Sistem rekomendasi destinasi wisata telah menjadi bagian penting dari sektor pariwisata, karena wisatawan sering kali dihadapkan pada banyak destinasi wisata lokal dan internasional yang beragam. Sebagai salah satu kota tujuan wisata utama di Indonesia Kota Bandung, yang memiliki potensi wisata yang melimpah seperti banyak sejarah, makanan, dan pemandangan alam yang menarik. Maka dibutuhkannya alat pemfilteran yang dapat memberikan rekomendasi kepada wisatawan. Pada penelitian ini membangun sebuah sistem rekomendasi destinasi wisata di Kota Bandung dengan menerapkan Item-based Collaboarative Filtering dan menggunakan algoritma klasifikasi KNN. Penelitian ini mengujikan parameter algoritma Brute-force dan juga KD-Tree untuk mencari item terdekat dengan destinasi wisata acuan yang telah ditentukan oleh pengguna, dan juga parameter metrik Chebyshev Distance, Euclidean Distance, dan Manhattan Distance untuk menghitung kemiripan item. Beberapa parameter algoritma dan metrik dipilih untuk mencari parameter terbaik dalam melakukan rekomendasi destinasi wisata yang sesuai preferensi pengguna yang ditentukan oleh metrik evaluasi MAE. Hasil pengujian menunjukan bahwa sistem yang dibangun memadai dalam memberikan rekomendasi kepada pengguna dengan menerapan parameter algoritma KD-Tree dan metrik Chebyshev Distance mendapatkan kinerja yang cukup baik dengan nilai MAE 1.36 yang memiliki kesalahan prediksi yang lebih rendah dari pengujian lain, dengan waktu untuk membuat rekomendasi selama 9.2 milidetik yang lebih cepat dari pengujian lain.
Kata kunci : sistem rekomendasi, item-based collaborative filtering, KNN, MAE, destinasi wisata, kota bandung.