Basketbolda Oyuncu Performans Profilleri ve Verimlilik Belirleyicileri: Türkiye Basketbol Süper Ligi 2024–25 Sezonu Üzerine Bir Analiz

Yıl 2025, Cilt: 9 Sayı: 2, 176 - 186, 30.12.2025

Erkan Konca , Serdar Şahin

https://izlik.org/JA38EG66RH

Öz

Amaç: Bu araştırmanın amacı, Türkiye Basketbol Süper Ligi 2024–25 sezonunda en yüksek verimlilik puanına sahip oyuncuların performans profillerini inceleyerek verimlilik belirleyicilerini ortaya koymaktır. Materyal Metot: Türkiye Basketbol Federasyonu’nun resmî sitesindeki kamuya açık normal sezon istatistikleri (sayı, ribaund, asist, blok, top çalma, top kaybı, iki/üç sayılık atış yüzdesi, serbest atış yüzdesi, süre, verimlilik puanı) kullanıldı. Veriler JASP 0.95.3’te analiz edilerek tanımlayıcı istatistikler, Pearson korelasyon ve çoklu doğrusal regresyon hesaplandı; benzer performans özelliklerine göre oyuncu profillerini sınıflandırmak için ayrıca kümeleme analizi uygulanmıştır. Bulgular: Model, verimlilik puanını %96 oranında açıklamıştır (R² = 0.964). Sayı, ribaund, asist, blok, 2 sayı ve serbest atış yüzdesi pozitif; top kaybı ise negatif yönde anlamlı etkisi olduğu görülmüştür (p < .001). Kümeleme analizinde oyuncular üç profile ayrılmıştır: yüksek verimlilik (skor ve ribaund ağırlıklı), orta verimlilik (asist odaklı) ve düşük verimlilik (savunma katkısı sınırlı). Sonuç: Bulgular, basketbolda verimlilik puanının çok boyutlu bireysel katkıyı yansıtan güvenilir bir gösterge olduğunu ortaya koymuştur. Çalışma, oyuncu seçimi, rol tanımı ve antrenman planlamasında veri temelli karar verme süreçlerine bilimsel katkı sağlamaktadır.

Anahtar Kelimeler

Analiz , basketbol , oyuncu performansı , TSBL , verimlilik

Kaynakça

• Bompa, T. O., & Buzzichelli, C. (2019). Periodization: Theory and methodology of training (6th ed.). Human Kinetics.
• Canuto, S. C., & Almeida, M. B. (2022). Determinants of basketball match outcome based on game-related statistics: A systematic review and meta-analysis. European Journal of Human Movement, 48, 4–20. http://10.21134/eurjhm.2022.48.2
• Conte, D., Favero, T. G., Lupo, C., Francioni, F. M., Capranica, L., & Tessitore, A. (2015). Time-motion analysis of Italian elite women's basketball games: Individual and team analyses. Journal of Strength and Conditioning Research, 29(1), 144–150. https://doi.org/10.1519/JSC.0000000000000633
• Cui, Y., Liu, F., Bao, D., Liu, H., Zhang, S., & Gómez, M.-Á. (2019). Key anthropometric and physical determinants for different playing positions during National Basketball Association draft combine test. Frontiers in Psychology, 10, 2359. https://doi.org/10.3389/fpsyg.2019.02359
• Fox, J. L., Scanlan, A. T., & Stanton, R. (2017). A review of player monitoring approaches in basketball: Current trends and future directions. Journal of Strength and Conditioning Research, 31(7), 2021–2029. https://doi.org/10.1519/JSC.0000000000001964
• García, J., Ibáñez, S. J., De Santos, R. M., Leite, N., & Sampaio, J. (2013). Identifying basketball performance indicators in regular season and playoff games. Journal of Human Kinetics, 36, 161–168. https://doi.org/10.2478/hukin-2013-0016
• Gómez, M., Lorenzo, A., Sampaio, J., Ibáñez, S. J., & Ortega, E. (2008). Game-related statistics that discriminated winning and losing teams from the Spanish men's professional basketball teams. Collegium Antropologicum, 32(2), 451–456.
• Gómez, M. A., Ibáñez, S. J., Parejo, I., & Furley, P. (2017). The use of classification and regression tree when classifying winning and losing basketball teams. Kinesiology, 49(1), 47–56.
• Hollinger, J. (2002). Pro basketball forecast. Brassey’s Inc., Potomac Books. ISBN: 1574885111.
• Issurin, V. B. (2016). Benefits and limitations of block periodized training approaches to athletes' preparation: A review. Sports Medicine, 46(3), 329–338. https://doi.org/10.1007/s40279-015-0425-5
• Leicht, A. S., Gómez, M.-Á., & Woods, C. T. (2017). Team performance indicators explain outcome during women’s basketball matches at the Olympic Games. Sports, 5(4), 96. https://doi.org/10.3390/sports5040096
• Lorenzo, A., Gómez, M. Á., Ortega, E., Ibáñez, S. J., & Sampaio, J. (2010). Game-related statistics which discriminate between winning and losing under-16 male basketball games. Journal of Sports Science & Medicine, 9(4), 664–668.
• Piedra, A., Peña, J., & Caparrós, T. (2021). Monitoring training loads in basketball: A narrative review and practical guide for coaches and practitioners. Strength & Conditioning Journal, 43(5), 12–35. https://doi.org/10.1519/SSC.0000000000000620
• Sampaio, J., & Leite, N. (2013). Performance indicators in game sports. In T. McGarry, P. O’Donoghue, & J. Sampaio (Eds.), Routledge handbook of sports performance analysis (pp. 115–127). Routledge. https://doi.org/10.4324/9780203806913-13
• Sampaio, J., McGarry, T., Calleja-González, J., Jiménez Sáiz, S., Schelling i del Alcázar, X., & Balciunas, M. (2015). Exploring game performance in the National Basketball Association using player tracking data. PLoS ONE, 10(7), e0132894. https://doi.org/10.1371/journal.pone.0132894
• Schelling, X., & Torres-Ronda, L. (2013). Conditioning for basketball: Quality and quantity of training. Strength and Conditioning Journal, 35(6), 89–94. https://doi.org/10.1519/SSC.0000000000000018
• Ziv, G., Lidor, R., & Arnon, M. (2010). Predicting team rankings in basketball: The questionable use of on-court performance statistics. International Journal of Performance Analysis in Sport, 10(2), 103–114. https://doi.org/10.1080/24748668.2010.11868506