<![CDATA[Penerapan data mining banyak digunakan dalam berbagai macam bidang, terlebih lagi dalam bidang bisnis retail yang ada. Pola pembelian barang oleh konsumen menjadi tujuan utama yang perlu dihadapi dalam bisnis retail tersebut. Pengetahuan tentang pola pembelian barang oleh konsumen tersebut dapat dimanfaatkan dalam menyusun tata letak produk guna mempermudah konsumen dalam proses pembelian. Pada penelitian ini digunakan algoritma apriori dalam menentukan pola pembelian konsumen dalam satu keranjang belanja. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari transaksi pembelian konsumen pada toko retail pada periode Januari hingga Februari 2020. Data yang digunakan berjumlah 200 transaksi pembelian yang terjadi. Sebelum dicari aturan asosiasi terlebih dahulu menghitung nilai support masing-masing item, apabila nilai support kurang dari minimum support yang ditentukan maka item akan dipangkas sedangkan item yang memiliki nilai yang memenuhi kriteria minimum support, termasuk kedalam frequent k-itemset. Setelah semua frequent k-itemset terbentuk selanjutnya akan dicari pola asosiasi (association rules) dengan didasarkan pada nilai minimmum confidence, item yang memenuhi kriteria nilai minimum confidence akan digunakan dalam mengambil aturan pembelian. Pada penelitian ini digunakan nilai minimum support sebesar 1% dan nilai minimum confidence sebesar 80%, dari nilai minimum support dan minimum confidence yang digunakan tersebut diperoleh 10 aturan atau pola pembelian barang oleh konsumen yang dapat dijadikan acuan dalam menyusun tata letak pada penyimpanan barang yang dijual. Kata Kunci: Data mining, Market Basket Analysis, Algoritma Apriori]]>
