Data penjualan umumnya masih jarang dimanfaatkan, begitupun pada toko Parfum Corner hanya menumpuk saja di dalam database, padahal ada masalah yang dialami oleh toko tentang data penjualan produk terlaris dan untuk meningkatkan jumlah penjualan produk parfum selanjutnya, agar toko tetap bertahan dan dapat berkembang lebih baik lagi. Algoritma yang dapat digunakan untuk mengelola data penjualan dalam mengatasi masalah tersebut adalah Apriori. Adapun metode penelitian yang digunakan pada penelitian ini adalah proses KDD (Knowledge Discovery in Database). Penelitian ini menghasilkan pola frekuensi tinggi untuk itemsets dengan nilai minimum support 20% menghasilkan produk yang menjadi The Most Tree Items adalah Jo Malone 82,49%, Zarra 28,25%, dan Zwitsal 20,34%. Sedangkan aturan asosiasi yang terbentuk dari nilai Min. Supp 20% dan Min. Conf 80%, mendapatkan kombinasi 2 itemsets yaitu Jo Malone dan Zarra. Sedangkan untuk kombinasi 3 itemsets yaitu Jo Malone, Zarra dan Baccarte dengan status valid dan kuat dibuktikan dengan nilai lift lebih besar dari 1, oleh karena itu aturan asosiasi tersebut sangat tepat untuk dapat digunakan.