Bisbol fantasi bisa menjadi rumit seperti yang Anda inginkan jika menyangkut statistik yang tersedia. Heck, buka halaman pemutar FanGraphs mana pun, dan Anda dapat menggali lebih dari 100 statistik/statistik yang memberi tahu Anda segalanya mulai dari sesuatu yang sederhana seperti rata-rata (AVG) hingga sesuatu yang tidak sesederhana itu, seperti Context Neutral Win (WPA/LI) … eh, apa ? Anda tidak akan membuang-buang waktu untuk mencoba mencari tahu WPA/LI, namun ada banyak statistik yang mungkin tidak Anda ketahui yang akan membuat Anda menjadi pemain bisbol fantasi yang lebih baik.
Berikut ini adalah kursus kilat tentang statistik tingkat lanjut yang lebih penting bagi pelempar, menjelaskan apa yang penting, mengapa dan bagaimana mereka dapat membantu (dan untuk informasi lebih lanjut tentang statistik tingkat lanjut, lihat artikel yang ditulis rekan saya Eno Sarris di wOBA).
BABIP, LOB% dan HR/FB (rata-rata pukulan pada bola yang sedang dimainkan, persentase tersisa di base dan home run untuk menerbangkan bola)
Mari kita mulai dengan statistik umum dan penjelasan kebahagiaan. Rata-rata liga untuk masing-masingnya adalah sekitar 0,300 (BABIP), 72% (LOB) dan 10% (HR/FB). Saat ini, pitcher tertentu – baik yang berbakat maupun berbakat – akan melihat norma mereka lebih rendah atau lebih tinggi, namun itu adalah bukti kualitas mereka. Jika Anda melihat Max Scherzer, rata-rata karirnya adalah 0,287, 76,5 dan 9,7. Heck, bahkan Scherzer pun kesulitan melawan norma HR/FB. Dan sejujurnya, angka itu mungkin berada pada jalur rata-rata liga.
Jika Anda melihat pelempar menggunakan nomor yang sebagian besar di luar norma, itu harus menjadi titik awal Anda. BABIP sebesar 0,250 menunjukkan bahwa bola memantul ke arah yang benar bagi pelempar dan menghasilkan lebih banyak out dari biasanya. Jika LOB% berada di angka 60an, ada nasib buruk dengan pukulan yang lebih sering jatuh saat berlari, dll. Sekali lagi, ini tidak berarti segalanya akan berubah dan ini 100% keberuntungan. Lagi pula, jika pelempar kehilangan ketenangannya saat pelari berada di atas (ahem, Masahiro Tanaka), itu bukanlah keberuntungan; itu hanya lemparan yang buruk. Namun sekali lagi, ketiga metrik ini dapat membantu Anda menemukan kandidat beli rendah atau jual tinggi berdasarkan faktor keberuntungan saat ini.
FIP dan xFIP (Fielding Independent Pitching dan Expected Fielding Independent Pitching)
Statistik yang disebutkan di atas mengalir dengan baik ke dalam Pitching Independen, karena kedua “ERA baru” ini mencoba memberi tahu kita dengan tepat bagaimana kinerja pelempar meskipun ada keberuntungan dan/atau lemparan di belakang mereka. FIP mencoba memberi tahu kita ERA sebenarnya seorang pelempar jika BABIP-nya berada di rata-rata liga. Berikut rumus FIPnya:
FIP = ((13*HR) + (3*(BB+HBP)) – (2*K))/IP + konstanta
ERA prediktif lainnya—dan yang disukai banyak orang—adalah xFIP. Ini selangkah lebih maju dari FIP dan menormalisasi laju HR/FB. Bagaimanapun, HR/FB dapat bervariasi dari tahun ke tahun bahkan untuk pekerja terbaik sekalipun, namun hal ini jarang memprediksi kinerja sebenarnya dari pekerja tersebut. Sekali lagi, Scherzer setara tahun lalu, mencatatkan rekor 10,8, 11,9, 10,5, dan 7,5 pada musim sebelumnya. Berikut rumus xFIPnya:
xFIP = ((13*(Lalat * lgHR/FB%)) + (3*(BB+HBP)) – (2*K))/IP + konstan
Terkait FIP dan xFIP, kuncinya adalah membandingkannya dengan ERA pelempar untuk memprediksi regresi (positif atau negatif).
SwStr%, F-Strike% dan O-Swing% (Swing Strike, First Strike, dan Out-Zone Swing: Persentase)
Sekarang kita membahas beberapa statistik yang benar-benar jitu mengenai efisiensi pelempar. Anda tahu apa yang membantu pelempar membawa ERA dan WHIP yang lebih rendah? Jangan izinkan kontak. Bagaimana Anda melakukannya? Anda mendapat pukulan dan meleset dari kelelawar.
Persentase Serangan Ayun adalah yang paling jelas dan memberi tahu kita betapa menipunya pelempar secara keseluruhan. Anda dapat menelusuri setiap lemparan, tetapi jumlah keseluruhan (rata-rata 9,5%) akan memberi Anda gambaran bagus tentang kemampuan pelempar. Kembali ke Scherzer, ia mencapai angka tertinggi baru 16,1 tahun lalu dengan setidaknya angka 15,3 dalam empat musim terakhir (catatan tambahan: mirip dengan HR/FB, rata-rata ini mungkin perlu ditingkatkan mengingat pendekatan agresif saat ini).
Persentase pukulan pertama tentu saja penting karena semakin cepat pelempar berada di depan pemukul, semakin besar kemungkinan dia keluar. Lihatlah perbedaan rata-rata pukulan dari jumlah lemparan yang menguntungkan pelempar:
AVG sekitar .210-.230 pada hitungan 0-1, .160-.180 pada hitungan 1-2 dan hanya .150-.170 pada hitungan 0-2
AVG sekitar .250-.270 pada hitungan 1-0, .260-.280 pada hitungan 2-1 dan .270-.290 pada hitungan 3-1
Saya memilih O-Swing% karena ada beberapa lainnya dalam pengelompokan Disiplin Pelat (Z-Swing%, Contact%, dll.), tetapi O-Swing% tidak hanya menunjukkan seberapa banyak pelempar membodohi pemukul dengan ayunan-dan – meleset dengan baik tetapi dengan hal-hal yang bahkan tidak berada di zona serangan. Ini berarti meskipun pemukul melakukan kontak, kemungkinan terjadinya pukulan hampir nol (bola busuk, pop-up, kontak buruk, dll.). Rata-rata liga untuk O-Swing% adalah sekitar 30%.
Hard% dan Brls/PA% (persentase pukulan keras dan persentase kemunculan barel per pelat)
Sekarang kita sampai pada statistik yang sebenarnya.
Berkat penambahan Statcast, dll., kami memiliki lebih banyak data bisbol dibandingkan sebelumnya, dan ini mengubah permainan. Hal ini tidak hanya memengaruhi bisbol fantasi, tetapi tim dan pemain MLB menggunakan data tersebut untuk strategi di lapangan dan pendekatan permainan. Pemukul mencoba mengangkat bola lebih banyak, tim sering berpindah, pelempar menambah atau mengurangi lemparan, dll.
Salah satu statistik yang paling jelas untuk kualitas kontak pemukul dan efektivitas lemparan adalah Hard%. Semakin baik kontaknya, semakin keras lemparannya. Ini cukup sederhana namun sangat informatif untuk satu statistik sederhana. Hal ini sejalan dengan persentase slugging, atau seberapa sering seorang pemukul melakukan kontak dengan nada “pada tombol”. Tentu saja, memukul bola dengan laras akan jauh lebih efektif daripada memukul bola dengan gagang atau ujung tongkat. Semakin berkualitas kontaknya, semakin besar kemungkinan terjadinya pukulan, terutama jenis extra-base.
Anda dapat menemukan Hard% di FanGraphs dan MLB Statcast, tetapi statistik Barrel terutama ada di situs web Statcast. Seperti semua statistik sejauh ini, melihat baik pemukul maupun pelempar untuk menilai bagaimana mereka menilai di area ini akan membantu Anda mengetahui seberapa bagus pemain tersebut dan apakah mereka mengalami kemunduran.
xBA, xSLG dan xwOBA (diharapkan: rata-rata pukulan, persentase slugging, dan rata-rata tertimbang berdasarkan basis)
Terakhir – ya, untuk bagian ini, karena Anda dapat menghabiskan satu jam lagi hanya untuk melihat banyak statistik di luar sana – kami memiliki statistik yang “diharapkan”. Sekali lagi, statistik adalah penjelasan sederhana, sedikit lebih sulit dalam praktiknya, tetapi juga sangat berguna dalam penelitian Anda. Dengan menggunakan berbagai statistik, kami dapat mensurvei pemain untuk menghitung statistik yang diharapkan. Tentu saja, melihat BABIP yang terlalu tinggi akan memberi tahu kita bahwa seorang pemukul seharusnya memiliki rata-rata yang lebih rendah, namun berapa sebenarnya rata-rata tersebut? Haruskah kita menurunkan rata-rata sebanyak lima poin? Sepuluh? Dua puluh? Itulah yang ingin dilakukan oleh statistik ini.
Tampaknya jelas untuk melihat xBA dan berkata, “Ya, rata-rata yang diharapkan dari pemain adalah 17 poin di bawah angka saat ini, jadi dia akan mulai menghasilkan nilai yang lebih rendah.” Meskipun ini masuk akal, seperti yang disebutkan pada BABIP, dll., baseball (semua olahraga) tidak sesederhana itu. Menggunakan statistik yang diharapkan bersama dengan berbagai statistik yang telah disebutkan membantu Anda menyatukan teka-teki besar dalam mencoba memprediksi kinerja di masa depan.
(Foto teratas Jacob deGrom: Patrick Gorski / USA TODAY Sports)