Kelas Cendekia sebagai fasilitas berbagi pengalaman diilhami oleh prinsip social constructivism. Menurut social constructivism, dalam melakukan aktivitas berbagi cerita dan pengalaman dalam kegiatan belajar, semakin banyak informasi yang dikumpulkan maka semakin berkualitas ilmu yang didapatkan. Pilihan informasi yang terlalu banyak akan menimbulkan choice overlode. Sistem rekomendasi perlu digunakan pada sistem untuk menghindari choice overload. Implementasi sistem rekomendasi pada sistem yang baru dibangun dapat menggunakan pendekatan berbasis konten untuk menghindari permasalahan cold start. Dalam merekomendasikan rekaman suara, analisis konten rekaman suara dapat dilakukan pada transkripsi rekaman. Transkripsi rekaman dapat diperoleh menggunakan ASR (Automatic Speech Recognizer). Proses transkripsi suara menggunakan ASR dapat dilakukan dengan mengimplmentasikan ASR Nuance pada aplikasi Android. Proses analisis pada teks transkripsi rekaman perlu dilakukan secara real time supaya hasil rekomendasi sesuai dengan data pengguna yang terbaru. Teknik analisis pun perlu memiliki performa baik dan sederhana, untuk itu analisis dilakukan menggunakan naive bayes classifier. Setelah dilakukan pengujian melalui eksperimen pengguna, disimpulkan bahwa aplikasi transkripsi memiliki akurasi 94%, rata presisi dan recall pada performa classifier melebihi 70% yang menunjukkan bahwa distribusi data cukup seimbang, sementara akurasi classifier dalam memprediksi preferensi pengguna adalah 75%, dan classifier dapat digunakan untuk merekomendasikan rekaman pada pengguna dengan presisi 67%.

One of the most effective method in the process of learning anything is exchanging experience. Reciting social constructivism, the more information being collected, the better result we get in learning. But when the information is too much, it will also bring trouble called as choice overlode. Therefore, recommender system is a very important component in systems such as Intelligent Classroom. Using text classification methods in a text-based recommender systems gives many advantages, such as high processing speed, and solution availlability for different cases. While the Intelligent Classroom collecting data in the form of sound recordings, then it would be easier to be analyzed after being transcrypted into text. Therefore this system is doing text analysis for the purpose of recommending sound recording. Naive bayes classifier being chosen for the task of data analysis in the making of recommendation, by judging it's performance in previous implementations. The result of the examination showing the transcription accuracy of the implemented application has average of 94%. The user experiments showing the recall and precision of the classifier is over than 70% which indicates balace of data distribution, so we could trust the recommender system performance by looking at it's prediction accuracy which is 75%. The precision of the classifier in making recommendation is 67%.

Kata Kunci : Sistem rekomendasi, voice to text, naive bayes, klasifikasi teks, kelas cendekia