---
title: "Koreksi ejaan dan tata bahasa Arab dengan LLM | BroadRouter"
description: "Koreksi ejaan dan tata bahasa Arab dengan API LLM: prompt edit minimal, pengaman terhadap penulisan ulang, edit per kata menurut kelas kesalahan, dan skor gaya M2."
url: https://broadrouter.com/id/blog/arabic-grammar-spelling-correction-llm/
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/blog/arabic-grammar-spelling-correction-llm/) (diperbarui 2026-11-16).

# Koreksi tata bahasa dan ejaan Arab dengan LLM: panduan praktis

Oleh tim BroadNet Inference · 8 menit baca · Dipublikasikan 2026-11-15 · Diperbarui 2026-11-16

Minta model memberikan teks yang sudah dikoreksi saja, dengan edit sesedikit mungkin dan tanpa parafrase. Lalu bandingkan balasan dengan input di kode: tolak balasan yang berubah terlalu banyak, dan beri label setiap edit tingkat kata sebagai hamzah, ta marbutah, alif maqsurah, gabung, pisah, atau lainnya. Beri skor pada sampel yang dikoreksi manual berdasarkan edit, dengan precision, recall, dan F0.5.

## Poin penting

-   Pada set tes QALB-2014, GPT-4 dengan lima contoh mencetak 65,49 F1, dibanding 67,70 untuk AraT5v2 hasil fine-tuning (Kwon dkk., ArabicNLP 2023). LLM dengan prompt bisa dipakai, tetapi tidak otomatis lebih baik.
-   Alif berhamzah dan kerancuan alif maqsurah/ya adalah kesalahan ejaan Arab yang paling umum, menurut penyelenggara shared task QALB.
-   Koreksi dinilai berdasarkan edit, bukan kalimat utuh. Ekstrak edit tingkat kata dari balasan, bandingkan dengan edit gold, dan laporkan F0.5, yang memberi bobot precision dua kali lipat recall.
-   Jangan pernah menormalisasi teks sebelum mengoreksinya. Normalisasi sengaja memetakan أ إ آ ke ا dan ة ke ه, sehingga menghapus persis kesalahan yang ingin Anda perbaiki.
-   Pasang pengaman terhadap penulisan ulang di kode: jika balasan di bawah 80% kemiripan dengan input pada tingkat karakter, pertahankan teks asli dan catat balasannya di log.

**Di halaman ini**

1.  Seberapa bagus LLM dalam koreksi tata bahasa Arab?
2.  Mengapa tidak menormalisasi teksnya saja?
3.  Apa yang harus dikatakan prompt?
4.  Bagaimana mengecek balasan model?
5.  Kelas kesalahan mana yang perlu Anda pantau?
6.  Bagaimana memberi skor pada korektor?
7.  Bagaimana dengan Tibyan dan data sintetis?
8.  Model BroadNet mana yang sebaiknya Anda pakai?
9.  Di mana posisi BroadNet Inference?

Proofreading bahasa Arab tampak seperti prompt satu baris: “koreksi teks ini”. Dalam praktiknya model juga memparafrasekan, menambahkan harakat, mengganti kata dialek dengan kata baku, dan menjelaskan perubahannya, sehingga Anda tidak bisa membedakan edit mana yang memang diperlukan. Artikel ini membangun korektor di atas LLM yang kompatibel dengan OpenAI yang membuat edit sesedikit mungkin, mengecek balasan di kode, memberi label setiap edit menurut jenis kesalahan, dan memberi skor seluruhnya dengan cara yang dipakai benchmark riset.

## Seberapa bagus LLM dalam koreksi tata bahasa Arab?

Benchmark standarnya adalah shared task QALB. QALB-2014 memakai komentar berbahasa Arab Standar Modern dari situs web Al Jazeera: lebih dari satu juta kata teks latih dengan sekitar 306.000 koreksi, dan set tes sekitar 50.000 kata. QALB-2015 menambahkan track kedua berisi esai pelajar bahasa Arab sebagai bahasa asing (L2). Keduanya menilai sistem berdasarkan edit dengan M2 scorer. Skor terbaik, F1 (makin tinggi makin baik):

| Set tes | F1 sistem terbaik | Teks |
| --- | --- | --- |
| Tes QALB-2014 | 67,91 | Komentar berita oleh penutur asli |
| Tes penutur asli QALB-2015 | 72,87 | Komentar berita oleh penutur asli |
| Tes L2 QALB-2015 | 41,20 | Esai pelajar |

Baris L2 adalah peringatan yang berguna. Teks pelajar punya lebih banyak kesalahan pilihan kata dan kata yang hilang, dan sistem terbaik mencetak skor jauh lebih rendah. Jika pengguna Anda pelajar, harapkan angka Anda lebih mirip baris itu.

Kwon, Bhatia, Nagoudi, dan Abdul-Mageed (ArabicNLP 2023) kemudian menjalankan ChatGPT dan GPT-4 pada set tes QALB-2014. Dengan scorer yang sama:

| Sistem | F1 |
| --- | --- |
| ChatGPT, 1 contoh | 53,59 |
| ChatGPT, 5 contoh | 63,98 |
| GPT-4, 5 contoh | 65,49 |
| AraT5v2, fine-tuned | 67,70 |

Dua detail penting untuk prompt Anda. Lebih banyak contoh sangat membantu. Dan prompt zero-shot serta prompt berbahasa Arab menghasilkan balasan yang penuh penjelasan, yang tidak bisa dinilai otomatis oleh penulisnya. Korektor membutuhkan output yang bisa di-diff oleh program.

## Mengapa tidak menormalisasi teksnya saja?

[Normalizer teks Arab](https://broadrouter.com/tools/arabic-text-normalizer/) di situs ini menghapus tasykil dan tatwil, memetakan أ إ آ ke ا dan, secara opsional, ى ke ي dan ة ke ه. Itu langkah yang tepat untuk pencarian, karena pengguna yang mengetik احمد seharusnya menemukan أحمد. Itu langkah yang salah sebelum koreksi, karena menghapus perbedaan yang justru harus dipulihkan korektor. Setelah normalisasi, انا dan أنا adalah string yang sama, sehingga kesalahan hamzah hilang dan begitu pula perbaikannya.

Simpan tiga salinan jika Anda membutuhkan keduanya: teks asli, teks terkoreksi yang Anda tampilkan ke pengguna, dan salinan ternormalisasi dari teks terkoreksi untuk indeks pencarian. [Normalisasi teks Arab untuk pencarian](https://broadrouter.com/id/blog/arabic-text-normalization-search/) membahas sisi pengindeksan. Ada satu langkah normalisasi yang memang perlu sebelum koreksi: Unicode NFC, yang menggabungkan alif terurai ditambah hamzah gabung menjadi satu karakter, agar diff tidak melaporkan perubahan yang sebenarnya tidak ada.

## Apa yang harus dikatakan prompt?

Minta edit minimal, sebutkan jenis kesalahan yang Anda pedulikan, larang perubahan yang tidak Anda inginkan, dan minta teks terkoreksi saja. Menulis instruksi dalam bahasa Inggris atau Arab adalah pilihan Anda; [prompt engineering bahasa Arab](https://broadrouter.com/id/blog/arabic-prompt-engineering/) membahas untung-ruginya. Kwon dkk. mendapat output yang bisa dipakai dari instruksi berbahasa Inggris dengan contoh. Menambahkan tiga hingga lima pasangan kalimat terkoreksi dari data Anda sendiri (few-shot) adalah perbaikan termurah yang layak dicoba pertama kali.

Set temperature ke 0. Anda menginginkan koreksi yang sama setiap kali. Jika teksnya dialek seperti bahasa Arab Mesir atau Teluk, sebutkan apakah dialeknya dipertahankan. Prompt di bawah mengasumsikan bahasa Arab Standar Modern ([MSA](https://broadrouter.com/id/glossary/msa/)) dan meminta model tidak mengubah gaya, yang juga mencakup dialek.

## Bagaimana mengecek balasan model?

Kode ini membuat satu permintaan, mengukur seberapa berbeda balasan dari input, mengekstrak edit tingkat kata, dan memberi label masing-masing.

```python
import difflib, os, re, unicodedata
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You are an Arabic proofreader. Correct spelling, grammar and punctuation
errors in the user's Modern Standard Arabic text with the fewest possible edits.
Rules:
- Fix hamza, taa marbuta (ة/ه), alef maqsura (ى/ي), agreement, missing or extra
  letters, wrongly split or merged words, and punctuation.
- Do not rephrase, reorder, shorten, translate or change the style or dialect.
- Do not add or remove diacritics (tashkeel).
- If the text is already correct, return it unchanged.
Reply with the corrected text only: no explanation, no quotes, no list of changes."""

def tokens(s: str) -> list[str]:
    s = unicodedata.normalize("NFC", s)        # composed hamza forms, so أ is one character
    return re.findall(r"\w+|[^\w\s]", s)       # Arabic letters are \w; ، ؟ ؛ become tokens

def edits(src: str, hyp: str) -> list[tuple]:
    """Word-level edits (start, end, replacement, original): the idea behind an M2 file's A lines."""
    a, b = tokens(src), tokens(hyp)
    out = []
    for op, i1, i2, j1, j2 in difflib.SequenceMatcher(None, a, b, autojunk=False).get_opcodes():
        i, j = i1, j1
        while op != "equal" and (i < i2 or j < j2):     # split the block into one-word edits
            if i + 1 < i2 and j < j2 and a[i] + a[i + 1] == b[j]:      # و قابلت -> وقابلت
                out.append((i, i + 2, b[j], f"{a[i]} {a[i + 1]}")); i += 2; j += 1
            elif i < i2 and j + 1 < j2 and a[i] == b[j] + b[j + 1]:    # عبدالله -> عبد الله
                out.append((i, i + 1, f"{b[j]} {b[j + 1]}", a[i])); i += 1; j += 2
            elif i < i2 and j < j2:
                out.append((i, i + 1, b[j], a[i])); i += 1; j += 1
            elif i < i2:                                                # deleted word
                out.append((i, i + 1, "", a[i])); i += 1
            else:                                                       # inserted word
                out.append((i, i, b[j], "")); j += 1
    return out

HAMZA = str.maketrans("أإآٱؤئ", "ااااوي")
RULES = [("hamza", lambda w: w.translate(HAMZA).replace("ء", "")),
         ("taa marbuta", lambda w: w.replace("ة", "ه")),
         ("alef maqsura", lambda w: w.replace("ى", "ي"))]

def error_class(orig: str, corr: str) -> str:
    if all(not c.isalnum() for c in (orig + corr).replace(" ", "")):
        return "punctuation"
    if orig != corr and orig.replace(" ", "") == corr.replace(" ", ""):
        return "merge" if " " in orig else "split"
    for name, f in RULES:
        if orig != corr and f(orig) == f(corr):
            return name
    both = lambda w: RULES[2][1](RULES[1][1](RULES[0][1](w)))
    if both(orig) == both(corr):
        return "mixed orthography"
    return "other"

def correct(text: str, model="broadnet/qwen3.8-27b", min_similarity=0.8) -> dict:
    r = client.chat.completions.create(
        model=model, temperature=0, max_tokens=2000,
        messages=[{"role": "system", "content": SYSTEM}, {"role": "user", "content": text}])
    out = r.choices[0].message.content.strip()
    sim = difflib.SequenceMatcher(None, text, out, autojunk=False).ratio()
    if sim < min_similarity:             # a rewrite, not a correction: keep the original
        return {"text": text, "edits": [], "rejected": out, "similarity": round(sim, 2)}
    return {"text": out, "similarity": round(sim, 2),
            "edits": [{"from": o, "to": c, "class": error_class(o, c)} for _, _, c, o in edits(text, out)]}
```

Kami menjalankannya terhadap server mock lokal dengan balasan siap pakai (tanpa panggilan API live, karena mock mengembalikan apa pun yang kami tulis). Untuk ذهبت الى المدرسه و قابلت المعلمه في الصباح, balasan ذهبت إلى المدرسة وقابلت المعلمة في الصباح menghasilkan empat edit: الى ke إلى (hamzah), المدرسه ke المدرسة (ta marbutah), و قابلت ke وقابلت (gabung), dan المعلمه ke المعلمة (ta marbutah). Untuk مشي الي, kode mencantumkan مشي ke مشى (alif maqsurah) dan الي ke إلى (ortografi campuran, karena memperbaiki hamzah dan alif maqsurah sekaligus). Balasan siap pakai yang mengubah الطقس جميل اليوم menjadi kalimat dua kali lebih panjang mencetak kemiripan 0.52, sehingga kode mempertahankan teks asli dan mencatat balasannya di log.

Catatan tentang kode:

-   **Pengaman kemiripan adalah alat yang kasar.** Kalimat yang banyak salah ejaannya bisa saja sah berada di sekitar 0.8. Setel ambangnya pada data Anda sendiri, dan kirim balasan yang ditolak ke manusia, bukan ke tempat sampah.
-   **`max_tokens=2000`** menyisakan ruang untuk penalaran. Dokumentasi BroadNet menyebutkan DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B melakukan penalaran sebelum menjawab dan penalaran itu dihitung ke `max_tokens`; Anda juga bisa set `reasoning_effort` ke low. Lihat [respons kosong dari model penalaran](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).
-   **Label kelas adalah aturan, bukan parser.** “Lainnya” mencakup huruf yang hilang (مسؤل ke مسؤول), kesesuaian (agreement), dan pilihan kata. Untuk taksonomi lengkap, jalankan ARETA (di bawah) pada pasangan yang sama.

## Kelas kesalahan mana yang perlu Anda pantau?

Penyelenggara QALB menyebut alif berhamzah dan kerancuan alif maqsurah/ya sebagai kesalahan ejaan Arab yang paling umum. ARETA, anotator jenis kesalahan dari CAMeL Lab (Belkebir dan Habash, CoNLL 2021), memakai tagset berdasarkan Arabic Learner Corpus. Tag ortografinya mencakup OH (hamzah), OT (ha dan ta marbutah), dan OA (alif dan ya), di samping tag morfologi, sintaksis, semantik, tanda baca, gabung (MG), dan pisah (SP). Paper-nya melaporkan micro-average F1 85,8% terhadap teks pelajar yang dilabeli manual.

| Kelas | Salah | Benar | Apa yang salah |
| --- | --- | --- | --- |
| Hamzah | انا، الى، مسأله | أنا، إلى، مسألة | Hamzah hilang, di dudukan yang salah, atau di sisi alif yang salah |
| Ta marbutah | المدرسه | المدرسة | ة di akhir kata ditulis sebagai ه, atau sebaliknya |
| Alif maqsurah | مشي، علي (preposisi) | مشى، على | ى di akhir kata ditulis sebagai ي; علي juga sebuah nama, jadi konteks yang menentukan |
| Gabung atau pisah | و قابلت، عبدالله | وقابلت، عبد الله | Spasi di sekitar و dan ال, nama majemuk |
| Tanda baca | ، atau ؟ hilang | ditambahkan | Anotator QALB paling sedikit sepakat soal tanda baca |

Pantau recall per kelas. Model yang memperbaiki ta marbutah tetapi melewatkan hamzah setelah preposisi membutuhkan contoh pola itu, bukan model lain.

## Bagaimana memberi skor pada korektor?

Koreksi kesalahan tata bahasa (GEC) dinilai berdasarkan edit. Bandingkan edit yang mengubah sumber menjadi kalimat gold yang dikoreksi manual dengan edit yang mengubahnya menjadi output model. Precision adalah porsi edit model yang cocok dengan gold. Recall adalah porsi edit gold yang dibuat model. QALB melaporkan F1; karya selanjutnya, termasuk Kwon dkk., juga melaporkan F0.5, yang memberi bobot precision dua kali lipat recall, karena “koreksi” yang salah lebih mengganggu pengguna daripada koreksi yang terlewat.

```python
from collections import Counter

def score(sources, golds, hyps, beta=0.5):
    """Exact-match edit scoring: an edit counts only if span and replacement both match gold."""
    tp = fp = fn = 0
    by_class = Counter()
    for s, g, h in zip(sources, golds, hyps):
        G = {e[:3] for e in edits(s, g)}
        H = {e[:3] for e in edits(s, h)}
        tp += len(G & H); fp += len(H - G); fn += len(G - H)
        for e in edits(s, g):
            by_class[(error_class(e[3], e[2]), e[:3] in H)] += 1
    p = tp / (tp + fp) if tp + fp else 1.0
    r = tp / (tp + fn) if tp + fn else 1.0
    f = (1 + beta**2) * p * r / (beta**2 * p + r) if p + r else 0.0
    recall = {c: f"{by_class[(c, True)]}/{by_class[(c, True)] + by_class[(c, False)]}"
              for c in sorted({c for c, _ in by_class})}
    return {"P": round(p, 3), "R": round(r, 3), f"F{beta}": round(f, 3), "recall by class": recall}
```

Pada set mainan dua kalimat dengan tujuh edit gold, di mana output melewatkan penggabungan dan satu ta marbutah serta menambahkan titik, skrip mencetak P 0.833, R 0.714, dan F0.5 0.806, dengan recall per kelas: hamzah 2/2, ta marbutah 2/3, gabung 0/1.

Ini ide M2 yang disederhanakan. M2 scorer resmi mencari penyelarasan edit sistem yang paling cocok dengan gold, sehingga perbaikan yang benar tetapi dipecah menjadi edit dengan cara berbeda dari gold tidak dihukum. Pencocokan persis kami lebih ketat. Pakai scorer resmi saat Anda membandingkan dengan angka yang dipublikasikan (versi developernya masih membutuhkan Python 2). ERRANT melakukan ekstraksi edit yang sama hanya untuk bahasa Inggris.

Bangun set gold dari teks pengguna nyata, 100 hingga 200 kalimat, dikoreksi oleh satu anotator yang teliti dengan aturan edit minimal yang sama seperti yang Anda berikan ke model. Jalankan setiap kandidat model dan prompt pada set itu, lalu bandingkan F0.5 dan recall per kelas. [Cara mengevaluasi LLM sebelum beralih](https://broadrouter.com/id/blog/evaluate-llm-before-switching/) membahas cara menjalankan perbandingan itu secara adil.

## Bagaimana dengan Tibyan dan data sintetis?

Data koreksi bahasa Arab berlabel masih langka. Alrehili dan Alhothali mencatat bahwa QALB-14 dan QALB-15 bersama-sama berisi sekitar 20.500 contoh paralel. Korpus Tibyan mereka (arXiv 2024, kemudian di PeerJ Computer Science) memakai ChatGPT untuk menghasilkan pasangan kalimat salah dan benar dari buku-buku tentang kesalahan umum bahasa Arab, yang ditinjau oleh ahli bahasa. Korpus ini berisi sekitar 600.000 token, dengan tujuh jenis kesalahan: ortografi, morfologi, sintaksis, semantik, tanda baca, gabung, dan pisah. Penulisnya menyatakan korpus ini publik; kami tidak menemukan tautan unduhan untuk mengecek lisensinya. Korpus ini berguna untuk contoh few-shot dan stress test, tetapi sintetis, jadi jangan dipakai sebagai tes penerimaan Anda.

Jika Anda membutuhkan baseline non-LLM, repositori arabic-gec dari CAMeL Lab menerbitkan kode dan model dari Alhafni dkk. (EMNLP 2023). Untuk ejaan saja, paket ar-corrector menyarankan kata kamus dalam jarak satu atau dua edit; paket ini tidak menangani tata bahasa, dan rilis terakhirnya pada 2021.

## Model BroadNet mana yang sebaiknya Anda pakai?

Harga per 1 juta token dari halaman harga BroadNet. Output koreksi kira-kira sepanjang input, jadi harga output penting.

| Model | Alasan | Input / output |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) | Penalaran terdokumentasi; BroadNet melaporkan pengujian bahasa Arab termasuk pemahaman dialek Teluk dan Mesir | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) | Penalaran terdokumentasi; konteks panjang untuk dokumen utuh | $0.78 / $3.46 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/) | Harga output terendah di antara model penalaran di sini; juga tersedia di paket sesi harga tetap | $0.175 / $0.52 |
| [Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) | Bisa dipakai dengan kredit awal $5, jadi Anda bisa membangun pipeline sebelum top up | $0.10 / $0.22 |

Jalankan scorer dengan setiap model pada set gold Anda dan pilih berdasarkan F0.5 dan harga. Bahasa Arab biasanya memakan lebih banyak token per kata dibanding bahasa Inggris; tempel sampel ke [penghitung token bahasa Arab](https://broadrouter.com/tools/arabic-token-counter/) dan perkirakan tagihannya dengan [kalkulator biaya API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Untuk mengoreksi arsip besar: BroadNet tidak punya Batch API; [pemrosesan batch tanpa Batch API](https://broadrouter.com/id/blog/llm-batch-processing-without-batch-api/) menunjukkan cara menjalankannya dengan konkurensi terbatas, atau di sesi DeepSeek seharga $15 per minggu (satu permintaan sekaligus per sesi).

## Di mana posisi BroadNet Inference?

BroadRouter adalah situs milik BroadNet sendiri. [BroadNet Inference](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-arabic-grammar-spelling-correction-llm&utm_content=body) memberi akses yang kompatibel dengan OpenAI ke model-model di atas, jadi kodenya berjalan dengan [OpenAI Python SDK](https://broadrouter.com/id/guides/openai-python-sdk/) setelah base URL diganti. BroadNet tidak punya endpoint proofreading dan tidak menerbitkan benchmark koreksi bahasa Arab sendiri, jadi ukur pada teks Anda. Pernyataan privasinya menyebutkan konten inferensi tidak disimpan, yang penting saat Anda mengoreksi pesan pelanggan. Jika Anda membutuhkan korektor yang di-host sendiri untuk volume sangat tinggi, model hasil fine-tuning seperti milik CAMeL Lab bisa lebih murah dan lebih konsisten; skor yang dipublikasikan di atas adalah alasan untuk menguji keduanya.

Alat gratis untuk topik ini (bahasa Inggris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Hamzah (hamza)](https://broadrouter.com/id/glossary/hamza/)

Hamzah (ء) adalah huruf Arab untuk hentian glotal. Hamzah ditulis sendiri atau di atas sebuah dudukan: alif (أ إ), wawu (ؤ), atau ya (ئ), sedangkan آ menggabungkan alif dengan madd. Karena teks ketikan tidak konsisten soal hamzah, mesin pencari dan penilaian ucapan sering melebur bentuk-bentuk alif menjadi ا.

[Ta marbutah (taa marbuta, ة)](https://broadrouter.com/id/glossary/taa-marbuta/)

Ta marbutah (ة, U+0629) adalah huruf Arab yang hanya muncul di akhir kata, sering menandai kata benda dan kata sifat feminin. Bentuknya mirip ha (ه, U+0647) dengan dua titik, sehingga keduanya sering tertukar dalam teks ketikan, dan banyak normalizer pencarian memetakan ة ke ه.

[Batch API](https://broadrouter.com/id/glossary/batch-api/)

Batch API adalah endpoint LLM asinkron yang menerima banyak request sekaligus, biasanya sebagai file, memprosesnya dalam jangka waktu tertentu alih-alih seketika, lalu mengembalikan hasilnya bersama-sama. Penyedia seperti OpenAI dan Anthropic memberi harga request batch dengan diskon dibanding API standar mereka.

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

[Base URL](https://broadrouter.com/id/glossary/base-url/)

Base URL adalah alamat root tetap sebuah API, seperti https://api.example.com/v1, yang ditempatkan client di depan setiap path endpoint, seperti /chat/completions. Di SDK yang kompatibel dengan OpenAI, mengganti base URL bersama kunci API dan ID model akan mengarahkan kode yang sama ke penyedia lain.

[Fine-tuning](https://broadrouter.com/id/glossary/fine-tuning/)

Fine-tuning adalah proses melanjutkan pelatihan model bahasa yang sudah dilatih sebelumnya dengan dataset yang lebih kecil dan khusus tugas, seperti contoh percakapan, sehingga bobotnya berubah dan model menjalankan tugas atau gaya itu dengan lebih andal tanpa perlu instruksi panjang atau contoh di setiap prompt.

## Pertanyaan umum

### Bisakah ChatGPT atau LLM lain mengoreksi tata bahasa Arab?

Bisa, dengan batasan. Dalam tes yang dipublikasikan pada benchmark QALB-2014, GPT-4 dengan lima contoh mencapai 65,49 F1, mendekati tetapi di bawah AraT5v2 hasil fine-tuning di 67,70. Pakai prompt edit minimal, cek balasan di kode, dan ukur pada sampel teks Anda sendiri.

### Apa saja kesalahan ejaan Arab yang paling umum?

Hamzah pada alif (انا untuk أنا, الى untuk إلى), alif maqsurah yang ditulis sebagai ya (مشي untuk مشى), ta marbutah yang ditulis sebagai ha (المدرسه untuk المدرسة), serta kata yang salah dipisah atau digabung, seperti و قابلت untuk وقابلت. Penyelenggara QALB menyebut alif berhamzah dan kerancuan alif maqsurah/ya sebagai yang paling umum.

### Apakah normalisasi teks Arab sama dengan koreksi ejaan?

Tidak. Normalisasi sengaja menyatukan varian ejaan, seperti أ dan ا, agar pencarian dan pencocokan mengabaikannya. Koreksi memutuskan varian mana yang benar sesuai konteks. Jalankan koreksi pada teks asli, dan normalisasi hanya salinan yang Anda indeks untuk pencarian.

### Bagaimana cara mengevaluasi korektor tata bahasa Arab?

Koreksi 100 hingga 200 kalimat nyata secara manual dengan edit minimal. Ekstrak edit tingkat kata dari sumber ke gold dan dari sumber ke output model, lalu hitung edit yang cocok untuk precision, recall, dan F0.5. M2 scorer yang dipakai QALB melakukan ini dengan penyelarasan edit yang lebih cerdas.

### Apakah ada library pemeriksa tata bahasa Arab untuk Python?

Untuk ejaan saja, ar-corrector menyarankan kata kamus dalam jarak satu atau dua edit. Untuk tata bahasa, CAMeL Lab menerbitkan model dan kode GEC riset (arabic-gec). API LLM adalah cara tercepat untuk memulai; model hasil fine-tuning bisa lebih konsisten pada volume tinggi.

## Baca juga

-   [Normalisasi teks Arab untuk pencarian dan RAG: apa yang perlu diubah](https://broadrouter.com/id/blog/arabic-text-normalization-search/)
-   [Menambahkan harakat ke teks Arab dengan LLM: prompt, cek, DER](https://broadrouter.com/id/blog/arabic-diacritization-llm/)
-   [Prompt engineering bahasa Arab: register, RTL, angka, teks campuran](https://broadrouter.com/id/blog/arabic-prompt-engineering/)
-   [Ekstraksi entitas bernama bahasa Arab dengan LLM: JSON, tanggal, cek](https://broadrouter.com/id/blog/arabic-named-entity-extraction-llm/)
-   [Memilih API LLM untuk bahasa Arab: apa yang perlu diuji](https://broadrouter.com/id/blog/choosing-an-llm-for-arabic/)
-   [Cara mengevaluasi LLM sebelum berpindah penyedia](https://broadrouter.com/id/blog/evaluate-llm-before-switching/)
-   [Batch processing LLM tanpa Batch API: runner yang bisa dilanjutkan](https://broadrouter.com/id/blog/llm-batch-processing-without-batch-api/)
-   [Notulen rapat bahasa Arab dari rekaman: pipeline berbasis API](https://broadrouter.com/id/blog/arabic-meeting-minutes-from-recordings/)
-   [Perbandingan API OCR Arab: Google, Azure, Textract, Mistral, LLM](https://broadrouter.com/id/blog/arabic-ocr-api-comparison/)
-   [Panduan: Memakai OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/id/guides/openai-python-sdk/)
-   [Panduan: Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)

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-blog-arabic-grammar-spelling-correction-llm&utm_content=page-cta) ·

**Sumber**

-   [Mohit dkk., The First QALB Shared Task on Automatic Text Correction for Arabic, workshop ANLP di EMNLP 2014: data, M2 scorer, Tabel 3 dan Tabel 7 (dicek 2026-11-15)](https://aclanthology.org/W14-3605/)
-   [Rozovskaya dkk., The Second QALB Shared Task on Automatic Text Correction for Arabic, WANLP 2015: track penutur asli dan L2, Tabel 4, 8, dan 9 (dicek 2026-11-15)](https://aclanthology.org/W15-3204/)
-   [Kwon, Bhatia, Nagoudi, dan Abdul-Mageed, Beyond English: Evaluating LLMs for Arabic Grammatical Error Correction, ArabicNLP 2023, Tabel 2 (dicek 2026-11-15)](https://aclanthology.org/2023.arabicnlp-1.9/)
-   [Alrehili dan Alhothali, Tibyan Corpus: Balanced and Comprehensive Error Coverage Corpus Using ChatGPT for Arabic GEC, arXiv 2411.04588 (dicek 2026-11-15)](https://arxiv.org/abs/2411.04588)
-   [Belkebir dan Habash, Automatic Error Type Annotation for Arabic (ARETA), CoNLL 2021 (dicek 2026-11-15)](https://aclanthology.org/2021.conll-1.47/)
-   [CAMeL Lab, ARETA di GitHub (MIT): tag kesalahan berbasis ALC seperti OH hamzah, OT ha/ta marbutah, OA alif/ya, MG gabung, SP pisah (dicek 2026-11-15)](https://github.com/CAMeL-Lab/arabic_error_type_annotation)
-   [Alhafni, Inoue, Khairallah, dan Habash, Advancements in Arabic Grammatical Error Detection and Correction, EMNLP 2023; kode dan model di CAMeL-Lab/arabic-gec (dicek 2026-11-15)](https://aclanthology.org/2023.emnlp-main.396/)
-   [NUS M2Scorer di GitHub: precision, recall, dan F-beta tingkat edit untuk GEC; versi developer membutuhkan Python 2 (dicek 2026-11-15)](https://github.com/nusnlp/m2scorer)
-   [ERRANT di GitHub: mengekstrak dan mengklasifikasi edit ke format M2; hanya bahasa Inggris (dicek 2026-11-15)](https://github.com/chrisjbryant/errant)
-   [ar-corrector di PyPI: pemeriksa ejaan berbasis kamus, lebih dari 500.000 kata, kandidat 1-2 edit, versi 1.1.6 dari April 2021 (dicek 2026-11-15)](https://pypi.org/project/ar-corrector/)
-   [Referensi API BroadNet Inference: ID model, penalaran dihitung ke max\_tokens, reasoning\_effort (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-arabic-grammar-spelling-correction-llm&utm_content=sources)
