Penelitian ini bertujuan untuk mencari aturan asosiasi berdasarkan transaksi member salah satu perusahaan retail pada item non promo. Metode pada penelitian ini menggunakan Association rules dengan menggunakan algoritma apriori dan FP-Growth untuk mendapatkan Frequent Itemset. Tahap analisis data dilakukan mulai dari Exploratory Data Analysis, Pre-Processing Data, Transformation Data, Data Mining, hingga mengevaluasi hasil aturan asosiasi yang terbentuk. Peneliti melakukan 4 kali percobaan dengan minimal support 0.02 dan minimal confidence 0.25 pada apriori dan FP-Growth merupakan yang terbaik dengan menghasilkan 52 frequent itemset dan 17 aturan asosiasi. Dengan dataset berjumlah 379.635, apriori lebih cepat dalam memproses frequent itemset dengan waktu 1.10 detik sedangkan FP-Growth dengan 1.86 detik. Apriori dan FP-Growth menghasilkan frequent itemset yang sama yaitu kategori tertinggi diperoleh Sigaret Kretek Tangan dengan support 0.32 dan Sigaret Kretek Mesin dengan support 0.26, tetapi untuk aturan asosiasi terbaik dihasilkan oleh kategori Extruded & Pellet dan Sweetened Condensed Milk dengan confidence 0.47, yang apabila item dengan kategori Extruded & Pellet dibeli bersamaan dengan item kategori Sweetened Condensed Milk memiliki tingkat keberhasilan sebesar 47%.