IndoBugis 10K[2] - Dataset Korpus Paralel Bahasa Indonesia - Bugis

Setiap kalimat dalam bahasa Indonesia, dengan panjang 3–15 kata, diterjemahkan ke dalam bahasa Bugis oleh penutur asli, meliputi berbagai dialek seperti Soppeng, Bone, Wajo, Sidrap, Pinrang, Barru, Bulukumba, Pangkep, Maros, dan Sinjai. Untuk menjamin kualitas, hasil terjemahan diverifikasi oleh tiga ahli penutur asli Bahasa Bugis.

Dataset ini memiliki potensi pemanfaatan yang luas, antara lain untuk pelatihan model machine learning pada tugas penerjemahan mesin, pengembangan kamus bilingual/multilingual otomatis, cross-lingual NLP untuk bahasa sumber daya rendah, serta evaluasi kualitas terjemahan. Selain itu, korpus ini juga mendukung pelestarian dan dokumentasi bahasa Bugis, sekaligus membuka peluang pengembangan aplikasi NLP berbasis bahasa lokal, seperti chatbot atau sistem informasi.