ANALYSIS OF THE PERFORMANCE OF FOOTBALL TEAMS VIA THE ENTROPY-GRAY RELATIONAL ANALYSIS METHOD: TURKISH SUPER LEAGUE MODEL

Öz

The aim of this study was to analyze the score performances of football teams competing in the 2018-2019 season of the Turkish Football Federation (TFF) Super League via entropy gray relational analysis, one of the multi-criteria decision-making methods. In the study, eight criteria in relation to physical and technical qualities (total running distance, sprint running distance, running distance, getting the ball in the air, shot on target, shot pass total, crossing the ball into penalty, retrieving the ball) were taken as the standard. All matches played in the league throughout the season by engaging teams were included within the scope of this research and were evaluated on the basis of their per-match averages. Obtained data were weighted via the entropy method in order to determine the overall performance, physical performance, and technical performance of football teams. By implementing the gray relational analysis method overall, physical and technical performances of every single team was respectively analyzed. The performance ranking and actual ranking of the 2018-2019 football season were compared with each other, and obtained results were then interpreted. It was concluded that analyses via the entropy method suggested that the most significant criteria in measuring the overall performance of the teams were getting the ball in the air, shot on target, crossing the ball into penalty, and total pass; for physical performance, the criteria vital standards were getting the ball in the air and for technical performance criteria, shot on target played a major role. Based on the gray relational analysis method, it was concluded that the overall performance and the physical and technical performances of the teams failed to represent their actual rankings.

Anahtar Kelimeler

• Futbol
• Entropi
• Performans
• Gri İlişkisel Analiz

ANALYSIS OF THE PERFORMANCE OF FOOTBALL TEAMS VIA THE ENTROPY-GRAY RELATIONAL ANALYSIS METHOD: TURKISH SUPER LEAGUE MODEL

Abstract

Bu çalışma, 2018-2019 Sezonu Türkiye Futbol Federasyonu (TFF) Süper Liginde mücadele eden futbol takımlarının müsabaka performanslarının çok kriterli karar verme yöntemlerinden olan Entropi-Gri İlişkisel Analiz yöntemiyle değerlendirilmesi amacıyla yapılmıştır. Çalışmada fiziksel ve teknik özelliklerinden 8 kriter (toplam koşu mesafesi, sprint koşu mesafesi, yüksek yoğunluklu koşu mesafesi, hava topu kazanma, kaleyi bulan sut, isabetli pas sayısı, ceza sahasına toplam orta, topa sahip olma) ölçü olarak alınmıştır. Sezon boyunca takımların ligde oynadıkları tüm müsabakalar çalışma kapsamına dahil edilerek maç bası ortalamaları üzerinden değerlendirilmiştir. Elde edilen veriler, futbol takımlarının genel performans, fiziksel performans ve teknik performanslarını belirlenmesi için Entropi yöntemiyle ağırlıklandırılmıştır. Gri ilişkisel analiz yöntemiyle, takımların ayrı ayrı genel, fiziksel ve teknik performansları değerlendirilmiştir. Performans sıralaması ile 2018-2019 yılı gerçek sıralama karşılaştırılmış ve sonuçlar yorumlanmıştır. Sonuç olarak; entropi yöntemi ile yapılan analizler göstermektedir ki, takımların genel performanslarında en önemli kriterlerin hava topu kazanma, kaleyi bulan sut, ceza sahasına toplam orta ve pas sayısı olduğu, fiziksel performans kriterleri arasında hava topu kazanmanın, teknik performans kriterlerinde de kaleye yapılan isabetli sutların oldukça önemli olduğu söylenebilir. Gri ilişkisel analiz yöntemine göre takımların genel performans, fiziksel ve teknik performanslarının gerçek sıralamaları ile örtüşmediği sonucuna ulaşılmıştır.

Keywords

• Football
• performance
• entropy
• gray relational analysis

Kaynakça

1. Akçakanat, Ö., Eren H., Aksoy E., Ömürbek, V. (2017). Bankacılık sektöründe entropi ve waspas yöntemleri ile performans değerlendirmesi. Suleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(2), 285-300.
2. Aslan, M. A. A., Fırat. (2020). Futbolda kondisyonel ve teknik özelliklerin basarıya olan etkisinin incelenmesi (Türkiye Süper Ligi örneği). Gaziantep Üniversitesi, Sağlık Bilimleri Enstitüsü, Beden Eğitimi ve Spor Anabilim Dalı, Yüksek Lisans Tezi, 50.
3. Chan, J.W., Tong, T.K. (2007). Multi-criteria material selections and end-of-life product strategy: Grey relational analysis approach. Materials-Design, 28(5), 1539-1546.
4. Chatzopoulos, D., Tsormbatzoudis, H., Drakou, A. (2006). Combinations of technique and games approaches: Effects on game performance and motivation. Journal of Human Movement Studies, 50(3), 157-170.
5. Çakır, S., Perçin, S. (2013). AB ülkeleri’nde bütünlesik entropi ağırlık-topsis yöntemiyle ar-ge performansının ölçülmesi. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17(1), 77-95.
6. Grant, A.G., Williams, A.M., Reilly, T. (1999). Analysis of the goals scored in the 1998 World Cup. Journal of sports sciences, 17(10), 826-827.
7. Günay, M., Yüce, A.İ. (2008). Futbol antrenmanının bilimsel temelleri. Gazi Kitabevi, Ankara.
8. Güngör, A. (2014). Futbol Endüstrisinde sportif basari ile finansal performans arasindaki iliskinin analizi ve türkiye uygulamasi. İstanbul Üniversitesi Sosyal Bilimler Dergisi, 1, 16-36.

9. Jones, P., James, N., Mellalieu, S. (2004). Possession as a performance indicator in soccer. International Journal of Performance Analysis in Sport, 4(1), 98-102.
10. Karamatov, O., Dilek, S., Nematoviç, K.I., Kamaci, A. (2019). Futbol ekonomisi: Kastamonu Üniversitesi örneği. Bartın Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(20), 238-264.
11. Karami, A., Johansson, R. (2014). Short paper. Journal of Information Science and Engineering, 30, 519-534.
12. Lago-Peñas, C., Ruano M.A.G., Gai., Y. (2017). Styles of play in professional soccer: an approach of the Chinese Soccer Super League. International Journal of Performance Analysis in Sport, 17(6), 1-12.
13. Lago-Peñas, C., Ballesteros, J.L., Dellal, A., Lopez, M.G. (2010). Game-related statistics that discriminated winning, drawing and losing teams from the Spanish soccer league. Journal of Sports Science and Medicine, 9(2), 288-293.
14. Lago- Peñas, C., Acero, R.M. (2007). Determinants of possession of the ball in soccer. Journal of Sports Sciences, 25(9), 969-974.
15. Liu, S., Yingjie Y., Jeffrey, F. (2017). Grey data analysis. Springer, Singapore.
16. Mao, L., Peng Z., Liu H., Ruano MAG. (2016). Identifying keys to win in the Chinese professional soccer league. International Journal of Performance Analysis in Sport, 16(3), 935-947.
17. Marchiori, M., De Vecchi, M. (2020). Secrets of soccer: Neural network flows and game performance. Computers-Electrical Engineering, 81, 1-13.
18. Munier, N. (2011). A strategy for using multicriteria analysis in decision-making: a guide for simple and complex environmental projects, Springer, Singapore.
19. Pappalardo, L., Cintia, P. (2018). "Quantifying the relation between performance and success in soccer." Advances in Complex Systems, 21, 3-4.
20. Tunca, M. Z., Ömürbek, N., Cömert, H.G., Aksoy, E. (2016). Opec ülkelerinin performanslarının çok kriterli karar verme yöntemlerinden entropi ve maut ile değerlendirilmesi. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 7(14), 1-12.
21. Wang, T.C., Lee, H.D. (2009). Developing a fuzzy TOPSIS approach based on subjective weights and objective weights. Expert Systems with Applications, 36(5), 8980-8985.
22. Yang, J.J., Chuang, Y.C., Wei Lo, H., Lee, T. (2020). A two-stage MCDM model for exploring the Influential relationships of sustainable sports tourism criteria in taichung city. International Journal of Environmental Research and Public Health, 17(7), 2319-2335.