Product inventory is one of the important elements that must be considered in the scope of sales, either goods or services. Because the higher the profit the company will get depends on the number of products sold in a transaction.
Therefore the company is emphasized to search for the buying patterns of customers who buy products simultaneously in one transaction. The amount of transaction data that occurs every day requires a long time to determine the buying patterns of customers who buy products simultaneously. Frequent Pattern Mining aims to find item association relationships from the database. In this study,
an application was made in which there is an implementation of the method Association rule with theAlgorithm Equivalence Class Transformation (Eclat) so that the time used to determine the buying patterns of customers who buy
products simultaneously is faster and more efficient. The algorithm Eclat uses a database with a vertical model. Each item is stored together in the TID List and uses an intersection based approach to calculate the support for an itemset. The data used in this research is product sales transaction data obtained from Kimia Farma Trading & Distribution. From the results of the experiment using a sample data of 57 processed transactions showing the rule rules (Miconazole 2% Cr (Box 24 Tube @ 10 Gram), Iodine Povidone Lar 10% (Btl 60 Ml), Calcium Lactat 500 Mg (Box 100 Tab) , Iodine Povidone Lar 10% (Btl 30 Ml)) with a minimumvalue of support 0.03509, drinking confidence 1 and lift ratio of 7.125.

Persediaan produk merupakan salah satu elemen penting yang harus diperhatikan dalam ruang lingkup penjualan, baik barang atau jasa. Karena semakin tinggi keuntungan yang akan diperoleh perusahaan tergantung banyaknya produk yang terjual dalam suatu transaksi. Maka dari itu perusahaan
ditekankan agar melakukan pencarian pola beli pelanggan yang membeli produk secara bersamaan dalam satu transaksi. Banyaknya data transaksi yang terjadi setiap harinya membutuhkan waktu yang cukup lama dalam penentuan pola beli
pelanggan yang membeli produk secara bersamaan. Frequent Pattern Mining memiliki tujuan untuk menemukan hubungan asosiasi barang dari database. Pada penelitian ini dilakukan pembuatan aplikasi yang didalamnya terdapat implementasi metode Assosiation rule dengan Algoritma Equivalence Class
Transformation (Eclat) sehingga waktu yang digunakan untuk penentuan pola beli pelanggan yang membeli produk secara bersamaan lebih cepat dan efisien. Algoritma Eclat menggunakan basis data dengan model vertikal. Setiap item
disimpan bersama di dalam TID List dan menggunakan pendekatan berdasarkan persimpangan untuk menghitung dukungan dari suatu itemset. Data yang dipakai dalam penelitian ini adalah data transaksi penjualan produk yang didapat dari Kimia Farma Trading & Distribution. Dari hasil percobaan dengan menggunakan data sampel sebanyak 57 transaksi yang sudah diolah menunjukkan aturan rule
(Miconazole 2 % Cr(Dus 24 Tube@10 Gram), Iodine Povidone Lar 10 % (Btl 60 Ml), Calcium Lactat 500 Mg (Dus 100 Tab), Iodine Povidone Lar 10% (Btl 30 Ml)) dengan nilai minimum support 0,03509, minum confidence 1 dan lift ratio 7,125