<![CDATA[Dalam dunia bisnis yang sangat kompetitif saat ini, para pelaku bisnis dituntut untuk selalu mengembangkan usahanya dan selalu bertahan dalam persaingan. Untuk mencapai tujuan tersebut, ada beberapa hal yang dapat dilakukan yaitu meningkatkan kualitas produk, memperbanyak jenis produk, dan menurunkan biaya operasional perusahaan. Untuk memenuhi kebutuhan tersebut, beberapa upaya dapat dilakukan, salah satunya adalah menganalisis data perusahaan. Ada banyak algoritma atau metode yang dapat digunakan dalam data mining, salah satunya adalah algoritma apriori yang termasuk dalam aturan asosiasi dalam data mining. Data mining adalah disiplin ilmu yang mempelajari teknik untuk mengekstraksi informasi berguna dan berharga dari pola, statistik, dan basis data, yang harus memiliki data transaksi penjualan. Data asli yang digunakan dalam penelitian ini masih baru yaitu data transaksi penjualan pada bulan Maret sampai September 2023. Namun karena kurangnya pengelolaan persediaan yang baik, seringkali timbul permasalahan ketika barang yang diinginkan konsumen sudah habis atau tidak tersedia. Dengan menerapkan konsep Association analisis mining untuk mengolah data transaksi penjualan berupa item set, hasil yang diperoleh menunjukkan nilai support dari setiap item, menggabungkan item sehingga membentuk nilai keyakinan untuk item yang sering dikumpulkan. Algoritme apriori yang dirancang untuk menemukan kumpulan item yang sering muncul dalam kumpulan data. Algoritma ini menggunakan aturan asosiasi untuk mengidentifikasi pola barang dagangan yang sering dibeli dalam data transaksi. Tujuan dari tugas akhir ini adalah untuk mengetahui apakah algoritma FP-Growth dapat mengembangkan strategi penjualan dan pemasaran. Penelitian ini menghasilkan kombinasi pola penjualan produk baju dewasa dan baju anak yang sudah dilakukan perhitungan menggunakan RapidMiner, hasil kombinasi pola penjualannya yaitu : apabila pelanggan membeli Daster maka pelanggan juga akan membeli Baju Tidur Lengan Pendek Wanita Dewasa dengan nilai support 66,8 % dan nilai confidance 96,7% lift ratio 1,098. Kesimpulannya dengan menggunakan data mining, suatu toko dapat mengetahui preferensi pembeli dan mengetahui barang apa yang sering dibeli.]]>
