Pemilihan algoritma enkripsi yang tepat merupakan tantangan krusial dalam menjaga keamanan data, namun banyak pengguna menghadapi kesulitan karena keterbatasan pengetahuan teknis dan banyaknya literatur yang harus dianalisis. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis Content- Based Filtering (CBF) yang terintegrasi dengan teknik text mining untuk membantu proses pemilihan algoritma enkripsi secara lebih cepat, tepat, dan berbasis data ilmiah. Metodologi penelitian yang dilakukan meliputi pengumpulan 300 artikel ilmiah dari portal Garuda Kemdikbud melalui teknik web scraping, yang kemudian melalui tahapan preprocessing seperti tokenisasi, stopword removal, dan case folding. Data tersebut direpresentasikan menggunakan metode TF-IDF, sementara tingkat kemiripan antara kebutuhan pengguna dan literatur dihitung menggunakan Cosine Similarity. Hasil penelitian menunjukkan distribusi algoritma yang paling dominan dibahas dalam literatur adalah RSA (52 artikel), AES (40 artikel), dan RC4 (25 artikel). Sistem rekomendasi yang dibangun terbukti efektif karena mampu memberikan saran yang relevan sesuai kebutuhan spesifik, seperti merekomendasikan AES sebagai algoritma utama untuk kriteria “algoritma cepat untuk data sensitif”. Pemanfaatan text mining dan CBF dalam sistem ini memberikan solusi yang lebih efektif dibandingkan metode manual karena sistem mampu melakukan analisis literatur secara mendalam dan otomatis, sehingga meminimalkan risiko kesalahan pemilihan yang dapat berdampak pada inefisiensi komputasi dan kerentanan keamanan data.