Association rules merupakan metode yang digunakan untuk mencari hubungan antara item dalam sebuah dataset. Pada penelitian ini, algoritma yang digunakan adalah Apriori dan FP Growth dengan nilai minimum support dan minimum confidence yang ditentukan oleh peneliti. Pada kasus Ritel Produk akan dihitung berapa banyak bundling yang dapat terbentuk dan akan dibandingkan hasil rules yang terbentuk dengan kasus Kecelakaan Lalu Lintas. Setelah melakukan pengujian, algoritma Apriori memerlukan waktu yang lebih lama untuk menghasilkan rules dari pada FP Growth. Jumlah rules yang dihasilkan oleh Ritel Produk lebih sedikit dari pada kasus Kecelakaan Lalu Lintas, dataset Ritel Online dibagi menjadi 3 berdasarkan country terbanyak dan dataset Traffic Accident dibagi menjadi 2 berdasarkan day terbanyak. Pada dataset Ritel Online Germany dengan min support 10% dan min confidence 70% menghasilkan rules sebanyak 11 sedangkan pada dataset Traffic Accident Friday dengan min support 10% dengan min confidence 70% menghasilkan rules sebanyak 99167. Hal ini dikarenakan pada kasus Kecelakaan Lalu Lintas setiap kecelakaan yang terjadi rata-rata melibatkan 15 faktor terjadinya kecelakaan sedangkan pada kasus Ritel Produk jumlah item dalam suatu transaksi ada yang hanya satu atau dua saja. Hal tersebut yang dapat membuat pembentukkan itemset yang sangat banyak, tetapi untuk nilai lift lebih bervariasi pada kasus Ritel Produk dari pada Kecelakaan Lalu Lintas.