Gangguan akibat hujan selalu menjadi masalah logistik kriket yang paling kontroversial. Tes lima hari dapat mengatasi penundaan cuaca yang signifikan melalui hari cadangan dan perpanjangan jam bermain, tetapi dalam kriket dengan waktu terbatas — khususnya T20 — penundaan karena hujan selama 20 menit dapat mengubah keseluruhan pertandingan. Olahraga ini menghabiskan waktu puluhan tahun untuk menerapkan solusi kasar sebelum ahli statistik Frank Duckworth dan Tony Lewis menghasilkan jawaban yang dapat dipertahankan secara matematis pada tahun 1997. Metode mereka, yang kemudian disempurnakan oleh Steven Stern dan berganti nama menjadi Duckworth-Lewis-Stern (DLS), sekarang menjadi standar resmi ICC untuk merevisi target dalam pertandingan terbatas-over yang terputus.
Mengapa Kriket Membutuhkan Aturan Hujan
Solusi intuitif terhadap gangguan hujan adalah proporsi sederhana: jika Tim 2 kalah lima kali dari dua puluh, kurangi target mereka sebesar 25%. Ini adalah metode "pro-rata", dan ini sangat tidak adil di hampir semua skenario realistis.
Pertimbangkan alasannya: tim yang melakukan pukulan pertama-tama mendistribusikan risiko ke seluruh 20 over, kehilangan gawang secara terus-menerus, dan mempercepat di over terakhir ketika pembatasan tangkas berakhir. Sebuah tim yang mengejar 160 dalam 20 overs bermain sepenuhnya berbeda dari tim yang mengejar 120 dalam 15 overs — kecepatan lari yang diperlukan melonjak dari 8,0 menjadi 8,0 secara nominal, tetapi pihak tangkas tidak kehilangan "sumber daya" yang setara dengan bowling defensif senilai lima overs. Pihak yang mengejar telah kehilangan nilai overskor yang tinggi tanpa pengurangan target secara proporsional.
Wawasan inti DLS adalah bahwa potensi skor lari tim ditentukan oleh dua sumber daya secara bersamaan: sisa sisa pertandingan dan gawang di tangan. Menghapus overs dari pengejaran jauh lebih merusak ketika sebuah tim memiliki sisa gawang yang lebih sedikit (lebih sedikit margin kesalahan) dibandingkan ketika mereka memiliki sepuluh gawang. Pro-rata mengabaikan interaksi ini sepenuhnya.
Konsep "Sumber Daya": Overs × Gawang
DLS menggunakan tabel sumber daya yang telah dihitung sebelumnya. Setiap kombinasi sisa over dan gawang di tangan mewakili persentase dari total sumber penilaian tim. Tabel ini diambil dari pola penilaian historis di ribuan pertandingan internasional.
Ilustrasi yang disederhanakan (bukan tabel DLS persisnya):
| Overs Remaining | 0 Wickets Lost | 3 Wickets Lost | 6 Wickets Lost | 9 Wickets Lost |
|---|---|---|---|---|
| 20 | 100.0% | 75.1% | 49.0% | 18.4% |
| 15 | 85.1% | 64.3% | 42.4% | 16.2% |
| 10 | 66.5% | 50.1% | 33.5% | 12.8% |
| 5 | 40.0% | 31.6% | 21.5% | 8.6% |
| 0 | 0% | 0% | 0% | 0% |
Tabel DLS lengkap memiliki nilai untuk setiap kombinasi over dan gawang. Yang penting, hubungannya tidak linier: kalah over di akhir babak (saat tim memiliki sedikit gawang dan berada dalam mode akselerasi) lebih merugikan daripada kalah lebih awal.
Bagaimana DLS Menghitung Ulang Target
Ketika inning Tim 2 diinterupsi, perhitungannya mengikuti struktur ini:
Jika Tim 1 menyelesaikan inning penuhnya tanpa gangguan:
Team 2's Par Score = Team 1's Score × (Team 2's Resources% / 100)
Revised Target = Par Score + 1
Jika inning Tim 1 juga terganggu:
Nilai "G50" (skor rata-rata yang diharapkan dari babak 50 atau 20 over penuh, diperbarui setiap tahun oleh ICC) dimasukkan dalam perhitungan. Rumusnya disesuaikan dengan fakta bahwa kedua tim memiliki sumber daya yang lebih sedikit, dan tim dengan sumber daya lebih banyak seharusnya memiliki keuntungan dengan skala yang sesuai.
DLS Edisi Profesional (PE) — digunakan di semua pertandingan internasional — juga menerapkan penyesuaian non-linier untuk total babak pertama yang sangat tinggi, karena tim yang mendapat skor jauh di atas tolok ukur G50 cenderung melakukannya lebih efisien daripada tim dengan skor rendah.
Contoh Berhasil: Pertandingan T20 Diinterupsi pada 10 Over
Pengaturan:
- Tim 1 mencetak 160 run dalam 20 overs (tanpa gangguan)
- Tim 2 memulai pengejaran mereka; hujan menghentikan permainan setelah Tim 2 menghadapi 10 overs, mencetak 75 run untuk 2 gawang yang hilang
- Wasit mengurangi sisa babak menjadi nol — pertandingan dibatalkan
Tentukan sumber daya yang digunakan:
Di awal babak Tim 2: sisa 20 over, 0 gawang hilang = 100% sumber daya.
Setelah 10 over dengan 2 gawang hilang: 10 over tersisa, 2 gawang hilang = (menggunakan nilai tabel ilustratif) tersisa sekitar 60,5% sumber daya.
Sumber daya yang digunakan oleh Tim 2 = 100% − 60,5% = 39,5%
Namun karena hujan menghentikan permainan dan tidak ada lagi kemungkinan terjadinya over, Tim 2 hanya menggunakan 39,5% sumber daya mereka.
Hitung skor par:
Team 2 Par Score = Team 1 Score × (Team 2 Resources% / Team 1 Resources%)
= 160 × (39.5% / 100%)
= 160 × 0.395
= 63.2
Dibulatkan menjadi 63. Tim 2 mendapat skor 75, yang berada di atas skor par 63, jadi Tim 2 menang dengan metode DLS.
Seandainya pertandingan dikurangi dan bukan ditinggalkan — katakanlah, Tim 2 mendapat 15 over, bukan 20 — target yang direvisi adalah: 160 × (Sumber daya Tim 2 untuk 15 over, 0 gawang) / 100% = 160 × 85,1% ≈ 136 run, artinya Tim 2 memerlukan 137 run untuk menang.
Kontroversi DLS Terkenal
DLS telah menjadi pusat kontroversi yang signifikan dalam pertandingan-pertandingan berisiko tinggi, terutama karena keluarannya berlawanan dengan intuisi bagi pemirsa biasa.
Final Piala Dunia ICC T20 Wanita 2019 (Australia vs India): Hujan menghentikan pertandingan setelah Australia melakukan pukulan. Target DLS yang ditetapkan untuk India diperdebatkan secara luas, dengan kritik yang berpendapat bahwa skor par ditetapkan terlalu tinggi mengingat kondisi saat pertandingan dimainkan dan pertandingan telah dihentikan sebelum India melakukan pukulan.
Final T20 Dunia 2016 (Hindia Barat vs Inggris): Penundaan hujan mengubah alokasi di tengah pertandingan, dan penghitungan ulang DLS menghasilkan target yang direvisi sehingga Hindia Barat akhirnya mengejar bola terakhir di salah satu penyelesaian kriket paling dramatis. Penerapan DLS benar tetapi berkontribusi pada penyelesaian yang kacau.
Berbagai turnamen ODI: Kritikus telah lama mencatat bahwa DLS dapat merugikan tim pengejar dalam pertandingan dengan skor rendah di lapangan yang sulit, karena tabel sumber daya pada awalnya dikalibrasi pada pertandingan dengan skor lebih tinggi. Revisi Stern tahun 2004 dan pembaruan yang sedang berlangsung telah mengatasi sebagian hal ini, namun persepsi tersebut tetap ada.
DLS vs VJD: Metode Bersaing
Metode VJD, yang dikembangkan oleh matematikawan India V. Jayadevan, menawarkan kerangka matematika alternatif untuk target yang direvisi. Ini menggunakan dua kurva sumber daya yang terpisah — satu untuk penilaian normal dan satu lagi untuk penilaian dipercepat — dan menangani beberapa interupsi dengan cara yang agak berbeda.
| Feature | DLS | VJD |
|---|---|---|
| Developer | Duckworth, Lewis, Stern (UK) | V. Jayadevan (India) |
| Official ICC use | Yes (all international matches) | No (ICC does not recognize for internationals) |
| Domestic use | Most countries follow ICC | Used in some Kerala and Indian domestic fixtures |
| Handling of low-scoring matches | Improved post-Stern revision | Claims better calibration for sub-par totals |
| Transparency | Published formula framework; PE table undisclosed | Openly published curves |
| Multiple interruptions | Handled via iterative resource subtraction | Handled via separate curve calculations |
ICC telah meninjau VJD secara berkala dan belum mengadopsinya, dengan alasan catatan validasi DLS yang ekstensif di seluruh kondisi internasional. Para pendukung VJD berpendapat bahwa VJD menangani kasus-kasus tertentu – khususnya pertandingan dengan skor rendah di trek berbelok – dengan lebih adil. Perdebatan ini mencerminkan tantangan statistik yang sebenarnya: tidak ada tabel sumber daya tunggal yang dapat dengan sempurna menangkap dinamika skor dari setiap kombinasi lapangan, kondisi, kekuatan tim, dan situasi pertandingan.
DLS menurut definisinya akan tetap tidak sempurna. Ini adalah model statistik yang diterapkan pada olahraga manusia dengan variabilitas situasional yang sangat besar. Apa yang dihasilkannya adalah konsistensi, transparansi dalam kerangka kerja (jika bukan tabel persisnya), dan data validasi selama puluhan tahun – yang jauh lebih banyak dibandingkan pendahulunya.