi kekuatan serangan yang diharapkan dari tim yang bersangkutan.
Mengapa pertandingan antarliga yang berbeda ditangani secara terpisah?
Karena performa di liga domestik nyaris tidak terbawa: diukur lewat backtest, performa itu hanya mempertahankan 10% bobotnya pada pertandingan antarliga. Inilah pelajaran paling mahal dalam proyek ini, dan pelajaran itu dikodekan apa adanya.
- Pada pertandingan antar-pool, performa domestik terbaru diredam menjadi 10% dari bobot biasanya.
- Sebagai gantinya, selisih Elo dunia berbobot hampir tiga kali lipat dibandingkan di kompetisi liga, karena penambatan per pool membuat selisih ini benar-benar bisa dibandingkan.
- Akurasi pada segmen ini diukur secara terpisah dan terus-menerus, melalui kolom cross_pool di catatan prediksi.
Seberapa sering data model diperbarui?
Skor dipantau menit demi menit selama pertandingan, klasemen dihitung ulang setiap jam, dan data cedera serta peringkat Elo disinkronkan ulang setiap hari.
- Prediksi dihitung ulang selama kick-off belum terjadi; versi terakhir yang disajikan adalah versi yang dicatat dan dievaluasi.
- Hasil sebenarnya dibandingkan dengan prediksi paling cepat tiga jam setelah kick-off.
- Pertandingan yang ditunda atau dibatalkan tidak pernah dihitung sebagai kesalahan: pertandingan itu ditutup tanpa hasil setelah empat belas hari.
Apa saja parameter model?
Sembilan parameter di bawah ini adalah yang paling berpengaruh pada prediksi. Masing-masing ditetapkan dengan menguji serangkaian nilai pada backtest, lalu dikonfirmasi pada sampel yang lebih baru yang belum pernah dilihat model.
| Parameter | Nilai | Fungsinya |
|---|---|---|
| Waktu paruh performa | 180 hari | Pertandingan enam bulan lalu berbobot separuh dari pertandingan terbaru. |
| Regularisasi | 5 pertandingan | Tim yang jarang teramati ditarik ke arah rata-rata kompetisinya. |
| Bobot expected goals | 0,8 | Kekuatan diperkirakan 80% dari expected goals, 20% dari gol sebenarnya. |
| Koefisien penambatan pool | 24 | Kecepatan naik atau turunnya satu liga secara keseluruhan dalam peringkat dunia. |
| Keunggulan kandang (Elo) | 60 poin | Bonus yang diberikan kepada tim tuan rumah dalam pembaruan peringkat. |
| Peredaman antarliga | 0,1 | Performa domestik hanya mempertahankan 10% bobotnya di luar liganya sendiri. |
| Peredaman total gol | 0,8 | Mengoreksi kepercayaan diri berlebih yang terukur pada probabilitas ekstrem lebih dari 2,5 gol. |
| Porsi gol di babak pertama | 0,44 | Dasar perhitungan probabilitas babak pertama. |
| Bobot pasar dalam 1X2 | 0,85 hingga 0,95 | Porsi konsensus odds dalam probabilitas yang ditampilkan, bila odds dipublikasikan. Tidak pernah 1: model selalu ikut menentukan. |
Apa yang tidak dilakukan model?
Daftar ini sama pentingnya dengan daftar sebelumnya. Isinya ada dua jenis: hal-hal yang secara prinsip tidak dilakukan Footlab AI, dan hal-hal yang sudah diterapkan, diukur, dinilai tidak berguna, lalu dibiarkan bernilai nol di dalam kode.
- Tidak ada odds yang ditampilkan, tidak ada tautan afiliasi, tidak ada operator yang direkomendasikan. Odds yang dipublikasikan hanya dipakai sebagai masukan perhitungan 1X2 (lihat di atas): Footlab AI tidak pernah menampilkannya dan tidak mengarahkan ke bookmaker mana pun.
- Tidak ada data cuaca. Suhu, hujan, maupun angin tidak masuk ke dalam perhitungan.
- Tidak ada perkiraan motivasi atau kepentingan pertandingan yang dinyatakan. Pengurangan untuk “laga tanpa kepentingan” sudah diterapkan dan diuji dari 0,05 hingga 0,2: ditolak di semua bobot, dibiarkan bernilai nol.
- Tidak ada efek wasit pada hasil maupun jumlah gol. Wasit yang ditunjuk hanya masuk ke probabilitas jumlah kartu, dan hanya bila diketahui sebelum pertandingan, yaitu sekitar 3% pertandingan: untuk semua pertandingan lainnya, pasar ini tetap dihitung dari kedua tim.
- Tidak ada efek kiper yang berdiri sendiri, dan tidak ada efek absennya pemain bertahan yang berdiri sendiri. Keduanya diuji pada Juli 2026: yang pertama memperburuk hasil secara monoton, yang kedua tidak bisa dibedakan dari derau statistik. Keduanya bernilai nol.
- Tidak ada efek jadwal padat selain waktu istirahat di antara dua pertandingan. Sudah diuji, tidak ada peningkatan.
- Tidak ada koreksi tingkat hasil imbang per liga. Sudah diuji, hasilnya hanya memburuk: liga dengan banyak hasil imbang adalah liga yang jarang gol, dan hal itu sudah tercermin dalam rata-rata kompetisi.
- Tidak ada prediksi cedera, transfer, atau keputusan pelatih.
Analisis statistik berdasarkan data Footlab AI (model Poisson dikalibrasi pada lebih dari 17.000 pertandingan, digabung dengan konsensus odds yang dipublikasikan bila tersedia). Ini bukan saran taruhan.
Footlab AI (footlab.ai) adalah produk perangkat lunak independen. Tidak ada kaitannya dengan FOOTLAB World, waralaba pusat sepak bola indoor, maupun dengan Footy Labs.