CanNgopi menghadapi tantangan dalam menentukan produk yang paling laris dan merancang strategi pemasaran, seperti program bundling, akibat tingginya volume transaksi dan variasi produk. Penelitian ini bertujuan untuk menganalisis perilaku pembelian konsumen dan mengidentifikasi item yang sering dibeli bersama. Data transaksi bulanan diproses menggunakan RapidMiner, melalui tahapan preprocessing, analisis itemset frekuen, dan penerapan algoritma FP-Growth untuk menghasilkan aturan asosiasi. Hasil analisis ini dapat dimanfaatkan untuk merancang strategi pemasaran yang lebih tepat sasaran, seperti rekomendasi produk berdasarkan pola pembelian pelanggan. Hasil aturan asosiasi menunjukkan nilai support sebesar 0,13 (13%) dan nilai confidence sebesar 0,97 (97%). Nilai support yang rendah mengindikasikan bahwa kombinasi produk ini tidak sering muncul di seluruh transaksi, sedangkan nilai confidence yang tinggi mencerminkan kemungkinan besar bahwa pelanggan yang membeli produk dalam kategori snack, signature, dan non- coffee juga akan membeli paket pasta. Penelitian ini juga menyoroti pentingnya analisis data dan visualisasi dalam pengambilan keputusan bisnis. Dengan menggunakan algoritma FP-Growth, CanNgopi dapat mengidentifikasi kombinasi menu yang populer, meningkatkan pengalaman pelanggan, serta mengoptimalkan strategi pemasaran dan operasional bisnis.