Tajuk subyek merupakan salah satu bagian penting dari metadata dokumen perpustakaan yang menggambarkan topik/isi dari suatu dokumen dan berperan penting sebagai keyword pencarian ketika pengguna tidak mengetahui judul maupun pengarang suatu dokumen. Akan tetapi, tidak semua pustakawan memiliki keahlian dalam menentukan tajuk subyek yang tepat karena diperlukan analisis subyek yang akurat dan pencarian tajuk subyek dalam daftar tajuk subyek ataupun thesaurus. Skripsi ini akan mengimplementasikan dua algoritma kemiripan dokumen yaitu cosine similarity dan jaccard similarity untuk merekomendasikan beberapa tajuk subyek untuk suatu dokumen input, melakukan evaluasi untuk mengetahui algoritma yang memiliki kinerja lebih baik dan mengembangkan sistem rekomendasi tajuk subyek berbasis web menggunakan algoritma hasil evaluasi. Data yang digunakan dalam penelitian ini adalah koleksi metadata dokumen perpustakaan UI. Evaluasi yang dilakukan dengan perhitungan interpolated average precision dan MAP(Mean Average Precision) menunjukkan hasil yang sama yaitu algoritma cosine similarity memiliki kinerja lebih baik dibanding algoritma jaccard similarity.