Dalam berbelanja kebutuhan sehari-hari seringkali pembeli mengalami kesulitan dalam mencari barang-barang kebutuhan sehari-hari. Salah satu faktor penyebab hal ini karena  prosedur penataan produk dalam minimarket yang masih dilakukan secara acak dan belum sesuai dengan pola belanja pembeli. Di sisi lain pada umumnya pembeli ingin membeli produk melalui paket produk kebutuhan sehari-hari, namun paket-paket produk tersebut umumnya belum tersedia di minimarket. Untuk mengatasi permasalahan penataan produk dan pembuatan paket produk di minimarket dapat digunakan prosedur  yang lebih efektif dengan cara menemukan pola hubungan dari data transaksi pada minimarket.

Dalam menemukan pola hubungan pada penelitian ini akan digunakan metode association rule untuk melihat keterkaitan antara barang yang satu dengan lainnya dalam data transaksi. Pada penelitian ini menggunakan algoritma FP-Growth dan  K-Means. Algoritma K-Means berguna untuk cluster data, sedangkan algoritma FP-Growth berguna untuk proses asosiasi. Dalam proses K-Means dataset dibagi ke dalam 3 kelompok. Serta pada proses FP-Growth berdasarkan ukuran yang digunakan untuk memilih aturan yang ada yaitu menggunakan minimum support, minimum confidence dan lift ratio maka minimum support yang digunakan sebesar 20% dan minimum confidence sebesar 50%. Karena memiliki nilai minimum support, minimum confidence dan lift ratio yang paling besar. Hasil dari penelitian ini menghasilkan rekomendasi penataan pada 3 rak di minimarket dan menghasilkan rekomendasi paket berupa satu paket/bundle.

Kata kunci : Association Rule, FP-Growth, K-Means, Penataan Produk, Paket Produk.

In shopping for daily necessities often the buyer has difficulty in finding the daily necessities items. One of the factors that cause this is because the procedure of ordering products in a minimarket is still done randomly and not yet fit the buyer's shopping pattern. On the other hand, the buyer generally wants to buy products through the product package daily necessities, but the packages are generally not available at minimarket. To solve the problem of product setup and product package manufacture in Minimarket can be used more effective procedure by finding relationship pattern from transaction data at Minimarket.

In finding a pattern of relations in this research will be used by the association rule method to see the linkages between the other goods in the transaction data. In this study used the FP-Growth and K-Means algorithms. The K-Means algorithm is useful for data clusters, whereas the FP-Growth algorithm is useful for the association process. In the process K-Means dataset divided into 3 groups. As well as on the FP-Growth process based on the size used to select the existing rules that use minimum support, minimum confidence and lift ratio, then the minimum support used is 20% and minimum confidence is 50%. Because it has a minimum support value, minimum confidence and lift ratio are the greatest. The results of this research resulted in the arrangement recommendation on 3 shelves in the minimarket and resulted in a recommendation package in the form of a package/bundle.

Keywords : Association Rule, FP-Growth, K-Means, Product Setup, Product Package.