Abstrak :-Abstrak
Data transaksi adalah data pelanggan atau pelanggan di lembaga komersial atau non-komersial yang berisi id konsumen, waktu transaksi, dan item transaksi. Dari data transaksi seperti transaksi supermarket, pola berurutan dapat ditemukan untuk menentukan keterkaitan antara barang atau barang. Data jika diolah atau dianalisis lebih lanjut akan menghasilkan informasi atau pengetahuan yang penting dan berharga sebagai pendukung dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengetahui pola konsumsi yang dimiliki oleh pelanggan dan memberikan informasi yang dapat digunakan dalam menentukan tata letak rak-rak toko baru. Algoritma SPADE adalah algoritma untuk menemukan pola sekuensial untuk memecah masalah utama menjadi sub-masalah yang dapat diselesaikan secara terpisah. Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa penerapan algoritma SPADE memiliki nilai dukungan minimum tertinggi yang masih dapat membentuk urutan frekuensi maksimal yaitu 29%. Nilai dukungan minimum tertinggi dari algoritma SPADE adalah 0,2% dengan nilai kepercayaan minimum maksimum 81% dan jumlah aturan yang terbentuk adalah 1.118 Aturan, tetapi kepercayaan diambil 60% sehingga hanya ada 15 Aturan. Sedangkan algoritma Apriori memiliki nilai dukungan minimum tertinggi yang masih dapat membentuk urutan frekuensi maksimum adalah 25%. Nilai dukungan minimum tertinggi dari algoritma apriori yang masih dapat membentuk aturan adalah 0,3% dengan nilai maksimum kepercayaan minimum 88% dan jumlah aturan yang terbentuk sebanyak 494 Aturan, tetapi kepercayaan diambil 60% ke atas sehingga ada hanya 29 Aturan.
Kata kunci: data mining, algoritma SPADE, algoritma apriori.