Sistem rekomendasi resep makanan menjadi solusi praktis untuk membantu pengguna dalam menentukan menu berdasarkan bahan makanan yang tersedia. Penelitian ini bertujuan untuk mengevaluasi sistem rekomendasi resep berbasis mobile dengan membandingkan dua metode representasi teks, yaitu TF-IDF dan IndoBERT, dalam hal relevansi hasil rekomendasi dan efisiensi waktu respon. Sistem dibangun dengan arsitektur microservice, di mana aplikasi mobile mengirimkan daftar bahan makanan yang dimiliki pengguna ke server, yang kemudian memproses permintaan dan mengembalikan rekomendasi resep. Metode TF-IDF digunakan sebagai pendekatan berbasis statistik yang sederhana, sementara IndoBERT digunakan sebagai pendekatan berbasis pemahaman semantik menggunakan model pre-trained berbasis transformer. Pengujian dilakukan menggunakan metrik evaluasi seperti Precision@5, Recall@5, F1-score@5, dan Mean Reciprocal Rank (MRR@5) untuk mengukur relevansi hasil. Waktu respon diukur dengan mencatat selisih waktu antara permintaan dikirim dan hasil diterima di sisi Android. Hasil penelitian menunjukkan bahwa IndoBERT unggul dalam hal relevansi, dengan skor rata-rata yang lebih tinggi pada semua metrik evaluasi dibandingkan TF-IDF. Namun, TF-IDF memberikan waktu respon yang secara signifikan lebih cepat dibandingkan IndoBERT. Temuan ini menunjukkan bahwa pemilihan metode harus disesuaikan dengan kebutuhan sistem. TF-IDF lebih cocok untuk sistem dengan keterbatasan sumber daya, sedangkan IndoBERT lebih sesuai untuk sistem yang mengutamakan relevansi hasil rekomendasi.