Toko ATK adalah bisnis yang menyediakan berbagai perlengkapan kantor dan memiliki potensi data yang berharga untuk dianalisis melalui teknik data mining. Pembeli sering mengalami kesulitan dalam menemukan barang yang mereka cari karena tata letak barang yang masih dilakukan secara acak dan tidak sesuai dengan pola belanja pembeli. Asosiasi merupakan salah satu tipe data mining yang digunakan untuk analisis keranjang pasar. Fungsi ini mengidentifikasi item-item barang yang mungkin dibeli pembeli bersamaan dengan barang lain. Metode FP-Growth dapat menghasilkan lebih banyak rule dengan akurasi yang lebih baik, namun proses asosiasi cenderung mengabaikan itemset yang besar pada ukuran dataset yang besar sehingga untuk dataset yang besar hasil rekomendasi kurang akurat. Pada penelitian ini pengelompokan dataset dilakukan dengan menggunakan metode clustering, yaitu K-Means dan K-Medoids. Tahapan penelitian terdiri dari pengambilan data, preprocessing data, clustering dengan menggunakan K-Means dan K-Medoids, asosiasi menggunakan FP-Growth dan evaluasi model. Hasil dari penelitian ini menunjukkan bahwa clustering dengan metode K-Means lebih banyak menghasilkan aturan asosiasi dibandingkan K-Medoids. Clustering dengan nilai DBI terbaik menggunakan K-Means berada pada K=6 sedangkan K-Medoids berada pada K=3. Model asosiasi menggunakan metode K-Means mampu menghasilkan 33.242 aturan asosiasi yang sesuai dengan nilai Support dan Confidence dan 18.405 di antaranya memenuhi nilai lift ratio.