Siapa yang Akan Menang Piala Dunia 2026?

Bayangkan kamu adalah Lionel Messi. Usiamu 39 tahun. Kamu sudah memenangkan semua yang bisa dimenangkan seorang pesepakbola, termasuk trofi paling sakral itu di Qatar empat tahun lalu. Dan Ahad besok, di New York/New Jersey, kamu akan memainkan pertandingan Piala Dunia terakhir dalam hidupmu: final melawan Spanyol.

Ini bukan final biasa. Messi akan menjadi manusia kedua sepanjang sejarah — setelah Cafu — yang bermain di tiga final Piala Dunia (2014, 2022, 2026). Kalau menang, Argentina jadi tim pertama yang mempertahankan gelar sejak Brasil 1958–1962, dan Messi menutup karier Piala Dunianya dengan dua bintang beruntun. The last dance, kata orang-orang. Di seberangnya berdiri Spanyol dengan bintang belianya Lamine Yamal — yang bahkan pada saat bayi sempat dimandikan oleh Messi.

Nah, sambil menunggu kick-off, muncul pertanyaan iseng di kepala saya:

Kalau kita kesampingkan dulu semua drama dan romantisme itu — kalau kita cuma boleh melihat datanya saja — sebenarnya siapa sih yang lebih layak diunggulkan?

Kebetulan saya punya data statistik seluruh 102 pertandingan Piala Dunia 2026 (204 baris data, karena tiap pertandingan tercatat dari dua sudut pandang tim, dengan 150-an kolom statistik per baris). Jadi mari kita bedah pelan-pelan: mulai dari statistik rata-rata kedua finalis, tren 2 laga terakhir mereka, sampai iseng-iseng berhadiah membuat model machine learning untuk memprediksi siapa yang berpeluang menang.

Yuk kita mulai!

Ronde 1: Statistik Rata-Rata Sepanjang Turnamen

Kedua tim sama-sama sudah melakoni 7 pertandingan menuju final dengan rekor nyaris sempurna (Argentina menang 7 kali, Spanyol menang 6 kali dan sekali imbang). Berikut statistik rata-rata per pertandingannya:

Metrik	Argentina	Spanyol
Gol dicetak	2,71	1,86
Expected goals (xG)	2,20	2,14
Gol kebobolan	1,00	0,14
Tembakan (tepat sasaran)	16,1 (6,6)	17,1 (6,0)
Possession	55%	58%
Umpan per laga (akurasi)	682 (90,6%)	656 (90,5%)
Line-break sukses	133	164
Resepsi di antara garis lawan	114	146
Waktu merebut bola kembali	15,2 detik	11,5 detik
Porsi fase pressing tinggi / blok tinggi	5,6% / 4,7%	8,9% / 9,5%
Porsi fase blok rendah	24,4%	12,9%
Clean sheet	2 dari 7	6 dari 7

Cukup menarik ya. Kalau dilihat sekilas, kedua tim ini seperti saudara kembar:

1. Sama-sama tim penguasa bola (possession 55% vs 58%).
2. Akurasi umpannya identik sampai satu desimal: 90,6% vs 90,5%. Entah kenapa bisa sekompak ini.
3. Kreasi peluangnya nyaris sama persis: xG 2,20 vs 2,14 per laga.
4. Intensitas fisiknya pun setara: jarak tempuh tim ~115 km per laga, top speed ~33–34 km/jam.
5. Keduanya juga bukan tim serangan balik — porsi fase counterattack sama-sama cuma 0,9%.

Tapi begitu kita bedah cara mereka mencapai angka-angka itu, ceritanya jadi bertolak belakang:

Dari DNA gaya bermain di atas, terlihat jelas perbedaannya:

• Spanyol mendominasi teritorial. Porsi pressing tinggi dan blok tingginya hampir 2 kali lipat Argentina. Mereka merebut bola 3,7 detik lebih cepat, lebih rajin menembus garis pertahanan lawan (164 vs 133 line-break sukses per laga), dan hasilnya: cuma kebobolan 1 gol sepanjang turnamen.
• Argentina pragmatis dan klinis. Mereka rela turun ke blok rendah hampir 2 kali lebih sering, membiarkan lawan menembak lebih banyak, tapi konversinya gila-gilaan: +0,51 gol di atas xG per laga (Spanyol justru minus 0,28). Tim ini tidak butuh banyak peluang untuk menghukum lawan.

Singkatnya: kontrol teritorial Spanyol vs efisiensi Argentina.

Ronde 2: Zoom In ke 2 Pertandingan Terakhir

Statistik turnamen itu campuran antara laga lawan tim medioker di fase grup dan laga hidup-mati di fase gugur. Supaya lebih relevan dengan final, saya hitung ulang rata-ratanya hanya dari 2 laga terakhir (perempat final dan semifinal):

• Argentina: vs Swiss 3–1, vs Inggris 2–1
• Spanyol: vs Belgia 2–1, vs Prancis 2–0

Nah, di sinilah muncul perbedaan yang menurut saya paling mencolok:

1. Kualitas vs volume peluang bergerak berlawanan arah. Tembakan Argentina justru naik (18,5 per laga) tapi xG-nya anjlok ke 1,73 — artinya xG per tembakan turun dari 0,14 ke 0,09. Mereka makin sering menembak dari posisi sulit karena lawan-lawan besar bertahan rapat. Spanyol kebalikannya: tembakannya berkurang (13,5 per laga) tapi xG per tembakannya naik ke 0,16 — makin sedikit menembak, makin berkualitas peluangnya.
2. Spanyol menaikkan intensitas, Argentina makin dalam. Tekanan defensif Spanyol naik dari 234 ke 257 per laga (pelanggarannya pun ikut naik, dari 9 ke 14 per laga — makin “menggigit”), sementara Argentina justru turun ke 214 dan porsi blok rendahnya naik ke 27%. Porsi pressing tinggi Argentina tinggal 3,6% — hampir sepertiga milik Spanyol (9,6%).
3. Spanyol berani melepas bola. Possession mereka turun dari 58% ke 54% — bahkan saat melawan Prancis di semifinal cuma 46%, satu-satunya laga mereka di bawah 50%. Ini sinyal menarik: Spanyol ternyata bisa (dan mau) menang tanpa mendominasi bola.
4. Keduanya sama-sama makin tertekan saat build-up. Akurasi umpan dalam tekanan Argentina turun dari 80% ke 75%, Spanyol dari 78% ke 75%. Level lawan di fase gugur memang beda kelas.

Argentina tetap lolos berkat senjata andalannya: finishing. Dengan xG hanya 1,73 mereka tetap mencetak 2,5 gol per laga. Pertanyaannya: sampai kapan ketajaman di atas ekspektasi ini bisa dipertahankan?

Intermezzo: Misi Terakhir Messi dan Bisik-Bisik Kontroversi

Sebelum masuk ke bagian machine learning, izinkan saya menaruh dua sisi cerita yang tidak akan pernah muncul di dalam file CSV mana pun.

Sisi pertama: piala dunia terakhir sang kapten

Untuk Argentina, final ini bukan sekadar pertandingan — ini misi pamungkas. Seluruh skuad tahu mereka sedang mengawal babak penutup karier Piala Dunia kaptennya. Dan Messi sendiri seperti menolak pensiun dengan tenang: saat Argentina tertinggal dari Inggris di semifinal, dialah yang membuat dua assist untuk membalikkan keadaan menjadi 2–1 (ESPN, NBC).

Kalau kawan-kawan perhatikan, narasi ini justru nyambung dengan data yang kita bedah di Ronde 2: Argentina bukan tim yang mendominasi lawan-lawan besarnya — xG mereka turun, bloknya makin dalam, peluangnya makin sulit. Tapi mereka selalu punya satu hal yang tidak bisa dimodelkan: momen individu yang memutuskan pertandingan. Tim ini seperti sedang berjalan dengan bahan bakar campuran antara pragmatisme Scaloni dan keajaiban seorang pria berusia 39 tahun yang tahu ini tarian terakhirnya (beIN Sports).

Sisi kedua: perjalanan yang tidak bersih dari kontroversi

Tapi mari jujur: perjalanan Argentina ke final juga diiringi bisik-bisik yang cukup nyaring. Hampir setiap laga mereka berujung perdebatan keputusan wasit, sampai-sampai media sosial ramai dengan tudingan “konspirasi” dan bahkan Forbes menulis soal tuduhan FIFA menganakemaskan Argentina. Beberapa episodenya:

1. Laga vs Algeria (fase grup). Messi dinilai melakukan pelanggaran keras — pul sepatunya mendarat di tulang kering dan tendon Achilles kapten Algeria Aïssa Mandi — tapi wasit Szymon Marciniak bahkan tidak mengeluarkan kartu kuning (Al Jazeera).
2. Laga vs Mesir (16 besar). Ini yang paling panas. Mesir sudah unggul 2–0 hingga menit ke-79 sebelum Argentina membalikkan skor jadi 3–2, dan di tengah jalan ada gol Mesir yang dianulir VAR karena pelanggaran terhadap Lisandro Martínez saat build-up. Buntutnya luar biasa: FIFA memulangkan tim wasit Prancis yang memimpin laga itu dari sisa turnamen (Yahoo Sports).
3. Laga vs Swiss (perempat final). Penalti untuk Argentina membuat pelatih Swiss Murat Yakin meradang dan merasa timnya diperlakukan tidak adil (RBC, NBC DFW).
4. Bahkan wasit finalnya pun jadi sorotan. Slavko Vinčić dari Slovenia yang ditunjuk memimpin final punya catatan masa lalu yang ramai dibicarakan — ia pernah sempat ditahan dalam sebuah penggerebekan polisi di Bosnia tahun 2020, meski dilepas dalam hitungan jam dan tidak pernah didakwa apa pun (beIN Sports).

Saya pribadi tidak mau ikut-ikutan menuduh — keputusan wasit yang kontroversial adalah bagian dari sepakbola sejak zaman dulu, dan confirmation bias membuat kita gampang melihat pola yang sebenarnya tidak ada. Tapi sebagai penikmat data, saya mencatat satu hal: comeback 3–2 dari ketinggalan 2–0, penalti yang diperdebatkan, kemenangan-kemenangan dengan margin tipis — semua itu konsisten dengan cerita data kita bahwa Argentina menang bukan karena dominasi, melainkan karena hidup di margin-margin tipis. Dan di margin setipis itu, satu keputusan wasit memang bisa mengubah segalanya. Itulah kenapa laga vs Mesir dkk jadi bahan gorengan yang empuk.

Oke, cukup gosipnya. Kembali ke data. 😄

Ronde 3: Tanya Mesin — Model Prediksi Menang/Tidak Menang

Analisa deskriptif sudah, sekarang bagian yang paling seru. Saya latih beberapa model machine learning untuk mengklasifikasikan: dari statistik permainannya saja, apakah suatu tim akan menang atau tidak menang?

Beberapa catatan metodologi (biar afdol):

• Data latih: seluruh 204 baris (102 pertandingan) Piala Dunia 2026, dengan 128 fitur statistik.
• Kolom yang “membocorkan” hasil — gol dicetak, gol kebobolan, assist, clean sheet, dan kawan-kawannya — saya buang. Kalau tidak, modelnya jadi trivial: tahu jumlah gol ya tahu hasilnya, akurasi 100% tapi tidak ada maknanya.
• Validasi: stratified 5-fold cross validation yang diulang 5 kali (total 25 fold), dan fold-nya dikelompokkan per pertandingan. Ini penting: dua baris dari pertandingan yang sama adalah bayangan cermin satu sama lain, jadi tidak boleh ada yang nyasar terpisah antara data latih dan data uji.

Hasil perbandingan 9 modelnya:

Model	Akurasi	Error	Balanced Acc	Presisi	Recall	F1	AUC	Log Loss
Gradient Boosting	80,1%	19,9%	79,0%	74,2%	74,4%	0,740	0,879	0,519
Hist. Gradient Boosting	79,9%	20,1%	78,6%	74,8%	73,1%	0,735	0,874	0,509
SVM (RBF)	79,7%	20,3%	77,1%	77,8%	66,3%	0,711	0,859	0,457
Neural Net (MLP)	78,3%	21,7%	76,2%	74,4%	66,9%	0,698	0,860	0,634
Regresi Logistik (L2)	78,1%	21,9%	75,6%	75,0%	64,7%	0,690	0,858	0,468
Random Forest	77,8%	22,3%	75,3%	74,3%	64,7%	0,686	0,847	0,495
Extra Trees	77,4%	22,6%	75,0%	73,1%	64,8%	0,680	0,835	0,505
k-NN (k=7)	73,4%	26,6%	69,3%	70,9%	52,1%	0,598	0,771	1,241
Naive Bayes	66,4%	33,6%	68,4%	54,6%	76,5%	0,635	0,755	6,460

Pemenangnya: Gradient Boosting dengan akurasi 80,1% dan AUC 0,879. Artinya, tanpa tahu skornya sama sekali, model ini bisa menebak menang/tidak menang dengan benar 8 dari 10 pertandingan hanya dari pola statistik permainan. Not bad!

Ronde 4: Jadi… Siapa yang Menang?

Sekarang klimaksnya. Saya suapkan profil rata-rata 2 pertandingan terakhir masing-masing finalis ke model terbaik tadi, lalu saya normalisasi probabilitasnya jadi head-to-head:

Hasilnya: Spanyol 51,2% vs Argentina 48,8%.

Dan ini bukan kebetulan satu model saja — ketiga model teratas (Gradient Boosting, Hist. Gradient Boosting, SVM) semuanya kompak memberi probabilitas menang lebih tinggi untuk profil permainan Spanyol. Masuk akal juga kalau dipikir-pikir: model belajar dari pola “profil seperti apa yang biasanya berujung kemenangan”, dan profil Spanyol — pressing tinggi, cepat merebut bola, peluang berkualitas, pertahanan nyaris steril — memang profil tim pemenang di data turnamen ini.

Tapi lihat juga angkanya: 51,2 : 48,8. Ini tipis. Sangat tipis. Selisihnya jauh di dalam rentang ketidakpastian model yang akurasinya “cuma” 80%. Kalau mau jujur, data bilang: ini final yang nyaris 50:50, dengan Spanyol unggul setipis kulit ari.

Dan ada satu variabel yang tidak pernah masuk ke dalam 128 fitur model saya: seorang nomor 10 yang sedang memainkan laga Piala Dunia terakhirnya. Model tidak tahu apa itu perpisahan. Model tidak tahu bahwa sepanjang turnamen ini, setiap kali Argentina terdesak, selalu ada satu orang yang menolak kalah. Selisih 2,4 poin persentase? Sepanjang kariernya, Messi sudah terlalu sering menertawakan margin yang jauh lebih lebar dari itu.

Epilog (dan Disclaimer Penting!)

Rangkuman versi singkatnya:

1. Argentina dan Spanyol adalah dua tim penguasa bola dengan kualitas kreasi peluang yang nyaris identik (xG ~2,2 per laga).
2. Bedanya ada di cara: Spanyol menang lewat dominasi teritorial dan pressing, Argentina menang lewat kesabaran blok rendah dan finishing yang klinis.
3. Menjelang final, Spanyol makin intens dan makin efisien; Argentina makin pragmatis dan makin bergantung pada ketajaman penyelesaian akhirnya.
4. Model terbaik (Gradient Boosting, akurasi 80,1%, AUC 0,879) mengunggulkan Spanyol tipis: 51,2% vs 48,8%.
5. Di luar data: ini Piala Dunia terakhir Messi — misi mempertahankan gelar sekaligus perpisahan — dan perjalanan Argentina ke final diwarnai kontroversi keputusan wasit yang membuat laga ini makin panas sebelum dimulai.

Nah, sebelum kita semua terburu-buru menjadikan angka di atas sebagai pegangan: ingat, ini hanyalah data. Model hanya belajar dari kebiasaan yang terekam di 102 pertandingan sebelumnya. Sementara pertandingan final adalah panggung yang sangat mungkin keluar dari kebiasaan data: satu momen magis, satu kartu merah, satu blunder kiper, cedera menit ke-10, adu penalti, atau sekadar keberuntungan yang memihak — semuanya bisa membalikkan prediksi mana pun. Selisih 2,4 poin persentase itu jauh lebih kecil daripada ruang kejutan yang bisa terjadi di lapangan.

Lagipula, kalau bola bisa diprediksi sempurna oleh model, buat apa kita begadang menontonnya? Apalagi final yang satu ini: di satu sisi ada mesin sepakbola paling rapi di dunia bernama Spanyol, di sisi lain ada seorang pria berusia 39 tahun yang menolak menutup kariernya tanpa satu bab terakhir yang sempurna. Data boleh bilang 51,2 : 48,8 — tapi cerita, seperti biasa, punya rencananya sendiri. 😄

Selamat menonton final, semoga tim jagoan kalian menang!