Sistem rekomendasi buku merupakan sebuah teknologi yang dirancang untuk membantu pengguna menemukan buku yang sesuai dengan minat dan kebutuhan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem rekomendasi buku berbasis algoritma Hybrid Filtering yang menggabungkan metode Content-Based Filtering dan Collaborative Filtering. Penelitian ini mencoba untuk memecahkan tantangan yang terkait dengan merekomendasikan buku dengan cara yang sepenuhnya melibatkan pengguna dan meningkatkan kepuasan mereka. Kumpulan data yang digunakan meliputi metadata buku dan data interaksi pengguna buku yang diperoleh dari situs-situs seperti Gramedia dan Goodreads. TF-IDF, Cosine Similarity dan SVD merupakan teknik utama yang digunakan untuk analisis teks, pencocokan konten, dan prediksi kolaboratif. Indikator penilaian presisi, recall, skor F1, rata-rata presisi rata-rata serta tingkat kepuasan pengguna menunjukkan bahwa teknik pemfilteran hibrida lebih efektif dibandingkan dengan pendekatan rekomendasi sederhana dalam mencapai akurasi dan relevansi rekomendasi yang lebih baik. Dengan demikian, penelitian ini menggambarkan keefektifan pendekatan Hybrid Filtering dalam meningkatkan pengalaman pengguna dan mempromosikan budaya membaca. Upaya penelitian lebih lanjut dapat mempertimbangkan untuk bekerja dengan dataset yang lebih besar dengan menggunakan metode pembelajaran mesin yang lebih canggih dan personalisasi lebih lanjut untuk segmen pengguna yang berbeda.