Katalog perpustakaan digital umumnya hanya menyediakan fasilitas pencarian berbasis kata kunci dan belum dilengkapi fitur rekomendasi yang dapat membantu pengguna menemukan buku yang relevan dengan kebutuhannya. Kondisi tersebut mengurangi efektivitas penelusuran informasi, terutama bagi pengguna yang belum mengetahui koleksi yang tersedia. Penelitian ini bertujuan merancang dan membangun sistem rekomendasi buku pada UPA Perpustakaan Politeknik Negeri Jakarta menggunakan pendekatan Content-Based Filtering dengan Sentence-BERT sebagai model representasi teks semantik. Penelitian juga menganalisis pengaruh penambahan fitur linguistik Part-of-Speech (POS) filtering serta keberadaan buku tanpa deskripsi terhadap kualitas rekomendasi. Sistem dikembangkan menggunakan model Software Development Life Cycle Waterfall dan diimplementasikan dengan FastAPI sebagai backend, Laravel sebagai frontend, MySQL sebagai basis data, serta FAISS untuk mempercepat proses pencarian kemiripan. Tingkat kemiripan antar buku dihitung menggunakan cosine similarity berdasarkan embedding yang dibentuk dari gabungan judul, penulis, dan deskripsi buku. Evaluasi dilakukan menggunakan metrik Precision@K, Average Precision (AP@K), Mean Average Precision (MAP@K), Mean Similarity, dan Wilcoxon Signed Rank Test, sedangkan pengujian fungsionalitas dan kegunaan sistem dilakukan melalui Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa model Sentence-BERT tanpa POS filtering pada dataset lengkap berjumlah 16.218 buku memberikan performa rekomendasi terbaik. Penambahan POS filtering tidak memberikan peningkatan performa yang signifikan secara statistik. Selain itu, sistem tetap mampu menghasilkan rekomendasi yang relevan untuk buku tanpa deskripsi dengan memanfaatkan informasi judul dan penulis. Sistem yang dikembangkan mampu meningkatkan relevansi rekomendasi secara semantik dan mendukung proses penemuan koleksi pada perpustakaan digital.