Platform di internet berurusan dengan data yang sangat besar dan terus berkembang membutuhkan Recommender System (RS) untuk memungkinkan penggunanya menemukan informasi yang relevan dalam banyaknya data. RS bekerja dengan melakukan prediksi dan memperlihatkan informasi yang diinginkan oleh pengguna. Seiring dengan perkembangan waktu, teknologi RS menjadi semakin akurat dalam memberikan prediksi. Walaupun hal demikian dapat memnciptakan permasalahan baru yaitu kurangnya keragaman dari hasil yang diberikan RS yang berdampak buruk bagi pengguna dan pemilik platform. Penelitian ini merancang Hybrid RS menggunakan algoritma Alternating Least Squares (ALS) serta CatBoost untuk memberikan hasil rekomendasi yang memiliki nilai metrik akurasi tinggi serta memeriksa perubahan yang akan terjadi pada nilai metrik menggunakan studi kasus anime pada MyAnimeList. Hasil akhir dari penelitian akan diuji menggunakan metrik Root Mean Square Error (RMSE) untuk mengukur akurasi serta Cosine SImilarity untuk mengukur keragaman. Hasil akhir RMSE yang didapatkan beserta dengan Cosine Similarity memiliki nilai yang lebih baik ketika dibandingkan dengan hasil dari algoritma tersendiri.