Menjadi wasit adalah pekerjaan yang paling berat dalam dunia olahraga, termasuk di NBA. Sejak musim 2015-2016, terdapat data untuk mengevaluasi wasit yang melakukan kesalahan paling banyak dan paling sedikit. Tetapi dua orang dari Hoopshype, yaitu Ali Mohammad Tayeb dan Alberto de Roa mencoba menganalisis data dari Last Two Minute (L2M) NBA, untuk mendapatkan nama-nama wasit terbaik NBA sejak 2015-2016 hingga musim 2023-2024.
Tidak ada yang sempurna, bahkan yang terbaik dalam bidangnya. Itulah yang terjadi pada wasit NBA, yang harus membuat keputusan dalam sepersepuluh detik sambil mengawasi beberapa pemain basket tercepat dan paling kuat di dunia. Untuk menentukan siapa yang terbaik dalam membuat keputusan sulit tersebut, Mohammad Tayeb dan Alberto de Roa menelaah laporan Last Two Minute (L2M) liga secara mendalam.
NBA tidak menerbitkan laporan pertandingan lengkap, tetapi L2M telah menjadi alat yang berguna untuk mengidentifikasi wasit mana yang paling akurat di bawah tekanan. Meskipun data yang tersedia tidak menetapkan penilaian individual untuk wasit tertentu, tetapi untuk seluruh kru. Namun kedua analis Hoopshype ini bisa menganalisis keakuratan wasit dengan setidaknya 1.000 pertandingan dalam keputusan L2M sejak 2015-2016.
Daftar nama tersebut terdiri dari Che Flores, Brandon Schwab, Jason Goldenberg, Ashley Moyer-Gleich, Jenna Schroeder, Tyler Ford, Matt Kalio, Matt Myers, Dannica Mosher, dan John Goble. Dari nama-nama tersebut ada Che Flores yang menempati peringkat pertama sebagai wasit dengan sedikit kesalahan. Persentase keputusan yang salah/tidak mengambil keputusan sebesar 2,46 persen dari 1.136 kali memimpin. Dari jumlah pertandingan tersebut, terdapat sebanyak 28 keputusan yang salah/tidak mengambil keputusan.
Che Flores adalah wasit trans nonbiner pertama di NBA, hal tersebut diungkapkannya dalam sebuah cerita yang diterbitkan oleh GQ. Flores telah menangani pertandingan selama sekitar satu dekade di G League dan WNBA. Dia juga memimpin pertandingan kejuaraan nasional wanita NCAA. (*)
Foto: nba.com