RESUME

PROFIL AKTIVITAS DAN FISIK PEFORMA MATCH PLAY

DI ELIT PEMAIN FUTSAL

Perkenalan
Peningkatan kemampuan teknologi untuk mengumpulkan dan menganalisis data telah
meningkatkan pengetahuan tentang beban dan tuntutan fisik olahraga tim dan membantu
meningkatkan program pelatihan, mengoptimalkan kinerja dan mengurangi kemungkinan
cedera pada pemain tingkat atas (Fox et al., 2017 ; Vanrenterghem dkk., 2017). Pentingnya
hal ini semakin diperkuat baru-baru ini, karena FIFA telah menyetujui penggunaan
mikrosensor tertentu dan perangkat yang dapat dikenakan dalam pertandingan resmi sepak
bola dan futsal, sehingga membuka perspektif baru untuk memahami kinerja fisik pemain
selama skenario kompetitif (Roell dkk., 2018) .
Untuk lebih memahami beban yang dialami pemain selama pertandingan, beban
internal (IL), dan beban eksternal (EL) harus diukur dan dikarakterisasi (Buchheit, 2014; Fox
et al., 2017; Clemente et al., 2019). Sementara IL mendeskripsikan efek fisiologis latihan
pada atlet, EL mendeskripsikan tuntutan fisik latihan melalui pengukuran yang diperoleh dari
data posisi, dan/atau unit pengukuran inersia (IMU; Gonçalves et al., 2017; Impellizzeri et al.,
2019).
Beban eksternal dapat diklasifikasikan menjadi tiga kategori utama: (a) kinematika,
yang mengukur keseluruhan pergerakan selama latihan; (b) mekanis, yang menggambarkan
keseluruhan beban pemain selama latihan; dan (c) metabolik, yang mengukur keseluruhan
pengeluaran energi pergerakan selama berolahraga (Rossi et al., 2018). Parameternya juga
dapat dinyatakan dalam istilah absolut (total waktu pertandingan) atau relatif (waktu bermain
efektif). Namun, dengan banyaknya data yang tersedia untuk mengukur beban fisik,
tantangannya adalah memahami variabel yang paling dapat diandalkan dan relevan Dalam
hal ini, penelitian ini bertujuan untuk mengkarakterisasi EL permainan pertandingan futsal
elit.
Selain itu, data dihitung untuk mengidentifikasi metrik beban kerja eksternal yang
membedakan profil pemain futsal yang berbeda. Kolinearitas antar variabel EL juga
dianalisis. Kami berharap untuk mengidentifikasi profil permainan yang berbeda berdasarkan
EL pemain, yang bertujuan untuk meningkatkan pemahaman tentang tuntutan permainan
pertandingan di futsal. dikumpulkan untuk mengkarakterisasi profil aktivitas pemain selama
sesi latihan dan pertandingan (Buchheit dan Simpson, 2017). Pengetahuan ilmiah tentang EL
dan profil aktivitas pemain futsal masih langka (Beato et al., 2017; Naser et al., 2017; Taylor
et al., 2017). Sejauh pengetahuan kami, hanya lima penelitian yang menyelidiki data tuntutan
fisik pada pemain futsal elit (pertandingan resmi): satu di Liga Futsal Profesional Spanyol—
analisis jarak yang ditempuh dan detak jantung (Barbero-Alvarez dkk., 2008) ; satu pada
pemain futsal Australia— analisis tuntutan pertandingan antar tingkat kompetisi (Dogramaci
dkk. 2015); dan tiga di Brasil—analisis sprint (Caetano dkk., 2015), jarak yang ditempuh (De
Oliveira Bueno dkk., 2014), dan jarak yang ditempuh, kecepatan maksimum, dan peta panas
perpindahan pemain (de Pádua dkk., 2017).
 Dalam hal ini, penelitian ini bertujuan untuk mengkarakterisasi EL permainan
pertandingan futsal elit. Selain itu, data dihitung untuk mengidentifikasi metrik beban kerja
eksternal yang membedakan profil pemain futsal yang berbeda. Kolinearitas antar variabel
EL juga dianalisis. Kami berharap untuk mengidentifikasi profil permainan yang berbeda
berdasarkan EL pemain, yang bertujuan untuk meningkatkan pemahaman tentang tuntutan
permainan pertandingan di futsal.

Bahan dan Metode

Subjek Dua puluh delapan pemain futsal elite putra (usia: 24,1 ± 3,4 tahun) dari
delapan tim futsal yang mengikuti Babak Delapan Besar Piala Futsal Portugal 2018 (Januari
2018) diterima berpartisipasi dalam penelitian ini. Kriteria inklusi adalah sebagai berikut: (1)
merupakan pemain lapangan; (2) tidak melaporkan adanya keterbatasan fisik atau cedera otot
rangka yang dapat mempengaruhi kinerja; dan (3) dimainkan di kedua babak di setiap
pertandingan

Desain
Penelitian observasional digunakan untuk mengukur dan menganalisis EL pemain
yang berpartisipasi dalam Delapan Besar Piala Futsal Portugis 2018. Empat pertandingan di
perempat final dan dua pertandingan di semifinal kompetisi dengan jarak setidaknya 48 jam
digunakan untuk analisis. Menurut aturan resmi futsal, dua babak waktu efektif 20 menit
dimainkan.

Metodologi
pemain dinilai menggunakan IMU dengan teknologi sistem pelacakan ultra-wideband
(UWB) dari WIMU PROTM (Realtrack Systems, Almeria, Spanyol). Frekuensi pengambilan
sampel WIMU untuk sistem penentuan posisi adalah 18 Hz
Sistem ini memiliki enam antena UWB, ditempatkan 4 m di luar lapangan, dan
beroperasi menggunakan triangulasi antara antena dan unit untuk mendapatkan koordinat X
dan Y setiap unit. Cluster dua langkah dengan kemungkinan log sebagai ukuran jarak dan
kriteria Bayesian Schwartz dilakukan untuk mengklasifikasikan atlet berdasarkan profil
kinerja mereka sepanjang pertandingan. Analisis tersebut digunakan untuk
mengklasifikasikan performa para pemain dan untuk mengidentifikasi variabel yang
memaksimalkan jarak grup.
Data dari awal hingga akhir pertandingan dengan pengecualian babak pertama dan
time-out dianalisis menggunakan Perangkat Lunak SPRO (Realtrack Systems SL, Almeria,
Spanyol). Akurasi dan keandalan perangkat ini telah dilaporkan dan divalidasi sebelumnya
(Bastida-Castillo et al., 2019). Metode ini berbeda dengan teknik clustering tradisional dalam
penanganan variabel kategori (dengan asumsi variabel independen), pemilihan jumlah cluster
secara otomatis, dan skalabilitas (Tabachnick et al., 2007). Melalui uji ANOVA,
 Dari data posisi, variabel diekstraksi berdasarkan tiga kategori utama EL yang
diidentifikasi (Rossi et al., 2018): (a) kinematika; (b) mekanis; dan (c) metabolik.

Analisis Statistik Normalitas

ata diuji dengan uji Kolmogorov – Smirnov. Karena distribusi normal tidak ditemukan
di semua situasi, kami menggunakan uji peringkat Wilcoxon untuk mengidentifikasi
perbedaan antara masing-masing bagian. Rata-rata ± standar deviasi (SD) untuk data
pertandingan penuh dan median (Md) serta rentang antarkuartil (IR) untuk paruh pertama dan
kedua dihitung.
Cluster dua langkah dengan kemungkinan log sebagai ukuran jarak dan kriteria
Bayesian Schwartz dilakukan untuk mengklasifikasikan atlet berdasarkan profil kinerja
mereka sepanjang pertandingan
Metode ini berbeda dengan teknik clustering tradisional dalam penanganan variabel
kategori (dengan asumsi variabel independen), pemilihan jumlah cluster secara otomatis, dan
skalabilitas (Tabachnick et al., 2007). Melalui uji ANOVA,

Tuntutan Fisik futsal

Analisisnya bersifat kinematika absolut, mekanik, dan metabolik variabel
mengungkapkan perbedaan statistik antara bagian hanya untuk MPTM dengan babak pertama
membutuhkan lebih banyak energi yang dikeluarkan pemain dibandingkan pada babak kedua

Kelompok Profil Fisik Futsal Pemain

Analisis cluster mengklasifikasikan para pemain menjadi tiga berbeda kelompok
menurut profil fisik mereka sebagai lebih tinggi, sedang, dan lebih rendah

Kelompok Profil Fisik Futsal Pemain

semua variabel yang digunakan dalam penelitian ini. Variabel yang ditunjukkan
jumlah asosiasi tertinggi adalah jarak yang ditempuh per menit, deselerasi per menit, MP per
menit, dan jogging per menit. Pada gilirannya, dampak total per menit, PLTM per menit, DSL
per menit, dan jumlah lompatan per menit tidak menunjukkan apapun jenis korelasi dengan
orang lain. Satu-satunya korelasi negatif adalah ditemukan antara MPTM per menit dan
jogging per menit.

Diskusi
Tujuan dari penelitian ini adalah untuk mendeskripsikan EL futsal permainan
pertandingan dan mengidentifikasi perbedaan antara yang pertama dan babak kedua. Selain
itu, data digunakan untuk mengidentifikasi eksternal metrik beban kerja yang membedakan
profil pemain futsal yang berbeda. Pada akhirnya, kolinearitas antara variabel beban kerja
eksternal juga dianalisis.

Karakteristik permainan futsal

Perbandingan antara beban kerja absolut dan relatif mengungkapkan tren yang
berbeda. Meskipun tidak ada statistik perbedaannya, terjadi penurunan umum secara absolut
nilai selama babak kedua dibandingkan dengan babak pertama. Di dalam sebaliknya, nilai
relatif menunjukkan peningkatan umum beban fisik per menit dengan nilai lari yang jelas
lebih tinggi dan DSL di babak kedua dibandingkan dengan babak pertama. Temuan ini
menyoroti penggunaan ukuran relatif lebih banyak varez dkk., 20,3 km/jam, dengan nilai
puncak 22,6 km/jam. Nilai rata-rata menentukan hasil seperti itu. tentang kemampuan pemain
futsal untuk mempertahankan atau bahkan meningkatkan dkk., 2015). Bahkan, jaraknya kira-
kira dua kali lebih jauh kebutuhan metabolisme dibandingkan dengan tim wanita variabel
lain. intensitas pemain dalam beberapa tahun terakhir, serta potensi (Buchheit dan Simpson,
2017). Jarak yang ditempuh per menit, dan DSL di babak kedua dibandingkan dengan babak
pertama. sepak bola, dalam futsal, karena kecilnya ruang gerak, kemampuan perbedaannya,
terjadi penurunan umum secara absolut stabil antara bagian (Caetano et al., 2015). Namun,
sebuah dikembangkan bersama tim wanita dari divisi dua Italia perbedaan signifikan antara
babak pertama dan kedua Penelitian ini menunjukkan nilai rata-rata kecepatan maksimum
mengungkapkan tren yang berbeda. Meskipun tidak ada statistik permainan mungkin tetap
tidak pasti sampai mendekati akhir menit adalah variabel yang menunjukkan korelasi lebih
tinggi dengan tindakan, termasuk mengubah arah, atau ritme sebagai respons terhadap
informasi akurat tentang intensitas pemain menurut untuk partisipasi mereka dalam
permainan emampuan untuk melakukan tindakan intensitas tinggi tetap ada seluruh
pertandingan.

Profil pemain futsal

dicirikan oleh serangkaian upaya intensitas tinggi yang memerlukan pemain dengan
performa atletik tingkat tinggi dalam berbagai kemampuan fisik (Caetano et al., 2015;
Miloski et al., 2016; Amani Shalamzari et al. ., 2019). Namun, hanya sedikit informasi dan
konsensus mengenai profil fisik individu pemain futsal. Mengidentifikasi variabel yang
paling membedakan profil fisik pemain futsal elit memberikan data penting untuk resep dan
periodisasi pelatihan, sehingga menyoroti pentingnya menganalisis dan memantau tuntutan
fisik pertandingan setiap pemain sesuai dengan profil spesifik mereka (Wilke et al . , 2019;
Rago dkk., 2020).

Metrik Beban Kerja Eksternal: Kolinearitas Antar Variabel?

Untuk meningkatkan pemahaman setiap variabel dan mengurangi gangguan dalam
analisis, penting untuk menyederhanakan hasil dan meningkatkan interpretasinya untuk
memberikan informasi yang andal dan berguna bagi para pelatih dan profesional
pengondisian kekuatan (Buchheit dan Simpson, 2017). Untuk itu analisis kolinearitas antar
variabel menjadi sangat penting. Hasil kami menunjukkan bahwa, secara umum, terdapat
korelasi yang lebih tinggi antara keduanya jarak tempuh per menit (kinematik), perlambatan
per menit (mekanik), dan MPTM per menit (metabolik), dan variabel lainnya.
Mengenai analisis variabel kinematik, jarak yang ditempuh per menit menunjukkan
korelasi yang signifikan dengan berjalan kaki per menit, joging per menit, dan berlari per
menit, yang berarti bahwa jarak yang ditempuh per menit dapat dihitung untuk secara umum
mewakili semua ambang batas kecepatan lari antara 0 dan 18. km/ jam. Jadi di balik jarak
yang ditempuh per menit, perlu untuk memantau jarak yang ditempuh di atas 18 km/jam,
untuk mengkarakterisasi semua ambang batas kecepatan yang dipertimbangkan.
Analisis variabel metabolik menunjukkan bahwa hanya MPTM per menit yang
menunjukkan korelasi positif dengan variabel kinematik (jarak yang ditempuh per menit dan
berjalan kaki per menit) dan korelasi negatif dengan jogging per menit.

Kesimpulan dan praktis

Analisis profil pemain menunjukkan bahwa perlambatan per menit, berjalan per
menit, lari cepat per menit, jogging per menit, jarak tempuh per menit, dan MPTM per menit
merupakan variabel yang paling baik dalam membedakan profil antar pemain. Hasil tersebut
dapat membantu membedakan dengan lebih baik kebutuhan latihan individu setiap pemain
dan dengan demikian menyesuaikan resep sesi latihan