Pada awal Januari, kami bertanya kepada pelanggan apa yang ingin mereka lihat dalam liputan bisbol fantasi kami musim ini. Pembaca Sean G. menawarkan saran ini (yang mendapat 123 suka): “Saya akan sangat senang melihat artikel yang didedikasikan untuk membekali pembaca dengan alat untuk mengeksplorasi pertanyaan sendiri. Contohnya meliputi: cara mendalami pemain tertentu, cara menggunakan dan menemukan statistik tingkat lanjut tertentu, tips bahasa pemrograman atau situs statistik yang dapat mempermudah pengumpulan data, dll. Ajari kami bagaimana menjadi dirimu.”
Jadi inilah kami!
Karena saya menulis dan berbicara tentang bisbol fantasi untuk mencari nafkah, saya memiliki banyak peluang setiap hari untuk menggali lebih dalam statistik dan berita pemain untuk mencoba lebih memahami apa yang diharapkan di masa depan. Saya menemukan bahwa mempelajari sejarah statistik seorang pemain adalah cara yang berharga untuk mengenali pemain yang diremehkan dan dilebih-lebihkan serta untuk memahami tren yang sulit.
Melakukan tekel yang dalam terhadap pemain tidak akan membuat Anda memenangkan kejuaraan dengan sendirinya, tapi menurut saya hampir mustahil untuk memenangkan liga jika Anda hanya mengandalkan, atau bahkan terutama, pada statistik permukaan. Saya mempelajari pelajaran ini dengan susah payah setelah terbang di liga fantasi pertama saya selama beberapa tahun. Dan proses melakukan pendalaman terus berkembang seiring dengan pemahaman baru tentang tolok ukur yang sudah ada dan pengenalan tolok ukur baru. Dengan pitcher, kebijaksanaan konvensional telah bergeser selama bertahun-tahun dari “percaya pada ERA” menjadi “ERA itu palsu jika BABIP atau laju senar terlihat tidak normal” menjadi “terkadang BABIP atau laju senar yang tidak stabil ternyata tidak berubah-ubah.”
Untuk mengilustrasikan seberapa dalam kita perlu menggali, dan informasi apa yang harus dicari saat menggali, mari kita mulai dengan pemain yang menurut saya selalu membingungkan. Melihat tren ERA-nya saja, sepertinya tidak ada yang membingungkan dari Julio Teheran. Saya akan mulai menyelami lebih dalam sejarah statistik Teheran di mana saya hampir selalu memulainya: di bagian dasbor a Halaman Pemain FanGraphs. Dimulai dari kolom ERA, kita melihat bahwa Teheran berada di sekitar ERA 4,00 selama lima musim terakhir, dengan satu musim jauh lebih rendah dan satu musim jauh lebih tinggi.
Mulailah dengan periferal dasar
Sebelum kita memasuki Teheran untuk proyeksi ERA sekitar pukul 4.00 pada tahun 2020, kita perlu melihat bagaimana dia membangun ERA sebelumnya. Artinya melihat seberapa baik dia melakukan limited contact, walk dan home run, dan semua informasi itu tersaji di dashboard dalam bentuk rasio K/9, BB/9 dan HR/9. (K% dan BB% sebenarnya lebih dapat diandalkan dibandingkan K/9 dan BB/9, dan keduanya disajikan lebih lanjut di halaman pemain Teheran di Canggih bagian. Untuk penilaian yang cepat dan kotor, kami akan menggunakan K/9 dan BB/9, jadi kami hanya mengandalkan dashboard.)
Kita melihat bahwa rasio K/9 dan HR/9 Teheran sebagian besar tetap stabil, namun sejarahnya dengan BB/9 menjadi lebih rumit. Kecepatan berjalannya turun lebih dari satu kali berjalan per sembilan babak pada tahun 2016, turun kembali pada tahun 2017, meningkat lagi pada tahun 2018, dan mencapai titik stabil pada tahun 2019.
Outlier ERA terbesar di Teheran, pada tahun 2016 dan 2017, sama dengan outlier HR/9 terbesarnya. Hal ini membuat dampak kenaikan BB/9 selama dua tahun terakhir menjadi tidak jelas. Rasio K/9 dan HR/9-nya pada tahun 2018 dan 2019 tidak jauh dari yang ia catat pada tahun 2015, dan ia mencatatkan ERA serupa di ketiga musim, meskipun tingkat berjalan kaki jauh lebih tinggi di dua kampanye terakhir.
Inilah mengapa kita perlu melakukan penyelaman lebih dalam. Jika tidak, bagaimana kita mengetahui statistik mana yang dapat dipercaya? Bagaimana kita merayakan ERA yang konsisten dengan kecepatan berjalan kaki yang tidak konsisten? Analisis tingkat berikutnya adalah memasukkan beberapa ukuran yang dapat menjelaskan perubahan ERA yang tidak bergantung pada tingkat strikeout, walk, dan home run. Yang pertama adalah BABIP (atau rata-rata pukulan pada bola yang sedang dimainkan). BABIP yang umum adalah antara 0,290 dan 0,300, dan pemindaian cepat kolom BABIP Teheran (tepat di sebelah kanan HR/9) menunjukkan bahwa ia memiliki angka di bawah rata-rata di setiap musim dalam kariernya. Kolom berikutnya adalah LOB%, yang merupakan tingkat di mana pelempar membuat baserunner terdampar, dan normanya adalah antara 72 dan 73 persen. Teheran rata-rata atau lebih baik dari rata-rata dalam hal pelari terdampar di setiap musim penuh dalam karirnya.
Misteri terpecahkan, bukan? Teheran tampaknya sangat pandai mencegah bola terbentur saat bermain dan membuat pelari terdampar.
Namun, Anda akan melihat bahwa tidak ada satu pun sistem proyeksi di Teheran yang lebih baik daripada rata-rata pelempar dalam mencegah pukulan pada bola yang sedang dimainkan. Ternyata, ada dua potensi masalah dalam penafsiran kami terhadap BABIP-nya. Pertama, meskipun Teheran secara konsisten memiliki BABIP yang rendah, namun secara keseluruhan tingkat BABIP mereka mendekati normal hingga sangat rendah. Seperti yang bisa kita lihat dari tabel Advanced dari FanGraphs, fluktuasi BABIP tersebut memiliki dampak fantasi yang nyata, kira-kira cocok dengan perubahan di WHIP miliknya. Mengetahui seperti apa BABIP-nya pada tahun 2020 akan membantu kita tidak hanya memenuhi ekspektasi kita terhadap ERA, namun juga membantu kita menetapkan ekspektasi terhadap WHIP.
Selain itu, meskipun Teheran lebih baik dari rata-rata dalam hal ini di setiap musim, dapatkah kita benar-benar yakin bahwa dia tidak hanya sangat beruntung? Pertanyaan ini membawa kita ke fase berikutnya dalam pendalaman kita.
Perhatikan lebih hati-hati di bawah tenda
Daripada sekadar percaya bahwa seorang pitcher memiliki keterampilan tertentu yang tampaknya ditampilkan oleh metrik tertentu, kita bisa bertanya pada diri sendiri, bagaimana kita bisa melakukannya? memeriksa bahwa pelempar ini mempunyai keterampilan ini? Dalam kaitannya dengan BABIP, ada tiga faktor yang dapat menyebabkan tingginya atau rendahnya tarif. Yang pertama adalah kualitas kontak yang diperbolehkan. Dalam penelitian yang saya lakukan dengan Alex Chamberlain, kami menemukan bahwa tingkat pukulan keras (yang diukur dengan persentase pukulan bola dengan kecepatan keluar setidaknya 95 mph) dan kecepatan keluar rata-rata pada bola tanah adalah metrik Statcast yang paling berkorelasi kuat dengan BABIP. . Kedua metrik Statcast ini juga memiliki korelasi yang kuat dari tahun ke tahun.
Kita dapat melihat sekilas tingkat pukulan telak tahunan Teheran dengan melihat halaman pemain Statcast-nya di Ahli Bisbol. (Cukup ketikkan namanya di kolom pencarian di pojok kanan atas halaman beranda.) Kebetulan, selain tingkat serangan keras sebesar 30,2 persen pada tahun 2017, dia sudah cukup terbiasa membatasi kontak keras.
Mendapatkan kecenderungan kecepatan keluar Teheran pada bola tanah sedikit lebih membutuhkan banyak tenaga kerja. Anda harus pergi ke halaman Pencarian Statcast, yang dapat diakses dari menu di bagian atas halaman. Kemudian Anda memilih “Ground Ball” untuk memukul bola, kelompok pilih “Statcast” untuk musim, “Pitcher” untuk tipe pemain dan ketik nama Teheran untuk pitcher. Kemudian Anda mengelompokkan berdasarkan “Pemain & Tahun” dan mengurutkannya berdasarkan “Kecepatan Keluar Rata-rata”. Hasilnya terlihat seperti ini:
Kecepatan keluar rata-rata Teheran bervariasi dari tahun ke tahun, tetapi 2018 adalah satu-satunya musim di mana ia jauh di bawah median liga utama.
Cara kedua untuk menghindari BABIP yang tinggi adalah dengan menginduksi grounder yang ditarik dengan kecepatan tinggi. Pelempar yang paling baik dalam hal ini dapat menarik bola pada 65 persen ground ball atau lebih, tetapi bahkan nilai di angka 60an rendah pun patut diperhatikan. Teheran berada di sekitar norma liga utama antara 53 dan 56 persen di hampir setiap musim penuhnya. Anda dapat menemukan data ini menggunakan alat pemisahan FanGraphs di halaman pemain Teheran, dan tampilannya seperti ini:
Jadi Teheran mampu mencegah pukulan pada bola dalam permainan, meskipun dia tidak pandai membatasi kontak keras atau menyebabkan grounders. Kemungkinan lainnya adalah pembelaannya membuat dia tersingkir. Itu mungkin penjelasan yang paling menarik karena selain kemungkinan pengecualian dari Dansby Swanson dan Nick Markakis, Teheran telah didukung oleh pemain bertahan yang luar biasa bagus dalam beberapa musim terakhir, setidaknya diukur dengan laju pertahanan FanGraphs yang di atas rata-rata.
Jika kita dapat menerima bahwa Teheran mampu menyusun karir .268 BABIP terutama karena pertahanan yang sangat baik, maka kita dapat mengharapkan beberapa kemunduran di musim pertamanya bersama Angels. Dia kemungkinan akan mendapatkan keuntungan dari Andrelton Simmons, Anthony Rendon dan David Fletcher yang mencatatkan inning di tengah lapangan Angels, tetapi Teheran adalah pelempar bola terbang. Terutama jika Justin Upton dan Brian Goodwin mendapatkan sebagian besar waktu bermain di sudut outfield, Teheran bisa menjadi lebih seperti pelempar yang dibuat oleh sistem proyeksi.
Kepindahan Teheran ke Liga Amerika juga berarti dia akan menghadapi lebih banyak DH dan itu terjadi di kandang sendiri jauh lebih kondusif untuk home run. Kedua faktor ini saja mungkin menjadi alasan yang cukup untuk lebih memercayai proyeksi tersebut dibandingkan dengan tren ERA di Teheran, namun hanya dengan melakukan pendalaman mendalam barulah kita menyadari pentingnya kemungkinan penurunan peringkat pertahanan outfield yang akan terjadi.
Jenis penyelaman dalam lainnya
Ini hanyalah salah satu contoh bagaimana melakukan penyelaman yang dalam. Dengan pelempar yang berbeda – yang memiliki perubahan luar biasa besar dalam, misalnya, strikeout, walk, atau groundball rate – kita harus melihat serangkaian indikator yang sangat berbeda, termasuk campuran nada dan kecepatan. Untuk jenis penelitian tersebut, Papan Peringkat Pitch Alex Chamberlain adalah alat yang sangat berharga. Bagi mereka yang ingin menginformasikan penilaian mereka dengan data visual, Alex dan Nick Pollack menciptakan Sistem tipologi pitcher NYATA, dan kita akan melihat beberapa dari karya tersebut segera dipublikasikan.
Catatan singkat tentang pemukul
Proses untuk menilai hit serupa. Setelah mempertimbangkan tren terkini untuk statistik fantasi seorang pemukul, kita mulai dengan mencari pola dalam statistik periferal dasar, seperti K%, BB%, daya terisolasi (ISO), laju bola tanah, dan rasio bola lari ke terbang (home run-to-fly ball). HR/ FB), dan jika kami melihat keanehan, kami melangkah lebih dalam. Pada tingkat berikutnya, kita dapat melihat statistik seperti tingkat ayunan (SwStr%) dan tingkat kecepatan (O-Swing%) di FanGraphs, serta tingkat pukulan keras, kecepatan keluar rata-rata pada lalat dan liner, kecepatan keluar rata-rata pada grounder. dan laju barel di Baseball Savant.
Pengukuran FanGraphs tersebut dapat memberi tahu kita seberapa andal perubahan dalam strikeout dan walk rate, sedangkan pengukuran Statcast pada Baseball Savant menunjukkan keandalan perubahan dalam BABIP, ISO, dan HR/FB.
(Foto teratas: Scott Cunningham/Getty Images)