Seiring dengan semakin banyak transaksi penjualan maka diperlukan suatu
sistem untuk menganalisis pola frekuensi keranjang belanja. Oleh karena itu, untuk
mendapatkan informasi yang penting guna menghasilkan peningkatan pendapatan
maka penelitian ini melakukan Market Based Analysis terhadap data transaksi.
Algoritma Apriori termasuk aturan asosiasi dalam Data Mining yang bertujuan
untuk menemukan frequent itemset dengan menggunakan teknik Association Rule
yang memenuhi syarat minimum untuk nilai Support dan Confidence. Lift Ratio
digunakan sebagai penentu apakah Association Rule yang terbentuk valid atau
tidak valid. Hasil dari penelitian ini adalah algoritma Apriori mampu digunakan
untuk menentukan item apa yang sering dibeli dalam melakukan transaksi. Dari
7502 data transaksi terdapat 1 pola asosiasi yang memenuhi syarat, jika pelanggan
membeli herb & pepper dan spaghetti maka akan membeli ground beef. Uji coba
yang dilakukan dengan dataset transaksi menunjukkan hasil terbaik pada nilai
Support 0.006399 Confidence 0.393 dan Lift Ratio 4.