Data mining can be defined as a technique of retrieving data into a database to find hidden knowledge from those data. PT ASDP Indonesia Ferry Bangka Branch is a company engaged in river and lake crossing transportation, which has 12 categories of ticket categories, which have certain types and prices. Data from ticket sales owned by the company gradually produces more and more piles of data, but these piles of data are not managed and re-analyzed to get information that is actually important for the company.The data used in this study will be processed to obtain information that will form the association rules of each ticket class, form a pattern of itemsets combination and get the percentage value of support and confidence in each ticket class. The algorithm used is an a priori algorithm by analyzing high-frequency patterns to find a combination of itemset that meets the minimum support and minimum confidence values for the formation of association rules. The data sample used is 12 times ship ticket sales transactions at the Muntok port. The results obtained from the data sample are in the form of a combination of itemsets 2 and 3 which produce 9 association rules with an association value of 30% support value and 90% confidence value. And there are some experiments by entering the minimum value of support and minimum value of confidence differently. The support value obtained is the percentage value of the item purchased in 12 transactions, while the confidence value obtained is the strength of the relationship between items purchased simultaneously in 12 transactions. The information that has been obtained can be used by PT ASDP Indonesia Ferry Bangka Branch as a basis for taking actions or decisions needed for the company's progress in the future.

Data mining dapat didefinisikan sebagai teknik pengambilan data ke dalam databaseuntuk menemukan pengetahuan tersembunyi dari data-data tersebut. PT ASDP Indonesia Ferry Cabang Bangka merupakan perusahaan yang bergerak dibidang transportasi penyebrangan sungai dan danau, yang memiliki 12 kategori golongan tiket dimana masing-masing mempunyai jenis dan harga tertentu. Data hasil penjualan tiket yang dimiliki oleh perusahaan lambat laun menghasilkan tumpukan data yang semakin banyak, namun tumpukan data tersebut tidak diolah dan dianalisa kembali untuk mendapatkan informasi yang sebenarnya penting bagi perusahaan.Data yang digunakan pada penelitian ini akan diolah untuk mendapatkan informasi yang akan membentuk rule asosiasi dari masing-masing golongan tiket, membentuk pola kombinasi itemsets dan mendapatkan nilai persentase support dan confidence pada masing-masing golongan tiket. Algoritma yang digunakan adalah algoritma apriori dengan menganalisa pola frekuensi tinggi yaitu mencari kombinasi itemset yang memenuhi nilai minimum support dan minumum confidence untuk pembentukan rule asosiasi. Sampel data yang digunakan ada 12 kali transaksi penjualan tiket kapal pada pelabuhan Muntok. Hasil yang didapat dari sampel data tersebut berupa kombinasi itemset 2 dan 3 yang menghasilkan 9 rule asosiasi dengan nilai asosiasi berupa nilai support 30% dan nilai confidence 90%. Dan masih ada beberapa percobaan dengan memasukkan nilai minimal support dan nilai minimal confidence secara berbeda. Nilai support yang didapat merupakan nilai persentase item tersebut dibeli dalam 12 kali transaksi sedangkan nilai confidence yang didapat merupakan kuatnya hubungan antar�item dibeli secara bersamaan dalam satu waktu dalam 12 kali transaksi. Informasi yang telah didapat bisa digunakan oleh PT ASDP Indonesia Ferry Cabang Bangka sebagai dasar untuk melakukan tindakan atau keputusan yang dibutuhkan bagi kemajuan perusahaan kedepannya