Memprediksi Peluang Klub Promosi Bertahan di Liga Top Eropa — Part 1: Kickoff & Rencana

series: Prediksi Survival Klub Debutan

Kenapa Project Ini?

Setiap musim, klub yang promosi ke liga top (Premier League, La Liga, dst.) menghadapi risiko besar: sekitar 2 dari 3 klub yang naik biasanya kembali terdegradasi di musim pertama mereka. Saya penasaran — bisakah performa di beberapa laga awal musim memberi sinyal dini soal peluang klub tersebut bertahan?

Ini jadi project portofolio pertama saya sebagai data scientist yang baru mulai (0-1 tahun pengalaman). Saya sengaja pilih topik yang saya suka (sepak bola) supaya prosesnya tetap enjoyable, bukan cuma “tutorial project” generik.

Rencana Project

Pertanyaan utama: Berdasarkan performa 8 laga pertama musim debut, seberapa besar peluang klub promosi bertahan hingga musim berikutnya (tidak degradasi)?

Data yang dipakai:

• football-data.co.uk — data hasil pertandingan tiap musim sejak 1993/1994
• Wikipedia (halaman musim liga) — daftar klub promosi & klasemen akhir musim

Tech stack:

• pandas, requests untuk data collection
• scikit-learn untuk modeling (mulai dari Logistic Regression sebagai baseline)
• imbalanced-learn untuk handle class imbalance
• Streamlit + Plotly untuk dashboard interaktif
• Deploy ke Streamlit Community Cloud

Timeline (Build in Public)

Saya bikin timeline ini publik supaya ada tekanan yang sehat untuk benar-benar menyelesaikannya, bukan cuma jadi ide yang menguap:

Checkpoint Target Tanggal Yang Harus Selesai Part 1 (post ini) 11 Juli 2026 Kickoff, rencana, environment siap Part 2 15 Juli 2026 Dataset jadi, push ke GitHub Part 3 17 Juli 2026 EDA selesai, insight awal Part 4 24 Juli 2026 Model final dipilih + evaluasi Part 5 31 Juli 2026 Dashboard live di Streamlit Cloud Part 6 (final) 8 Agustus 2026 Project selesai, recap lengkap

Tantangan yang Sudah Saya Antisipasi

1. Data leakage — fitur harus dihitung dari laga awal musim saja, bukan seluruh musim, biar model beneran memprediksi bukan “menyontek” hasil akhir
2. Dataset kecil — kemungkinan hanya ~60-100 sampel klub, jadi saya mulai dari model sederhana (Logistic Regression) dulu, bukan langsung deep learning
3. Nama tim yang tidak konsisten antar sumber data (misal “Man United” vs “Manchester United”) — perlu mapping manual