Sistem rekomendasi motor berbasis Conversational Case-Based Reasoning merupakan pendekatan interaktif yang dirancang untuk memberikan rekomendasi model motor sesuai preferensi pengguna. Sistem ini menggabungkan metode case-based reasoning yang menggunakan kemiripan preferensi terhadap basis kasus, serta critique-based refinement yang memungkinkan pengguna untuk menyempurnakan preferensinya jika rekomendasi awal dirasa belum memenuhi ekspektasi. Dengan memberikan fleksibilitas dalam penentuan atribut dan urutan prioritas, sistem ini mampu menyesuaikan hasil rekomendasi secara lebih personal dan adaptif terhadap kebutuhan dinamis pengguna. Hasil evaluasi terhadap 72 responden menunjukkan bahwa sistem menghasilkan rekomendasi yang cukup akurat dengan tingkat kepuasan sebesar 75%, dan hanya 6% pengguna yang merasa perlu melakukan refinement. Hal ini menunjukkan bahwa sistem mampu memberikan rekomendasi yang relevan sejak interaksi awal, sekaligus menyediakan mekanisme interaksi yang mendukung kebutuhan spesifik pengguna.