Saat ini mayoritas penduduk Indonesia sudah menggunakan internet dalam beraktivitas sehari-hari. Hal ini turut membantu menjadikan Indonesia sebagai negara dengan tingkat penggunaan e-commerce tertinggi di dunia. E-commerce terbesar di Indonesia saat ini adalah Shopee dalam segi transaksi penjualan. Proporsi penjualan yang terjadi di e-commerce 35% nya berasal dari hasil produk yang direkomendasikan. Dengan melihat performa Shopee yang dapat menguasai pangsa pasar Indonesia, juga pengaruh produk yang direkomendasikan terhadap penjualan, maka perlu dilakukan penelitian lebih dalam mengenai pengaruh recommender system terhadap keputusan pembelian yang dilakukan konsumen. Penelitian ini bertujuan untuk mengetahui bagaimana tanggapan dan apakah terdapat pengaruh dari recommender system terhadap Keputusan Pembelian konsumen Shopee sebagai upaya menjelaskan dasar fenomena yang terjadi. Dimensi yang diteliti dari recommender system terdiri dari novelty, accuracy dan diversity. Metode penelitian yang digunakan adalah metode kuantitatif, dengan tujuan deskriptif, tipe penyelidikan kausal, unit analisis individual dan waktu pelaksanaan cross sectional. Untuk sampel menggunakan purposive sampling dengan 400 responden yang mencerminkan karakteristik populasi. Pengumpulan data menggunakan kuesioner online dengan teknik analisis regresi linier berganda yang menggunakan software SPSS versi 28. Hasil penelitian ini menunjukkan bahwa persepsi responden terhadap recommender system berada pada kategori sangat baik, dan terhadap keputusan pembelian berada pada kategori baik. Berdasarkan hasil koefisien determinasi menunjukkan bahwa recommender system berpengaruh sebesar 38,1% terhadap keputusan pembelian, dan hasil analisis regresi linier berganda menunjukkan bahwa dimensi accuracy menjadi faktor yang paling berpengaruh. Berdasarkan hasil penelitian, Shopee diharapkan mampu mempertahankan dan meningkatkan dimensi accuracy dalam recommender system, sehingga dapat meningkatkan keputusan pembelian konsumen. Peningkatan dimensi ini dilakukan dengan cara menambah jumlah data set sehingga perbedaan frekuensi di setiap kelas interval dapat teratasi, melakukan tuning hyperparameter sebagai pemilihan parameter-parameter yang tepat dalam membangun model, dan menerapkannya pada model machine learning dalam recommender system. Kemudian, hasil penelitian ini diharapkan dapat dijadikan referensi pada penelitian selanjutnya, dan disarankan untuk mengembangkan penelitian dengan menggunakan variabel lain di luar penelitian ini.