ABSTRAKSI: Teks data mining atau lebih dikenal dengan teks mining menjadi ‗perkakas‘ penting untuk pertambangan pengetahuan di dalam teks. Salah satu tipe teks mining yang cukup popular adalah keyword Based Association Analysis[3]. Motivasi dari keyword based association analysis ini adalah mengoleksi kumpulan keywords atau term yang sering terjadi bersamaan kemudian menemukan hubungan korelasi atau asosiasi diantara kumpulan keyword tersebut. Inti dari keyword based association analysis adalah proses generate rule asosiasi. Namun pada kebanyakan aplikasi yang ada proses generate rule mengimplementasikan single minsup sehingga mengabaikan sifat data yang memiliki frekuensi yang berbeda. Oleh karena itu pada tugas akhir ini, dilakukan penerapan multiple minimum support dengan Algoritma MS Apriori pada proses generate rule keyword based association analysis, dimana dengan penerapan Algoritma MS Apriori setiap item yang terlibat memiliki batasan minsup yang berbeda-beda sesuai frekuensi kemunculan item dalam data. Dari hasil pengujian, penerapan multiple minimum support pada proses generate rule ini mampu membangkitkan frequent itemset dan rule asosiasi yang lebih efektif dengan waktu yang lebih efisien dibandingkan dengan penerapan single minsup pada algoritma Apriori.Kata Kunci : text mining, keyword based association analysis, multiple minimum support, MS Apriori.ABSTRACT: Text data mining or better known as text mining is being an important 'tool' for mining knowledge in the text. One of text mining types which is quite popular is keyword-based association analysis. The motivation of this keyword-based association analysis is to collect a collection of keywords or terms that often occur together and then find a correlation or association between the collection of the keywords. The core of the keyword-based association analysis is a process of association rule generated. However, in most existing applications which generate rule are implementing the single minsup so that ignore the nature of the data which have different frequencies. Therefore in this final task is applying multiple minimum support with MS Apriori algorithm in the process of generating the keyword-based association rule analysis, where by applying of the MS algorithm Apriori every item involved has various boundary minsup according to frequency of the emergence of the item in the data. From the results of testing the application of multiple minimum support to generate the rule is capable of generating frequent itemsets and association rules which are more effective with more efficient time than the application of single minsup on Apriori algorithm.Keyword: Text mining, keyword basedassociation analysis,multiple minimum support, MS Apriori