Skip to content

drewips22/superanalyst

v0.4.3

Analisis prapertandingan sepak bola berbahasa Indonesia: data, pola, keputusan, BTTS dan evaluasi prediksi. Acuan UNL kualitatif dipertahankan; sumber dan ketidakpastian dinyatakan.

Superanalyst

Data → pola → keputusan untuk analisis pertandingan sepak bola mendatang.

Superanalyst adalah repo skill untuk Codex. Isinya mengubah rancangan analisis menjadi prosedur yang bisa diulang, diperiksa sumbernya, dan dievaluasi setelah pertandingan. Bahasa utama: Indonesia.

Status: BETA TEST (v0.4.3). Repo publik drewips22/Superanalyst dibuka untuk pengujian, reproduksi penelitian, dan masukan. Acuan UNL serta model penelitian UCL tetap dipertahankan. Contoh dalam examples/ bersifat sintetis; studi nyata berada di backtests/. Hasil rekonstruksi membaik terhadap baseline lima laga, dengan batas sumber dan kebutuhan konfirmasi pada prediksi yang benar-benar direkam sebelum kickoff.

Beta test

Superanalyst masih dikembangkan. Hasil awal tidak menjamin akurasi jangka panjang; probabilitas untuk penggunaan langsung belum disahkan kalibrasinya. Kerangka data → pola → keputusan dapat dipakai lintas kompetisi, sementara model, parameter dan tingkat keyakinannya perlu diuji sesuai kompetisi serta waktu prediksi. Analisis menjadi bahan pertimbangan, bukan hasil mutlak.

  • Catat prediksi sebelum kickoff, termasuk sumber, waktu analisis, versi, serta pilihan yang masih observasi. Simpan revisi dan hasil penilaian secara terpisah.
  • Laporkan masalah atau saran melalui GitHub Issues. Sertakan laga, kompetisi, waktu analisis, versi, target 1X2/BTTS/total gol, serta sumber yang dapat diperiksa. Hindari kredensial dan data pribadi.
  • Perubahan metode diuji pada pertandingan berikutnya sebelum dijadikan acuan. Seluruh kesalahan tetap masuk evaluasi; keberhasilan satu matchday tidak cukup untuk mengganti atau mengesahkan model.

Perbaikan terbatas v0.4.3

Jurnal keputusan v1.2 menjaga konsistensi analisis ulang: input yang sama memakai keputusan tersimpan, fokus dikunci per laga, dan setiap revisi dicatat menurut informasi baru, XI, koreksi data atau penilaian ulang. Teks dan gambar mengambil keputusan dari snapshot yang sama. Alat baru mencatat waktu penyimpanan aktual, menolak penimpaan arsip, serta menilai fokus dan cakupan pilihan.

Konteks persahabatan memisahkan lima laga kompetitif dari uji coba terbaru dan memeriksa umur data, perubahan pelatih/pemain, XI serta aturan pergantian. Tidak ada koefisien baru atau perubahan bobot UNL/UCL; manfaat prediktif tambahan tetap perlu diuji. Alat arsip v0.4.2 dan seluruh kasus yang dibekukan dipertahankan.

Contoh pencatatan yang sepenuhnya sintetis:

python skills/superanalyst/scripts/decision_journal.py record examples/journal-forecast.synthetic.json examples/journal-inputs.synthetic.json --out runs/journal-demo/initial.json
python skills/superanalyst/scripts/decision_journal.py reuse runs/journal-demo/initial.json examples/journal-inputs.synthetic.json

Gunakan berkas keluaran baru untuk pengulangan contoh. Ini pemeriksaan proses dan format, bukan pengujian akurasi pertandingan nyata.

Perbaikan pencatatan v0.4.2

Protokol keputusan v1.1 memisahkan keyakinan dan status setiap target, membuat observasi 1X2 eksplisit, serta mencatat konflik pemain dan sumber. Metode kualitatif, jendela lima laga, bobot dan seluruh arsip lama dipertahankan. Enam tes baru memeriksa cutoff, observasi, tipe target dan penilaian tanpa mengubah input. Peningkatan akurasi belum diklaim; perlu prediksi baru.

Acuan UNL yang dipertahankan

Pengguna menetapkan metode qualitative_superanalyst_national_team_pilot_v1 sebagai acuan kerja UNL pada 13 November 2026. Prediksi prospektif delapan laga sesi pertama menghasilkan 1X2 7/8, BTTS 5/6, total 2,5 gol 5/6, dan skenario skor tepat 5/8. Semua kekeliruan tetap dihitung. Ini hasil satu sesi, bukan akurasi jangka panjang, kalibrasi probabilitas atau bukti keunggulan terhadap pasar.

Urutan data → pola → keputusan dan keenam kelompok analisis tetap berlaku. Usulan pengembangan dicatat terpisah; tidak ada bobot baru yang diaktifkan berdasarkan satu matchday. Spesifikasi acuan.

Plugin untuk akun ChatGPT

Manifest plugin.json di akar repo mengemas skill sebagai plugin. Paket privat dapat dipasang melalui fitur plugin akun yang tersedia; pemasangan lokal ke ~/.codex/skills tidak menyinkronkan skill ke ChatGPT HP. Plugin akun yang didukung tersedia di ChatGPT web, desktop dan mobile sesuai dokumentasi OpenAI.

Keberadaan manifest atau ZIP tidak membuktikan pemasangan cloud selesai. Konfirmasi status pada halaman plugin akun setelah unggah dan pemasangan. Paket tidak membutuhkan MCP atau hooks lokal; lihat panduan lingkungan plugin. Arsip pribadi tetap di luar Git; bukti pilot terpilih dapat dibawa dalam paket privat tanpa mengubah arsip asli.

Pengembangan model: 378 laga uji UCL

Laporan lengkap memakai corpus 25.496 laga historis, 125 laga UCL untuk memilih varian, lalu 378 laga UCL 2024/25–2025/26 untuk pengujian kronologis. Pilihan dikunci sebelum tahap penilaian uji; model dipasang ulang bulanan hanya dengan informasi yang mendahului cutoff T-24 jam.

TargetKesalahan probabilitas: lama → baruPenurunan relatifPilihan tepat: lama → baru
Pemenang/seriLog loss 1,0033 → 0,92118,2%52,9% → 57,7%
BTTSBrier 0,2541 → 0,24513,6%54,0% → 55,8%
Over 2,5Brier 0,2348 → 0,22265,2%62,2% → 66,4%

Ketiga target membaik pada masing-masing musim uji dan lolos batas peningkatan yang sudah ditetapkan. Target memakai model berbeda: pemenang memakai kekuatan tim/lawan + kandang + form10 + istirahat + proxy poin fase UCL; BTTS memakai gol 20 laga; total gol memakai kekuatan tim. Kebijakan dan batas pemakaian.

Ini rekonstruksi dengan sumber historis yang diambil sekarang, bukan uji buta penuh atau forecast yang direkam saat itu. Ketersediaan hasil menggunakan proxy waktu, cakupan kompetisi dapat terbatas, dan kalibrasi untuk pemakaian langsung belum disahkan. Model belum dibandingkan dengan arsip pasar pada waktu yang sama. Snapshot bulanan lama dipakai untuk replay; laga mendatang memerlukan data terbaru dan fit ulang.

Studi tambahan xG memakai 760 laga dua liga pria 2015/16, dengan 222 laga uji terpisah. Campuran gol+xG membaik untuk pemenang, tetapi tidak untuk BTTS/total gol; ini tidak otomatis diterapkan ke UCL. Absensi berbobot peran dan anomali pasar masih membutuhkan arsip sebelum cutoff. Status setiap faktor.

Catatan pengguna tentang Fenerbahçe beruntung disimpan sebagai hipotesis diagnosis. Hasil pertandingan tetap dihitung dalam evaluasi.

Sembilan laga UCL pada 5 November 2026 WIB

Laporan per laga dan pola memakai cutoff 4 November 19.00 WIB, sebelum sembilan laga sesi Rabu Matchday 4 (tanggal UEFA 4 November). Aturan gol lima laga yang sama dengan kasus pertama menghasilkan 1X2 tepat 6/9, BTTS 7/9, Over 2,5 8/9. Pilihan pemenang yang keliru: Liverpool, Slavia, Sabah.

Seluruh sembilan hasil ternyata BTTS dan Over 2,5, sehingga sampel ini belum menguji kemampuan pola membedakan kejadian positif dan negatif. Hasil sudah terlihat pada lampiran dan sumber dinamis: ini rekonstruksi, bukan uji buta. Prediksi dan masukan dibekukan sebelum tahap penilaian; versi sumber asli tidak seluruhnya diarsipkan. xG konsisten belum diperoleh; angka ini hanya menilai baseline gol, bukan seluruh kriteria skill. Lihat catatan pengembangan dari kasus ini.

Uji pertandingan pertama

PSG–Inter, final UCL 2025: analisis dan evaluasi, dengan cutoff 30 Mei 2025 19.00 WIB, 31 jam sebelum kickoff. Baseline gol lima laga menghasilkan PSG 44,92%, seri 22,77%, Inter 32,32%, dan BTTS 64,85%. Hasil aktual PSG 5–0 Inter: pilihan pemenang tepat, BTTS keliru.

Analisis dibuat pada November 2026 sebagai rekonstruksi, bukan forecast yang direkam pada 2025. Data asli pada saat itu tidak seluruhnya diarsipkan, sehingga kasus ini bukan uji buta. Spesifikasi, sepuluh laga historis, analisis, probabilitas, checksum, label hasil, dan cara mengulang evaluasi tersedia di folder kasus. Satu laga belum menguji keseluruhan kriteria Superanalyst.

Cakupan

BagianYang diperiksa
Performa terbaruLima laga terakhir: gol, kebobolan, xG/xGA, W-D-L, tembakan, dan tren
Pola gol dan H2HSkor, BTTS, penguasaan bola, konteks pertemuan, perubahan tim
Line-up dan motivasiCedera/absen, rotasi, kandang/tandang, perjalanan, istirahat, klasemen
Potensi BTTSKualitas serangan, pertahanan, menit akhir, transisi, set piece, clean sheet
Anomali pasarPerubahan menjelang kickoff, berita, spread, likuiditas, aturan kontrak
VerifikasiTiga sumber pasar pembanding bila tersedia, kecocokan dengan kondisi lapangan

Angka “3+ pemain absen → peluang menang turun 22%”, “home +35%”, dan “zona degradasi → intensitas +18%” disimpan sebagai hipotesis belum terverifikasi secara universal. Temuan awal dan rancangan pengujiannya ada di daftar hipotesis.

Memakai skill

Untuk memakai salinan lokal dalam chat yang dapat mengakses folder ini:

Baca skills/superanalyst/SKILL.md, lalu gunakan Superanalyst untuk menganalisis [tim kandang] vs [tim tandang] pada [tanggal dan kompetisi].

Untuk memasangnya agar tersedia di chat lain, minta Codex memasang folder skills/superanalyst dari salinan repo ini menggunakan mekanisme instalasi skill yang tersedia. Pembuatan repo ini belum memasang skill secara global.

Untuk memasang dari repo publik:

$skill-installer pasang skill dari repo drewips22/Superanalyst, path skills/superanalyst.

Contoh pemakaian setelah terpasang:

$superanalyst analisis Arsenal vs Chelsea pada [tanggal], kompetisi [nama].
Gunakan batas informasi saat ini. Bahas 1X2, BTTS, dan data yang belum tersedia.
$superanalyst periksa pergerakan pasar untuk [laga dan tautan kontrak].
Bandingkan tiga sumber, aturan penyelesaian, serta berita line-up.
$superanalyst evaluasi arsip prediksi ini secara kronologis.
Pisahkan horizon prediksi, model, liga, dan data sintetis dari data nyata.

Struktur skill mengikuti dokumentasi resmi pembuatan skill. Ketersediaan berita dan xG bergantung pada sumber yang dapat diakses; repo tidak menyertakan langganan data atau pengambil data otomatis.

Isi repo

skills/superanalyst/
  SKILL.md                         panduan utama
  agents/openai.yaml               nama dan pemicu skill
  references/
    methodology.md                definisi data, tren, dan BTTS
    hypotheses.md                 bukti awal dan hipotesis yang perlu diuji
    markets.md                    protokol perbandingan pasar
    backtesting.md                evaluasi tanpa kebocoran data masa depan
    tools.md                      format input dan penggunaan alat
  assets/report-template.md        format laporan pertandingan
  scripts/
    stats.py                      ringkasan lima laga dan distribusi Poisson
    evaluate.py                   Brier, log loss, dan tabel kalibrasi
    research/                     kolektor, fitur kausal, fit model, dan validasi konteks
examples/                          contoh sintetis yang bisa dijalankan
tests/                             pengujian perilaku perhitungan
backtests/ucl-2025-final/           kasus historis, prediksi, dan evaluasi terpisah
backtests/ucl-2026-11-04/           sembilan laga UCL, pola, dan evaluasi terpisah
backtests/ucl-model-upgrade-v1/     validasi 125 laga dan uji UCL 378 laga
backtests/xg-domestic-2015-v1/      studi xG tambahan dua liga
requirements-research.txt          dependensi opsional untuk model terlatih

Menjalankan alat

Gunakan Python 3.11 atau lebih baru. Alat dasar statistik/evaluasi memakai pustaka standar. Penelitian model terlatih memakai NumPy dan SciPy untuk optimasi dengan gradien analitik. Jalankan dari akar repo; ganti python dengan lokasi interpreter Python bila diperlukan.

python skills/superanalyst/scripts/stats.py summary examples/team-history.synthetic.json
python skills/superanalyst/scripts/stats.py poisson --home-rate 1.6 --away-rate 1.2
python skills/superanalyst/scripts/evaluate.py examples/predictions.synthetic.jsonl
python -m unittest discover -s tests -v
python backtests/ucl-2025-final/run.py verify
python backtests/ucl-2026-11-04/run.py verify

Untuk mengulang probabilitas dan skor penelitian dari snapshot yang tersimpan di repo, tanpa mengunduh seluruh corpus:

python -m pip install -r requirements-research.txt
python backtests/ucl-model-upgrade-v1/replay.py
python backtests/xg-domestic-2015-v1/replay.py

Parameter 1.6 dan 1.2 di atas adalah contoh perhitungan, bukan estimasi untuk tim nyata. Kalkulator Poisson tidak melatih model atau menentukan parameter sendiri. Evaluator menilai prediksi yang sudah disimpan; pelatihan dan pengujian kronologis mengikuti protokol backtest.

Pemeriksaan: 95 tes perhitungan dan validasi dengan dependensi penelitian, termasuk 21 tes jurnal keputusan. Studi historis dapat dihitung ulang dan dicek melalui checksum; penelitian menyediakan replay model/fitur dan skor. Pemeriksaan struktur skill dan tautan internal juga dilakukan. Tes memvalidasi kode dan perilaku pencatatan; bukti mutu prediksi berasal dari evaluasi pertandingan, dengan batas sumber yang dijelaskan pada setiap studi.

Pengembangan berikutnya

  1. Konfirmasi resep UCL pada prediksi baru yang dikunci sebelum kickoff, lalu periksa kalibrasinya.
  2. Kumpulkan xG UCL yang konsisten, pengumuman absensi berbobot peran, dan snapshot pasar bertimestamp.
  3. Uji tambahan fitur pada cohort/horizon yang sama; pertahankan eksperimen yang tidak berhasil.
  4. Uji efek di liga/horizon lain sebelum memperluas cakupan resep terpilih.
  5. Simpan seluruh hasil termasuk kekalahan favorit dan diagnosis sesudah laga.

Data berlisensi dan arsip prediksi pribadi disimpan di data/ atau runs/, yang diabaikan Git. Masukkan ke repo hanya bila hak penggunaan dan kebutuhan berbagi sudah jelas. Lisensi distribusi kode belum ditetapkan; sumber data mengikuti ketentuan dan atribusi masing-masing.

Repo GitHub publik

Repo tersedia untuk beta test di drewips22/Superanalyst. Untuk mengambil salinan:

git clone https://github.com/drewips22/Superanalyst.git

Salinan folder lokal sudah terhubung ke origin. Setelah membuat commit perubahan yang diinginkan:

git push

Paket ZIP berisi source tanpa riwayat Git. Gunakan salinan hasil clone bila ingin melanjutkan pengembangan dengan riwayat commit yang sama.