Open Journal System (OJS) adalah sebuah platform jurnal online bersifat opensource yang saat ini banyak digunakan oleh perguruan tinggi karena mudah diimplementasikan. OJS memiliki fitur seperti manajemen editorial, online submission, pengindeksan artikel, dan lain sebagainya. Namun, pada OJS belum tersedia fitur rekomendasi untuk memberikan rekomendasi artikel yang sesuai bagi pengguna. Penelitian ini bertujuan untuk membuat dan menambahkan fitur rekomendasi pada OJS yang sudah ada untuk memberikan rekomendasi artikel yang sesuai bagi pengguna menggunakan pendekatan Content-based Filtering yang berfokus pada similaritas konten. Bagian artikel ilmiah seperti judul, kata kunci, dan scope jurnal digunakan sebagai data referensi rekomendasi. Penelitian menggunakan K-Means clustering dan Cosine Similarity sebagai matching method dan hasil rekomendasi akan dibandingkan untuk mengetahui metode yang tepat digunakan pada fitur rekomendasi. Hasil menunjukkan bahwa rekomendasi dengan
matching method K-Means clustering memiliki rata-rata nilai precision lebih besar dibandingkan menggunakan Cosine Similarity. Rekomendasi menggunakan KMeans clustering menghasilkan rata-rata precision sebesar 68% dan rata-rata recall sebesar 64%. Dan hasil rekomendasi menggunakan Cosine Similarity memiliki rata-rata precision sebesar 44.15% dan rata-rata recall sebesar 64%.