Algoritma Restricted Boltzmann Machine merupakan salah satu algoritma yang teruji berhasil mengatasi kekurangan dari metode Collaborative Filtering tradisional dalam menangani data dengan jumlah yang sangat besar dengan kinerja yang sangat baik. Pada penelitian ini, penulis akan berfokus pada eksperimen untuk membandingkan kinerja dari Algoritma RBM dan Algoritma E-RBM menggunakan dataset Book-Crossing dan dataset Amazon Book Review untuk mengetahui model algoritma dan dataset terbaik dengan membandingkan metrik evaluasi kualitas perhitungan rekomendasi yaitu MAE, RMSE dan metrik evaluasi kualitas hasil rekomendasi yaitu Precision serta Recall. 1800 sample data berdasarkan atribut ISBN diambil untuk setiap skenario pengujian. Hasil penelitian menunjukkan bahwa dari seluruh skenario, kinerja model terbaik ditunjukkan pada model Algoritma E-RBM menggunakan dataset Book-Crossing dengan nilai MAE 0.00051082, nilai RMSE 0.0209722, dan nilai Precision serta Recall diatas 99,97%. Terdapat pula perbandingan hasil eksperimen penelitian ini dan beberapa penelitian sebelumnya untuk dijadikan acuan nilai kinerja model.
Kata Kunci : Sistem Rekomendasi Buku, Restricted Boltzmann