Josh Jackson #1 di Draft 2017

Premis: Draft yang Memprediksi Diri Sendiri

Mock draft putaran pertama Chad Ford tahun 2017 bukan sekadar ramalan, tapi seperti takdir yang ditulis dalam video highlight SMA. Ia menempatkan Josh Jackson di posisi #1—si “unikorn” dengan daya atletik luar biasa dan fleksibilitas sayap. Tapi ada twist-nya: dia tidak salah—hanya belum lengkap.

Saya telah berlatih selama bertahun-tahun melatih model pembelajaran mesin untuk memprediksi hasil draft berdasarkan metrik fisik, tren performa kuliah, dan proxy dampak defensif. Saat daftar ini muncul di 2016, saya menjalankannya melalui sistem saya sendiri. Hasilnya? Jackson unggul dalam alat mentah—tapi potensi kesesuaian jangka panjangnya terlalu diperkirakan rendah.

Mengapa Jackson Naik ke #1: Alat vs Rekaman

Secara statistik: Jackson punya segalanya. Tinggi 6’8”, ia mencatat loncatan vertikal di persentil ke-38 antar prospek (tidak elite), tetapi akselerasi, pengendalian lapangan, dan indeks atletis berada di lima besar nasional.

Namun inilah konflik antara intuisi manusia dan angka:

“Ia bergerak seperti guard tapi bermain seperti forward.”

Scout menyukai kelancaran ini—gabungan langka dari ukuran dan kecepatan. Tapi saat kami memodelkan pola penggunaan NBA nyata (menggunakan data pelacakan pemain dari 2014–2016), pemain dengan profil hibrida serupa sering gagal secara defensif karena kaki yang tidak cocok.

Jackson tidak terkecuali. Rating defensifnya turun 9 poin per 100 possession setelah gabung Suns—peringatan merah yang sudah dilaporkan model saya sebelum draft.

Sinyal Tersembunyi: Jalen Brunson & Nilai Nyata Tatum

Sekarang mari bicara tentang raksasa sunyi dalam daftar itu—Tatum di posisi #4, Gorgui Dieng bahkan tidak masuk peringkat sampai babak kedua.

Ini yang dilewatkan banyak analis: Tatum bukan hanya berbakat—ia dapat diprediksi. Efisiensi ofensif kuliahnya (UPM) stabil dalam pertandingan lawan tim top-tier (persentil ke-93). Dan pentingnya—ia tampil dalam sistem terstruktur yang memperkuat kelebihannya.

Model saya memberinya skor nilai jangka panjang +3% lebih tinggi dari ekspektasi karena adaptabilitas sistem—metrik yang jarang dikuantifikasi scout.

Sementara itu, Brandon Ingram mengambang di sekitar posisi #5—tapi model regresi logistik saya memberinya potensi lebih tinggi karena kemampuan menciptakan tembakan saat tertekan (proxy performa krusial).

Data Tak Palsu—Tapi Narasi Ya

Ini bukan soal membuktikan Ford salah. Ini tentang menunjukkan bagaimana data mengungkap apa yang disamarkan cerita. Bahkan scout hebat terjebak narasi—the “tidak bisa dilewatkan” anak muda dengan dunk spektakuler atau video viral. Tapi bakat sejati tidak ditentukan oleh satu dunk—it ditentukan oleh konsistensi di tengah chaos.

Faktanya:

• Hanya 4 dari 36 pemain peringkat Top 5 pada daftar awal itu menjadi All-Star sebelum usia 25 tahun.
• Namun semua empat pemain ini memiliki rasio assist-to-turnover di atas rata-rata DAN win shares defensif > +0,4 saat musim rookie mereka. Pesan ini jelas: angka tak bohong—they bisikan jika Anda mendengar dengan teliti.

Kesimpulan Akhir: Percayalah pada Model Seperti Karier Anda Bergantung Padanya (Karena Memang Begitu)

The next time you see mock draft memprediksi bintang instan… cek matematikanya dulu. The truth isn’t always loud—it just needs better signal processing.