Draft yang Seperti Mimpi

Juni 2016—hanya beberapa minggu setelah NBA Draft 2016—Chad Ford, legenda prediksi draft, merilis peringkat pra-draft pertamanya untuk 2017. Saya ingat membuka halaman itu di kamar kos Northwestern, setengah kafein dan penuh keraguan. “Josh Jackson No. 1?” bisik saya. “Benar-benar serius?”

Daftar ini penuh dengan drama: pilihan berani, narasi emosional, dan cukup gosip untuk menghidupkan debat sepanjang musim.

Mengapa Ini Masih Menghantui Saya

Saya tak ingin mengejek orang yang pernah memprediksi Luka Dončić sebelum ia main kuliah. Tapi kali ini? Rasanya seperti ramalan dengan sistem rusak.

Jackson dipilih #4 meski jadi No. 1 menurut Ford. Marvin Bagley III jatuh dari bintang utama ke masa sulit rookie. Jalen Brunson bahkan tak masuk top 50.

Sebagai ahli model pembelajaran mesin yang menganalisis tren pemain lewat shot chart, usage rate, dan efektivitas defensif… ini seperti menyaksikan AI membuat keputusan berdasarkan perasaan bukan data.

Matematika di Balik Kebingungan Ini

Saya jalankan model regresi sendiri menggunakan data ESPN dan Stathead: hasilnya bukan kejutan—tapi validasi.

Pemain di ranking tinggi oleh analis (termasuk Ford) punya atribut fisik lebih baik—tinggi badan, rentang lengan—buta performa konsisten seperti rasio turnover dan true shooting percentage lebih rendah.

Sementara Jayson Tatum (rank #4) melesat karena statistik maju: dampak defensif per 36 menit dan akurasi tembakan krusial sangat tinggi saat lainnya diam saja.

Ini bukan soal bakat—ini soal filter sinyal. Media lihat kilatan; data lihat pola.

Pemenang Sunyi: Mereka yang Terlewat

Bayangkan—berapa kali kita memuji atlet hanya setelah mereka menang? Pemain yang diabaikan tidak rusak—mereka hanya salah dimengerti oleh sistem narasi. Isaac White dari Davidson? Di luar top 60 meski rasio assist-to-turnover sangat tinggi di kompetisi keras. Tyler Davis dari Texas Tech? Andalan defensif terpendam karena ‘tidak cukup tinggi’ padahal rata-rata bloknya lebih tinggi dari rata-rata liga bagi pemain baru pasca-2018.

tidak hanya outlier—ini gejala bias sistematis dalam budaya scouting: nilai besar atas ukuran tubuh, kurangnya penghargaan atas IQ basket.

Artinya Hari Ini — Dan Bagi Anda

dalam pekerjaan saya membangun alat prediksi draft real-time dengan TensorFlow berbasis kurva perkembangan pemain selama enam dekade… saya selalu kembali ke momen ini. Pesan sederhananya: Kita tidak butuh lebih banyak scout—kita butuh filter yang lebih baik. Bukan hanya untuk temukan bakat baru tapi juga untuk keadilan akses lintas ras, ukuran sekolah, geografi,…bahkan kehadiran media sosial. Pemahaman terkuat bukan siapa yang dipilih—tapi siapa seharusnya dipilih tapi tak dilihat karena kita terlalu fokus pada cerita kita sendiri tentang hebatnya seseorang.Silakan bagikan pendapat Anda di bawah: pick mana yang paling mengejutkan Anda? Dan apakah pernah merasa potensi Anda tak terlihat sebelum akhirnya muncul?