Sistem rekomendasi memiliki peran penting dalam membantu pengguna menemukan produk yang tepat di antara banyaknya pilihan. Penelitian ini bertujuan mengembangkan sistem rekomendasi laptop menggunakan metode content-based filtering dan K-Nearest Neighbors (K-NN). Sistem ini dirancang untuk memberikan saran laptop berdasarkan spesifikasi dan harga. Dataset yang digunakan mencakup atribut penting seperti RAM, SSD, HDD, sistem operasi, dan prosesor. Penelitian ini menggunakan TF-IDF (Term Frequency-Inverse Document Frequency) untuk mengukur bobot atribut setiap laptop dan cosine similarity untuk menilai kesamaan antar laptop. Metode K-NN digunakan untuk menemukan laptop yang paling mirip
berdasarkan atribut harga yang dipilih pengguna. Dataset diambil dari Kaggle dan diproses menggunakan berbagai pustaka Python seperti pandas, numpy, dan scikit-learn. Hasil penelitian menunjukkan bahwa metode content-based filtering dan K-NN efektif dalam memberikan rekomendasi
laptop yang relevan dan sesuai dengan kebutuhan pengguna. Hasil Pengujian sistem menggunakan metode content based filtering menunjukkan nilai MAE pada user input ke-1 0,1161, pada user input ke-2 0, dan user input ke- 3 0,3036. dan hasil pengujian pada algoritma K-Nearest Neighbor menunjukkan hasil akurasi 70% pada prediksi harga laptop.