Sistem rekomendasi musik menjadi hal yang sangat dibutuhkan mengingat besarnya jumlah musik dan pengguna yang membutuhkan waktu yang cepat untuk mencari musik baru yang sesuai dengan selera musiknya. Music retrieval merupakan studi rekomendasi yang fokus pada pencarian informasi dan rekomendasi musik.Dalam sistem rekomendasi musik, teknik collaborative filtering lebih menjanjikan dibandingkan content-based dikarenakan kelebihannya dalam hal menangkap interaksi pengguna. Pada collaborative filtering sendiri terdiri dari dua jenis pendekatan yaitu user-based dan item-based. User-based mencari relasi antar pengguna sedangkan item-based mencari relasi antar item.Fokus utama dari Tugas Akhir ini adalah membandingkan performansi sistem rekomendasi collaborative filtering menggunakan MAE dan precision pada berbagai algoritma pencarian similiarity pada pendekatan item-based. Algoritma tersebut adalah pearson, cosine, dan adjusted cosine. Hasil dari ekperimen ini membuktikan bahwa algoritma cosine memiliki MAE terendah dibandingkan kedua algoritma lain, tetapi mengalami peningkatan nilai MAE jika jumlah rating setiap item meningkat. Hal ini terjadi sebaliknya pada algoritma pearson dan adjusted cosine yang memiliki MAE lebih tinggi dibandingkan cosine tetapi mengalami penurunan nilai MAE jika terjadi peningkatan jumlah rating. Sedangkan untuk precision tertinggi dicapai oleh algoritma adjusted cosine untuk pengujian responden yang memberikan rating dan algoritma cosine dan pearson untuk pengujian responden tanpa memberikan rating. Music retrieval, recommender system, collaborative filtering, item-based