Sistem pemberi rekomendasi adalah alat dan perangkat software yang dapat memberikan solusi berupa saran suatu item yang bisa digunakan oleh user untuk mengambil sebuah keputusan untuk memilih item yang dikehendaki contohnya seperti memilih item anime. Sistem pemberi rekomendasi terbagi dalam beberapa kelas pendekatan rekomendasi yang berbeda diantaranya ada: collaborative filtering, content-based, dan hybrid recommender system. Namun perlu diketahui bahwa masing-masing kelas pendekatan tersebut memiliki kelemahan masing-masing. Sehingga penelitian pembangunan sistem pemberi rekomendasi anime ini memilih pendekatan hybrid filtering dengan tujuan mengatasi kelemahan dari masing-masing pendekatan yang berdiri sendiri. Penelitian ini terbatas hanya menggunakan 3 filtering untuk dikombinasikan, yaitu k-means clustering, TF-IDF dengan cosine similarity, dan item-based filtering dengan algoritma SVD. Dataset yang digunakan dalam penelitian ini merupakan dataset anime yang diambil melalui situs web kaggle yang sebelumnya telah dilakukan proses crawling dari situs myanimelist.net yang dibagikan secara open source. Akhir dari penelitian ini menemukan bahwa meskipun di beberapa penelitian lain pendekatan hybrid dapat meningkatkan kualitas rekomendasi ternyata sebaliknya. Masih ditemukan masalah-masalah seperti sparsity dan scalability dalam penelitian ini yang menyebabkan rekomendasi yang dihasilkan sistem masih kurang baik.