Prediksi Skor Sepak Bola: Anda atau Komputer yang lebih Akurat?

Bagi para penggemar sepak bola, tentunya sudah terbiasa dengan urusan tebak-tebakan skor. Terlebih jika yang bertanding adalah tim kesayangannya. Menarik sekali jika melihat sebuah berita yang sempat menghebohkan penggemar sepak bola beberapa waktu lalu pada saat Piala Dunia 2010, dimana seekor gurita yang diberi nama Paul disebut-sebut memiliki kemampuan untuk meramal siapa pemenang dari sebuah pertandingan sepak bola. Pada Oktober 2010, Paul memprediksi bahwa Jerman akan keluar sebagai pemenang dalam laga memperebutkan juara ketiga pada Piala Dunia 2010 melawan Uruguay. Paul melakukan prediksinya dengan cara memilih salah satu dari dua makanan yang disediakan di dalam dua buah wadah yang di bagian depannya masing-masing ditempeli bendera dari negara yang bertanding saat itu. Faktanya, pada pertandingan tersebut Jerman benar-benar keluar sebagai pemenang atas Uruguay dengan skor akhir 3-2. Terlepas dari bagaimana cara yang dilakukan oleh Paul, orang-orang cukup dibuat kagum dengan kemampuannya tersebut.

Gambar 1. Gurita Paul menebak pemenang Piala Dunia 2010 antara Jerman melawan Uruguay.

(Sumber: http://bola.metrotvnews.com)

Tapi kita tidak sedang membicarakan rahasia di balik kemampuan unik si Gurita Paul ini. Pada artikel ini, kita akan mengupas mengenai sebuah teknologi komputer yang mampu memprediksi skor akhir dari sebuah pertandingan sepak bola dengan tingkat akurasi yang tinggi. Bagi Anda yang merasa jago dalam menebak skor akhir pertandingan, mungkin suatu waktu nanti perlu adu keahlian dengan sistem yang dibuat oleh mahasiswa S2 (master student) dari Chalmers University of Technology, Swedia ini.

Daniel Pettersson dan Robert Nyquist adalah dua nama yang ada di balik pengembangan sistem komputer cerdas yang diklaim mampu memprediksi dengan cukup akurat skor akhir dari sebuah liga sepak bola. Lewat tesis S2 yang berjudul “Football Match Prediction using Deep Learning”, mereka berdua berhasil menerapkan teknik Machine Learning (ML), yakni salah satu disiplin ilmu di dalam bidang Kecerdasan Buatan atau Artificial Intelligence (AI) yang memiliki kemampuan untuk mengenali pola dari suatu data, sehingga mampu mengambil keputusan berdasarkan pola data yang ia baca. Ibarat manusia, seseorang biasanya dapat menebak skor akhir pertandingan dengan tepat berdasarkan pola-pola permainan yang disuguhkan oleh tiap tim yang bertanding. Pola-pola permainan tersebut mampu ia kenali setelah sekian lama menyaksikan berbagai macam pertandingan sepak bola, sehingga pola-pola permainan dari tiap tim terekam dengan baik dalam jaringan syaraf otaknya. Berbekal rekaman inilah, lama kelamaan dia mampu melakukan “inferensi” untuk memprediksi tim mana yang akan keluar sebagai pemenang dari suatu laga.

Lebih lanjut lagi, pada tesis tersebut, mereka menggunakan model bernama Long Short-Term Memory (LSTM) yang merupakan salah satu varian dari teknik Deep Learning (DL) yang tidak lain adalah sub bagian dari teknik ML. DL sendiri memiliki kemampuan komputasi menyerupai jaringan syaraf pada otak manusia sehingga memiliki kemampuan untuk mengenali pola suatu data. Bagi pembaca yang bingung dengan hieararki tersebut, dapat melihat deskripsi pada gambar 2 di bawah ini.

Gambar 2. Hierarki disiplin ilmu di dalam bidang Artificial Intelligence (AI)

Secara sederhana, model DL menyerupai susunan jaringan syaraf otak manusia yang terdiri dari banyak sel yang saling berhubungan satu sama lain melalui axon yang berfungsi mentransfer impuls berupa rangsangan dari satu sel ke sel lainnya. Perbandingan model DL dengan jaringan syaraf manusia dapat dilihat pada gambar 3 di bawah ini.

Gambar 3. Perbandingan model Deep Learning (DL) dengan jaringan syaraf manusia.

Sumber: http://cs231n.github.io/neural-networks-1/

Lalu, bagaimana cara DL, khususnya LSTM tersebut mampu memprediksi kemenangan suatu tim sepak bola?

Pertama, sebagaimana manusia, komputer (LSTM) diberi pengetahuan berupa sejumlah data histori dari pertandingan-pertandingan yang sudah lalu. Semakin banyak data histori yang dipakai, maka kemampuan sistem cenderung semakin baik. Adapun data histori tersebut memiliki beberapa atribut, yakni komposisi pemain (KP), pelatih tim (PT), formasi tim (FT), pencetak goal (PG), pemain yang berpotensi memberi assist (PA), pemain yang menerima kartu kuning dan merah (PK), pemain yang disubstitusi (PS), dan data penalti (PL). Pada tahap ini, komputer (LSTM) akan mempelajari (learning) semua pola data histori berulang kali sampai dia mampu “memahami” pola data tersebut satu per satu dengan baik.

Gambar 4. Sejumlah data histori diinputkan ke dalam LSTM untuk dipelajari polanya.

Kedua, setelah LSTM berhasil “merekam” pola data yang sudah diberikan kepadanya, maka berikutnya sistem ini siap untuk dipakai atau diujikan pada data baru yang belum pernah dia “lihat” sebelumnya. Pada penelitian yang dilakukan oleh Daniel Pettersson dan Robert Nyquist, sistem yang mereka rancang berhasil memprediksi skor akhir pada 35.234 pertandingan sepak bola dari sejumlah liga dari tahun 2015 hingga 2017 dengan tingkat akurasi prediksi yakni 98.63%. Artinya, dari 100 pertandingan, sistem hanya salah memprediksi 1 atau 2 pertandingan saja. Bukankah ini adalah sebuah prediksi yang sangat akurat? Lalu, seberapa akurat prediksi skor yang Anda lakukan?

Di masa depan, komputer dapat digunakan untuk mengoptimalkan strategi permainan pada tim sepak bola yang akan bertanding sehingga kemenangan dapat mudah diraih. Mari kita lihat, apakah di masa depan AI akan benar-benar memberikan pengaruh positif bagi dunia sepak bola ataukah hanya akan berhenti pada riset belaka?

Referensi:

  • Pettersson, D., dan Nyquist, R. 2017. Football Match Prediction using Deep Learning. Master Thesis in Computer Science, Chalmers University of Technology, Swedia. Available online: http://publications.lib.chalmers.se/records/fulltext/250411/250411.pdf
Nilai Artikel Ini
Artikel Berhubungan:

Sponsor Warstek.com:
Warung Sains Teknologi

Warstek Media

Warung Sains Teknologi (Warstek) adalah media SAINS POPULER yang dibuat untuk seluruh masyarakat Indonesia baik kalangan akademisi, masyarakat sipil, atau industri. Sampai saat ini, sains dan teknologi berkesan ekslusif yang hanya ada di laboratorium dan tidak mampu secara langsung berdampak kepada masyarakat. Akibatnya masyarakat, pemerintah dan industri tidak menjadikan sains sebagai sarana mengatasi permasalahan atau membuat kebijakan. Untuk itu, warstek hadir untuk menjawab tantangan tersebut.

Yuk Ajukan Pertanyaaan atau Komentar