Pertumbuhan jumlah toko yang menyediakan perlengkapan barang - barang furnitur semakin banyak peminatnya. Selain itu perbedaan harga produk – produk yang ditawarkan juga tidak jauh berbeda antara satu toko dengan toko yang lain. Supaya suatu toko dapat memiliki keunggulan dengan toko lainnya, salah satu cara yang dapat ditempuh adalah dengan mengetahui pola beli pelangan dengan menganalisa data transaksi penjualan. Frequent Pattern Mining memiliki tujuan untuk menemukan hubungan asosiasi barang dari database. Salah satu algoritma yang digunakan adalah Eclat. Eclat menggunakan basis data dengan tata letak vertikal. Setiap item disimpan bersama di dalamTIDList dan menggunakan pendekatan berdasarkan persimpangan untuk menghitung dukungan dari suatu itemset. Pengumpulan data dilakukan dengan cara observasi, kuesioner, wawancara, dan studi literatur pada PT.Kondang Jaya. Pada aplikasi dan pengolahan data akan diterapkan metode association rule dengan algoritma eclat. Dari hasil percobaan 72 data sampel yang sudah diolah menunjukkan aturan rule (KG - 16x12, KG - T.3 12x20 → KG - 17x12) dengan nilai minimum support 0,02% dan minimum confidence 1% dan (KG - 17x12, KG - 20x13 → KB - 18x12) dengan nilai minimum support 0,02 dan minimum confidence 0,22%.

The growth of manufacturing shop number is increasingly in demand. In addition, there are many differences about the price of the products offered among one store and others. However, the manufacturing shop must reach higher profit over the others. The way that can be taken is to find out the customer's buying patterns by analyzing sales transaction data. The goal of frequent pattern is to find the association of goods from the data base. One of the algorithms used is eclat. Eclat uses a database with a vertical layout. Each item is stored together in the TID list and uses an intersection based placement to calculate the support of an item set. Data collection was carried out by means of observation, questionnaires, interviews, and literature studies on PT. Kondang Jaya. In the application and data processing the association rule method will be applied with the eclat algorithm. From the experimental results, from 72 samples data that have been processed shows the (KG - 16x12, KG - T.3 12x20 → KG - 17x12) with a minimum value of support 0.02 % and minimum confidence 1% and (KG - 17x12, KG - 20x13 → KB - 18x12) ) with a minimum value of support 0.02 % and minimum confidence 0,22%.