---
title: "Apa itu identifikasi dialek Arab (ADI)? NADI dan LLM"
description: "Identifikasi dialek Arab melabeli teks atau ucapan per dialek, misalnya Mesir atau Teluk. Cara NADI dan MADAR merumuskannya, dan cara melabeli dialek dengan LLM."
url: https://broadrouter.com/id/glossary/arabic-dialect-identification/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/arabic-dialect-identification/) (diperbarui 2026-11-15).

# Identifikasi dialek Arab (dialect identification)

Diperbarui 2026-11-15

Identifikasi dialek Arab adalah tugas menentukan varian bahasa Arab yang dipakai dalam teks atau rekaman, seperti Mesir, Teluk, Syam (Levant), Maghribi, atau Arab Standar Modern, di tingkat wilayah, negara, atau kota. Tugas ini dipakai untuk merutekan pesan, memilih prompt, dan membagi set evaluasi.

Disebut juga: identifikasi dialek Arab, deteksi dialek, klasifikasi dialek Arab, dialect identification, dialect detection, ADI, NADI

Sebelum bisa membalas pengguna dalam dialeknya, Anda harus tahu dialek apa yang ia pakai. Itulah identifikasi dialek.

## Cara kerjanya

Komunitas riset mengukurnya lewat shared task NADI (Nuanced Arabic Dialect Identification). NADI 2020 memakai tweet yang mencakup 100 provinsi di 21 negara Arab, dengan subtugas tingkat negara dan tingkat provinsi. NADI 2024 merumuskan identifikasi dialek sebagai tugas multi-label, karena satu kalimat bisa sah di beberapa dialek, dan menambahkan subtugas tentang tingkat kedialekan. Sistem terbaik di Subtugas 1 meraih F1 50,57, dan penyelenggara menulis bahwa identifikasi dialek masih menantang.

Korpus MADAR (Bouamor dkk., 2018) adalah sumber yang umum dipakai: kalimat domain perjalanan yang sama diterjemahkan ke 25 dialek kota. 2.000 kalimat tersedia di ke-25 dialek; 10.000 kalimat lagi tersedia untuk Doha, Beirut, Kairo, Tunis, dan Rabat. Data paralel seperti ini memperlihatkan bagaimana makna yang sama ditulis di tiap tempat.

Dalam praktik, sebagian besar produk butuh label yang lebih kasar. Satu himpunan yang bisa dipakai:

| Label | Mencakup |
| --- | --- |
| `msa` | Arab Standar Modern |
| `gulf` | Saudi, Emirat, Kuwait, Qatar, Bahrain, Oman |
| `egyptian` | Mesir |
| `levantine` | Suriah, Lebanon, Yordania, Palestina |
| `maghrebi` | Maroko, Aljazair, Tunisia, Libya |
| `other_or_unclear` | Irak, Yaman, Sudan, campuran atau terlalu pendek |

Prompt LLM untuk tugas ini meminta satu objek JSON: label, tingkat keyakinan, dan kata-kata yang menjadi petunjuk. Misalnya, pesan عايز أغير الباقة akan kembali sebagai:

```json
{"dialect": "egyptian", "confidence": "high", "cues": ["عايز"]}
```

Meminta petunjuk membuat kesalahan mudah ditinjau: jika petunjuknya kata MSA, labelnya patut dicurigai.

## Kenapa ini penting

-   **Routing.** Kirim pelanggan Teluk ke agen Teluk, atau ganti prompt balasan ke dialek pengguna.
-   **Evaluasi.** Bagi set uji ucapan dan chat per dialek. Satu angka rata-rata menyembunyikan kelompok terlemah, seperti yang ditunjukkan [artikel pengenalan ucapan dialek](https://broadrouter.com/id/blog/arabic-dialect-speech-recognition/).
-   **Analitik.** Ketahui dialek apa yang benar-benar ditulis pengguna Anda sebelum berinvestasi pada salah satunya.

Pesan campuran itu umum. Pengguna berpindah antara dialek, MSA, dan bahasa Inggris dalam satu baris, yang disebut [code-switching](https://broadrouter.com/id/glossary/code-switching/); sediakan label “tidak jelas” alih-alih memaksakan tebakan.

## Di BroadNet Inference

BroadNet tidak punya endpoint identifikasi dialek. Anda bisa membangunnya di atas POST /v1/chat/completions. Referensi API BroadNet mendokumentasikan output terstruktur untuk [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) dan [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/), yang cocok untuk daftar label tetap; lihat [output terstruktur](https://broadrouter.com/id/glossary/structured-output/). BroadNet melaporkan telah menguji Qwen3.8 27B dengan dialek Teluk dan Mesir yang dipahami. BroadNet tidak memublikasikan akurasi identifikasi dialek untuk model mana pun, jadi labeli sekitar 100 pesan Anda sendiri secara manual dan ukur modelnya terhadap pesan itu sebelum mengandalkannya.

[Artikel klasifikasi teks Arab](https://broadrouter.com/id/blog/arabic-text-classification-llm/) membahas prompt, daftar label, dan penilaian untuk tugas semacam ini, dan [bahasa Arab dialek](https://broadrouter.com/id/glossary/dialectal-arabic/) menjelaskan arti label-labelnya.

## Pertanyaan umum

### Seberapa akurat identifikasi dialek Arab?

Tergantung tingkat kerincian dan panjang teks. Di NADI 2024, sistem terbaik meraih F1 50,57 pada identifikasi dialek multi-label, dan penyelenggara menyimpulkan tugas ini masih sulit. Label tingkat wilayah pada pesan panjang lebih mudah daripada label negara atau kota pada pesan pendek.

### Bisakah satu pesan memuat lebih dari satu dialek?

Bisa. Kalimat pendek atau netral bisa sah di beberapa dialek, itulah sebabnya NADI 2024 merumuskan identifikasi dialek sebagai tugas multi-label. Izinkan jawaban "tidak jelas" atau multi-label.

### Apakah saya perlu classifier khusus?

Tidak untuk memulai. LLM dengan daftar label tetap cepat disiapkan. Ukur pada sampel yang dilabeli manual; beralihlah ke classifier terlatih jika volume atau akurasi menuntutnya.

## Lihat juga

-   [Dialek bahasa Arab (dialectal Arabic)](https://broadrouter.com/id/glossary/dialectal-arabic/) (istilah)
-   [Bahasa Arab Standar Modern (MSA, Fusha)](https://broadrouter.com/id/glossary/msa/) (istilah)
-   [Alih kode (code-switching)](https://broadrouter.com/id/glossary/code-switching/) (istilah)
-   [Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/) (istilah)
-   [LLM-as-a-judge (LLM sebagai juri)](https://broadrouter.com/id/glossary/llm-as-judge/) (istilah)
-   [Eval (evaluasi LLM)](https://broadrouter.com/id/glossary/eval/) (istilah)
-   [Benchmark LLM (LLM benchmark)](https://broadrouter.com/id/glossary/llm-benchmark/) (istilah)
-   [Bahasa Arab Teluk, Mesir, dan Syam: cara LLM menangani dialek](https://broadrouter.com/id/blog/arabic-llm-gulf-egyptian-dialects/) (artikel)
-   [Klasifikasi teks bahasa Arab dengan LLM: sentimen, intent, triase](https://broadrouter.com/id/blog/arabic-text-classification-llm/) (artikel)
-   [Speech recognition dialek Arab: Teluk, Mesir, Levant, Maghribi](https://broadrouter.com/id/blog/arabic-dialect-speech-recognition/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-arabic-dialect-identification&utm_content=page-cta) ·

**Sumber**

-   [Abdul-Mageed dkk., NADI 2024: The Fifth Nuanced Arabic Dialect Identification Shared Task (ArabicNLP 2024, ACL Anthology) (diperiksa 2026-11-15)](https://aclanthology.org/2024.arabicnlp-1.79/)
-   [Abdul-Mageed, Zhang, Bouamor dan Habash, NADI 2020: The First Nuanced Arabic Dialect Identification Shared Task (WANLP 2020, ACL Anthology) (diperiksa 2026-11-15)](https://aclanthology.org/2020.wanlp-1.9/)
-   [Bouamor dkk., The MADAR Arabic Dialect Corpus and Lexicon (LREC 2018, ACL Anthology) (diperiksa 2026-11-15)](https://aclanthology.org/L18-1535/)
-   [Referensi API BroadNet Inference, model (tools dan output terstruktur) (diperiksa 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-arabic-dialect-identification&utm_content=sources)
