Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi buku berbasis konten (Content-Based Filtering (CBF)) untuk mendukung penelusuran koleksi pada perpustakaan digital. Dataset yang digunakan adalah GoodBooks-10K (versi enriched) yang memuat metadata lengkap berupa judul, penulis, dan deskripsi buku. Metode yang digunakan meliputi pra-pemrosesan teks, representasi konten menggunakan TF-IDF dan Sentence-BERT (SBERT, all-mpnet-base-v2), serta perhitungan cosine similarity untuk menghasilkan daftar rekomendasi Top-N. Hasil evaluasi menunjukkan bahwa representasi SBERT mampu menangkap kesamaan semantik secara konsisten dengan nilai Precision@K (Keyword) = 1,00 pada ?={5,10,20}, sedangkan Precision@K (Author) berada pada kisaran 0,15–0,20. Nilai Intra-List Diversity (ILD) antara 0,686–0,738 menunjukkan bahwa sistem menghasilkan daftar rekomendasi yang beragam namun tetap relevan.