<![CDATA[Banyak UMKM perikanan menghadapi tingkat kegagalan yang tinggi karena pengelolaan stok komoditas masih sangat bergantung pada intuisi atau pengalaman subjektif, sementara potensi besar dari tumpukan data transaksi sering kali diabaikan. Fenomena ini menunjukkan bahwa penggunaan teknik data mining menjadi sangat krusial untuk mengekstrak data mentah menjadi informasi strategis yang mampu mendukung pengambilan keputusan bisnis yang lebih akurat. Penelitian ini bertujuan untuk mengimplementasikan algoritma FP-Growth dalam memetakan pola pembelian udang secara presisi, sebagai langkah nyata untuk mendorong transformasi digital serta memformulasikan strategi bisnis berbasis data pada UMKM perikanan di wilayah Cilincing, Jakarta Utara. Penelitian ini secara sistematis mengadopsi kerangka kerja Knowledge Discovery in Databases (KDD) terhadap 500 data transaksi historis. Data tersebut melalui tahapan pembersihan preprocessing dan transformasi ke dalam bentuk matriks binomial agar kompatibel untuk dianalisis menggunakan perangkat lunak RapidMiner Studio, guna mengekstrak frequent itemsets serta menguji aturan asosiasi berdasarkan metrik Lift Ratio. Hasil analisis menunjukkan bahwa udang windu, udang galah, dan udang vanamei mendominasi keranjang belanja pelanggan. Aturan asosiasi terkuat ditemukan pada pola pembelian udang vanamei yang memicu pembelian udang windu dengan tingkat kepercayaan confidence sebesar 64,4% dan nilai Lift Ratio sebesar 1,127. Temuan yang tervalidasi secara matematis ini memberikan landasan empiris yang kuat bagi pemilik bisnis untuk beralih ke strategi operasional berbasis data. Hasil ini dapat diaplikasikan secara praktis untuk merancang strategi bundling produk yang tepat, mengoptimalkan manajemen stok, serta memitigasi risiko kekurangan persediaan secara proaktif di pasar yang kompetitif.]]>
