VAEP Football Analytics: Panduan Lengkap untuk Menilai Setiap Aksi

Bayangkan seorang gelandang yang hampir tidak pernah muncul di catatan skor. Tidak ada gol, hanya beberapa assist sepanjang musim. Tapi lihatlah dengan saksama, dan dia adalah orang yang membuat keputusan tepat di bawah tekanan, lagi dan lagi: intersep yang mematahkan serangan balik, umpan yang membelah barisan empat bek, atau tackle di tepi kotak penalti yang membunuh peluang sebelum dimulai.

Statistik tradisional mengabaikannya, dan pasar taruhan sering kali melakukan hal yang sama. Namun, kerja kerasnya adalah jenis yang menentukan kemenangan dan kekalahan pertandingan, dan itu bernilai uang nyata bagi para bettor yang tahu di mana harus melihat.

Di sinilah VAEP (Valuing Actions by Estimating Probabilities) masuk. Alih-alih menghitung gol, assist, atau bahkan expected goals, ia memberi angka pada setiap aksi dengan bola, berdasarkan seberapa besar aksi tersebut menggeser peluang mencetak gol atau kebobolan. Jika Anda peduli tentang analitik sepak bola, ini adalah salah satu cara paling rapi untuk melihat apa yang disembunyikan oleh papan skor.

Di bawah ini kami menjelaskan cara kerjanya, bagaimana ia dibandingkan dengan xG dan xT, dan di mana kami pikir ia bisa mengasah taruhan Anda.

VAEP dikembangkan oleh peneliti di KU Leuven, Belgia, bekerja sama dengan SciSports, dan diuraikan dalam paper tahun 2019 Actions Speak Louder Than Goals. Ide di baliknya sangat sederhana: seberapa besar satu aksi ini mengubah jalannya pertandingan?

Model machine learning mengamati setiap umpan, tackle, dribel, clearance, dan tendangan, lalu memberikan nilai untuk masing-masing yang dibangun dari dua probabilitas: peluang tim mencetak gol dalam 10 aksi berikutnya, dan peluang kebobolan dalam jendela waktu yang sama. Perubahan pada masing-masing probabilitas, sebelum dan setelah aksi tersebut, itulah yang tersisa.

Fokus ganda ini yang membedakan VAEP dari metrik analitik sepak bola yang lebih sederhana. VAEP memberi kredit untuk kontribusi menyerang (meningkatkan peluang mencetak gol) dan kontribusi bertahan (memotong peluang kebobolan) dalam satu angka. Bagi para bettor, ini berarti ada kredit untuk para pemain yang kerja terbaik mereka tidak pernah masuk dalam laporan pertandingan.

Gol dan assist punya titik buta seluas lapangan. Seorang bek bisa mendominasi pertandingan tanpa pernah menyentuh skor, dan seorang gelandang bisa mengontrol permainan tanpa satu pun statistik utama yang tercatat atas namanya.

Bahkan expected goals (xG), metrik lanjutan paling terkenal dalam olahraga ini, hanya menilai tendangan. Bek tengah dengan lima intersep krusial, playmaker yang umpannya membelah pertahanan tapi sedikit meleset dari sasaran, winger yang pressing-nya memaksa lawan melakukan kesalahan demi kesalahan: semua itu tidak tercatat dalam xG.

VAEP menilai semua yang dilacak oleh data event modern: umpan dan crossing, dribel dan carry, tackle dan intersep, clearance dan recovery, pelanggaran dan bola yang hilang, plus tendangan dan assist. Riset asli berargumen bahwa hal ini menangkap informasi yang terlewat oleh statistik pemain konvensional, dan itulah mengapa VAEP berguna untuk menemukan titik buta di pasar. Namun, ini tetap satu model dengan asumsi sendiri, jadi jika Anda sedang mengerjakan model taruhan olahraga, perlakukan VAEP sebagai satu input di antara beberapa lainnya.

Ini melibatkan matematika dengan machine learning yang cukup berat, tetapi konsepnya mudah dipahami.

Dua klasifikasi gradient-boosted, yang dilatih pada data pertandingan historis, melakukan pekerjaannya. Satu memprediksi peluang mencetak gol dalam 10 aksi berikutnya; yang lain memprediksi peluang kebobolan dalam jendela waktu yang sama. Model ini melihat tiga aksi terbaru untuk memahami konteks, dan menarik dari puluhan variabel: jenis, hasil, dan bagian tubuh dari aksi tersebut, di mana itu dimulai dan berakhir, jarak dan sudut ke gawang, skor dan sisa waktu, kandang atau tandang, dan (jika penyedia data menyediakannya) tambahan seperti kontrol lapangan dan tekanan dari pemain bertahan.

Rangkuman sendiri sederhana:

V(aksi) = perubahan probabilitas mencetak gol - perubahan probabilitas kebobolan

Penurunan probabilitas kebobolan adalah perubahan negatif, jadi itu menambah nilai.

Berikut adalah contoh ilustratif, dengan angka yang dibulatkan untuk tujuan pengajaran, bukan dari model yang dipublikasikan. Seorang gelandang memainkan umpan progresif dari lingkaran tengah ke tepi kotak lawan. Peluang mencetak gol segera kira-kira 0,6% saat bola berada di area aman, dan kira-kira 5% sekarang karena bola berada di daerah berbahaya, dengan sedikit perubahan pada peluang kebobolan. Itu adalah VAEP kira-kira +0,04 untuk satu umpan. Aksi yang meningkatkan peluang mencetak gol sebesar 0,05 dan mengurangi peluang kebobolan sebesar 0,01 menghasilkan skor 0,05 - (-0,01) = +0,06.

Kemampuan untuk memberikan angka pada kontribusi yang sebelumnya tidak terlihat adalah persis apa yang membuat VAEP berguna untuk menemukan inefisiensi pasar.

VAEP bukan satu-satunya cara untuk memberikan nilai pada penguasaan bola. Beberapa kerangka kerja melakukan pekerjaan serupa, dan mengetahui perbedaan di antara mereka membantu Anda memilih alat yang tepat untuk pertanyaan yang Anda ajukan.

Kerangka kerja ini biasanya sepakat tentang gambaran besar dan berbeda pada tindakan individual serta seberapa banyak konteks yang mereka pertimbangkan. Itulah mengapa membandingkannya satu per satu lebih baik daripada memilih satu dan mengabaikan sisanya. Kartu truf VAEP adalah bahwa ia memberikan penghargaan pada sisi defensif permainan, bukan hanya progresi ke depan.

Untuk melihat lebih dekat pada yang paling sederhana dari kelompok ini, baca panduan kami tentang Expected Threat (xT) dalam analitik sepak bola. Untuk tur lengkap, lihat panduan kami tentang model nilai penguasaan bola dalam analitik sepak bola.

Nilai praktis VAEP untuk analitik taruhan olahraga pada intinya satu hal: ia menunjukkan apa yang tidak terlihat dari statistik standar.

Gol dan assist sering kali under-rate pemain yang kontribusinya ada pada proses membangun serangan, aksi defensif, dan pressing, dan VAEP berusaha mengukur tepat hal tersebut. Pemain dengan VAEP per 90 yang tinggi tapi jumlah gol dan assist yang modest adalah kandidat untuk dipelajari lebih lanjut, terutama jika pasar menetapkan odds-nya berdasarkan reputasi atau rangkaian gol baru-baru ini. Namun, pastikan dulu Anda punya data menit bermain satu musim penuh di balik angka itu. Satu bulan panas bisa membuat Anda tertipu.

Apa yang dikatakan bukti? Riset awal dan karya akademis selanjutnya melaporkan bahwa kerangka kerja ini mengidentifikasi pemain yang kontribusinya tidak dihargai cukup oleh statistik tradisional, dan bahwa model nilai penguasaan bola dapat menambahkan beberapa informasi prediktif di luar xG. Seberapa besar keuntungan itu tergantung pada data dan tes yang digunakan, jadi cek sendiri klaim edge tersebut pada dataset Anda sendiri sebelum bertaruh uang di atasnya.

Umpan pembuka

Umpan panjang membelah pertahanan dan membuka peluang bagi rekan setim, yang kemudian mengumpan untuk gol. Statistik tradisional hanya meng kredit umpan terakhir. VAEP juga memberikan porsi untuk umpan pembuka, karena umpan tersebut membawa bola ke area berbahaya dan meningkatkan peluang skor tim. (Ini adalah ilustrasi logika, bukan pertandingan spesifik.) Bagi siapa pun yang melihat prop pemain, ini adalah cara untuk menemukan pencipta di balik pencipta.

Umpan mundur berisiko

Bek memberikan umpan pendek ke belakang di dekat gawangnya sendiri. VAEP dapat memberikan nilai negatif: bola telah bergerak menjauh dari gawang lawan, dan penguasaan bola di area berbahaya dapat meningkatkan peluang kebobolan. Temukan tim yang terus melakukan ini dan Anda telah menemukan satu yang layak ditonton di pasar gol dan clean sheet.

Tackle krusial

Tackle sliding di tepi kotak penalti mendapatkan skor tinggi, karena itu memotong peluang skor lawan dan dapat merebut kembali bola. Ini adalah cara untuk menemukan bek yang nilainya melampaui apa yang bisa dikatakan oleh jumlah clean sheet dan tackle yang dimenangkan.

Aksi gagal tapi berguna

Cross tidak mencapai target, tetapi clearance jatuh ke rekan setim di posisi yang lebih baik. Model nilai penguasaan bola dapat memberikan nilai positif kecil untuk urutan tersebut, karena bola berakhir di posisi yang lebih baik dalam waktu singkat. Ini adalah lensa yang berguna untuk tim yang menciptakan banyak peluang tanpa menyelesaikan.

Cari tim yang undervalued. Cari tim-tim yang punya total VAEP tinggi tetapi konversi gol yang buruk. Mereka mungkin menciptakan ancaman lebih sering daripada yang ditunjukkan oleh jumlah gol mereka, dan sedang menunggu regresi positif, yang paling penting di pasar jangka panjang seperti total poin dan persaingan degradasi.

Tambahkan ke model pertandingan. Masukkan VAEP level tim sebagai input tambahan di samping xG, lalu uji apakah ini meningkatkan prediksi out-of-sample sebelum Anda bergantung pada metrik tersebut. Peningkatan biasanya moderat dan sangat bergantung pada model serta datanya.

Perhatikan sinyal live dengan hati-hati. Tim yang terus-menerus memegang penguasaan bola bernilai tinggi tanpa mencetak gol mungkin sedang menunggu gol, tetapi sinyal in-play sering berisik dan feed data tidak selalu dapat diandalkan. Jepang memimpin Belgia 2-0 di Piala Dunia 2018 dan akhirnya kalah 3-2, pengingat yang adil tentang seberapa cepat sebuah pertandingan bisa berbalik. Panduan lengkap kami tentang live betting membahas sisi in-play secara lebih mendalam.

Lihat props pemain. Pemain dengan VAEP tinggi cenderung terlibat dalam situasi berbahaya lebih sering, yang bisa diterjemahkan menjadi tembakan ke arah gawang, sentuhan di kotak penalti lawan, dan umpan ke sepertiga akhir. Untuk lebih banyak informasi tentang pasar tersebut, lihat panduan kami tentang player shot markets.

Pantau transfer. Klub yang mendatangkan pemain undervalued dengan VAEP tinggi mungkin akan melampaui ekspektasi, sementara klub yang kehilangan pemimpin VAEP-nya bisa tergelincir meskipun pemain yang pergi itu bukan pencetak gol yang prolifik.

Profil risiko dan gaya. Tim yang penuh dengan pemain yang mencoba aksi bernilai tinggi tetapi berisiko cenderung lebih volatil, yang berguna untuk pasar over/under dan handicap. Tim yang menciptakan sebagian besar nilai mereka di area sayap mungkin kesulitan menghadapi pertahanan yang rapat, sementara tim dengan VAEP defensif yang kuat bisa menjadi underdog yang lebih baik daripada yang disarankan oleh statistik tradisional.

Tidak ada metrik yang sempurna, dan mengetahui di mana batas VAEP justru membuatnya lebih berguna, bukan sebaliknya.

Metrik ini hanya melihat apa yang terjadi saat bola dipegang. Gerak tanpa bola, posisi, pressing tanpa kontak, dan formasi pertahanan tidak terlihat, sehingga striker yang dengan lariannya menggeser dua pemain bertahan dari posisinya tidak mendapat kredit untuk ruang yang ia ciptakan. VAEP juga sangat bergantung pada data kejadian: penyedia data yang berbeda dapat menghasilkan nilai yang berbeda untuk pertandingan yang sama, dan tidak setiap liga memiliki cakupan detail yang memadai.

Nilai individual sulit dijelaskan dengan bahasa sederhana, jadi perhatikan pola agregat daripada aksi tunggal. Dari satu pertandingan ke pertandingan lain, VAEP hanya stabil secara moderat. Tendangan mendapat nilai tinggi tetapi jarang terjadi dan penuh kebisingan, itulah mengapa beberapa analis mengesankan tendangan dari penilaian agregat. Dan pemain di tim yang lebih kuat cenderung mengumpulkan VAEP positif karena tim mereka lebih sering berada dalam kondisi permainan yang menguntungkan, jadi bandingkan yang setara dengan yang setara.

Saat membandingkan VAEP vs xG, perbedaan utamanya ada pada cakupan. Expected goals mengukur kualitas tembakan, yaitu peluang sebuah tendangan menjadi gol. VAEP mengukur nilai tindakan: bagaimana setiap tindakan, tidak hanya tembakan, memengaruhi peluang mencetak gol atau kebobolan.

Pandangan kami adalah Anda tidak harus memilih salah satu. xG memberi tahu Anda tentang kualitas peluang dan penyelesaian akhir, sedangkan VAEP memberi tahu Anda tentang kontribusi keseluruhan, dan keduanya bersama-sama memberikan gambaran yang jauh lebih lengkap daripada salah satu saja.

• Gunakan VAEP per 90 menit untuk menemukan pemain yang kurang dihargai. Cek ukuran sampelnya dulu: menit bermain sepanjang musim penuh, bukan sekadar bulan yang bagus.
• Baca VAEP tim bersama xG, bukan sebagai pengganti. Ketika keduanya tidak selaras dengan hasil, kamu sudah menemukan tim yang layak untuk dilihat lebih dekat.
• Cari tim dengan VAEP tinggi tapi skor rendah di pasar jangka panjang. Total poin dan perebutan zona degradasi adalah tempat di mana regresi positif punya waktu untuk muncul.
• Uji model berbasis VAEP di luar sampel sebelum memasang taruhan nyata dengannya.
• Jaga ukuran taruhan live tetap kecil. Sinyal in-play itu berisik, dan feed data bisa tertinggal.
• Kenali batasannya: hanya aksi di bola, bergantung pada penyedia data, dan tidak terlalu stabil dari satu pertandingan ke pertandingan lain.

Jika digunakan dengan hati-hati, VAEP membantu kamu mengajukan pertanyaan yang lebih baik tentang pemain dan tim, dan di situlah strategi taruhan sepakbola yang efektif biasanya dimulai. Apa pun yang kamu pasang, tentukan ukuran taruhanmu sebelum kick-off dan patuhi itu.

• Model Nilai Penguasaan Bola: Panduan Analitik Sepak Bola untuk 2026
• Ancaman yang Diharapkan (xT) dalam Sepak Bola: Panduan Analitik Lengkap
• Cara Membuat Model Taruhan Olahraga: Panduan Lengkap
• Penjelasan Live Betting: Panduan Lengkap Taruhan In-Play 2026

18+. Silakan bertaruh secara bertanggung jawab. Untuk dukungan gratis dan rahasia, kunjungi BeGambleAware.org.