Dalam data mining, aturan asosiasi digunakan untuk menemukan pola yang mendeskripsikan kekuatan di dalam data untuk mencari hubungan antar item. Proses untuk menemukan hubungan antar item ini bisa melibatkan data yang banyak, maka diperlukan pembacaan data secara intensif, sehingga dibutuhkan waktu dan biaya komputasi yang besar. Association Rules Mining merupakan solusi untuk mengatasi permasalahan tersebut. Dengan Association Rules Mining dapat ditemukan informasi dari sekumpulan data dan menjadikannya suatu aturan asosiasi yang menggambarkan keterhubungan antar item. Algoritma CT-Apriori merupakan revisi dari Algortima Apriori yang sering digunakan dalam Association Rule Mining untuk menenukan frequent itemset. Pada penelitian ini akan mengimplementasikan algoritma CT-Apriori untuk menemukan aturan asosiasi dari data transaksi. Menggunakan dua nilai analisis penting yaitu Minimum Support dan Minimum Confidence. Setiap rules yang didapatkan berasal dari data transaksi yang dilakukan oleh konsumen dalam berbelanja yang tersimpan di dalam database. Berdasarkan hasil pengujian, didapatkan knowledge berupa rule yang terdiri dari item yang dibeli dengan item yang dibeli bersamaan beserta nilai support dan confidencenya. Selain itu, didapatkan pula akurasi dari setiap rules yang didapatkan
Kata kunci : data mining, association rule mining, ct-apriori