Penggunaan laptop saat ini semakin banyak diminati oleh masyarakat di indonesia, mulai dari anak anak, remaja, maupun orang dewasa. Seiring dengan perkembangan zaman, laptop saat ini memiliki bermacam macam merk dan spesifikasi yang berbeda beda yang membuat orang mengalami kesulitan dalam hal memilih laptop yang sesuai keinginannya. Oleh sebab itu perlu sebuah sistem rekomendasi (recommendation system) yang bisa memberikan rekomendasi berdasarkan kebutuhan orang tersebut. Pada sistem rekomendasi ini menggunakan metode content based filtering. Data yang digunakan berjumlah 499 data laptop yang berasal dari website Tokopedia. Untuk melakukan pembobotan dan menghitung kesamaan tiap data laptop, peneliti menggunakan algoritma TF-IDF yang dipakai untuk memberikan hasil yang relevan dengan kebutuhan user dengan ketersediaan konten yang ada pada sistem tersebut. Berdasarkan hasil pengujian sistem yang telah dibuat, sistem dapat memberikan rekomendasi berdasarkan kemiripan dari setiap data laptop dan menghasilkan precision, recall, dan F1 Score sebesar 0,84 atau 84%

Kata Kunci: laptop, sistem rekomendasi, content-based filtering, TF-IDF.

The use of laptops is currently increasingly popular among people in Indonesia, starting from children, teenagers and adults. As time goes by, laptops now have various brands and different specifications which makes people experience difficulties in choosing a laptop or buying a laptop that suits their wishes. Therefore, we need a recommendation system that can provide recommendations based on the person's needs. This recommendation system uses a content based filtering method. The data used was 499 laptop data which came from the Tokopedia website. To weight and calculate the similarity of each laptop data, researchers used the TF-IDF algorithm which is used to provide results that are relevant to user needs with the availability of content on the system. Based on the results of system testing that has been created, the system can provide recommendations based on the similarity of each laptop data and produce precision, recall and F1 Score of 0.84 or 84%

Keywords: laptops, recommendation system, content-based filtering, TF-IDF.