Seiring dengan pertumbuhan sektor pariwisata di kota Bandung, tantangan-tantangan baru muncul di kalangan masyarakat. Orang-orang sering kesulitan menemukan destinasi wisata yang sesuai dengan preferensi mereka. Salah satu cara masyarakat mencari informasi tentang destinasi wisata adalah dengan menggunakan platform media sosial X (Twitter). Namun, informasi tentang destinasi wisata yang diperoleh dari Twitter dianggap kurang efektif dalam membantu orang menemukan destinasi wisata yang sesuai. Oleh karena itu, diperlukan sebuah sistem rekomendasi destinasi wisata yang dapat memberikan rekomendasi sesuai dengan preferensi pengguna. Penelitian ini bertujuan untuk menggabungkan metode Content-Based Filtering (CBF) dengan Gated Recurrent Unit (GRU) yang dioptimalkan menggunakan algoritma Root Mean Squared Propagation (RMSProp) untuk mengembangkan sistem rekomendasi destinasi wisata di kota Bandung berdasarkan dataset dari Twitter yang berisi total 99 destinasi wisata dan 95 pengguna. Berbagai jenis metode Synthetic Minority Oversampling Technique (SMOTE) juga akan diterapkan untuk mengatasi masalah ketidakseimbangan kelas dalam dataset. Hasil penelitian menunjukkan bahwa kombinasi CBF dan GRU yang dioptimalkan dengan RMSProp, bersama dengan penerapan SMOTE+ENN, mencapai hasil tertinggi dengan nilai Accuracy sebesar 91,44%, Precision sebesar 82,36%, Recall sebesar 90,75%, dan F1-Score sebesar 86,35%.