Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning.