Penelitian ini bertujuan untuk mengoptimalkan rekomendasi penjualan makanan dan minuman di Piknik Café dengan menggunakan metode FP-Growth. Pemilihan topik ini didasarkan pada kebutuhan untuk meningkatkan strategi penjualan yang lebih efektif dan efisien dalam menyajikan rekomendasi produk kepada pelanggan. FP-Growth, sebagai salah satu algoritma dalam data mining, menawarkan keunggulan dalam menemukan pola tersembunyi dan asosiasi antara item-item yang sering muncul bersama dalam transaksi. Metode ini diterapkan pada data transaksi penjualan di Piknik Café untuk mengidentifikasi kombinasi makanan dan minuman yang paling sering dibeli bersama. Hasil penelitian menunjukkan bahwa FP-Growth berhasil mengidentifikasi asosiasi yang signifikan antara beberapa item, yang kemudian digunakan untuk menyusun rekomendasi penjualan yang lebih tepat sasaran. Implementasi rekomendasi ini diharapkan dapat meningkatkan kepuasan pelanggan dan pendapatan café. Kesimpulan dari penelitian ini menekankan pentingnya penggunaan metode data mining seperti FP-Growth dalam meningkatkan strategi penjualan dan pengambilan keputusan berbasis data di sektor kuliner.