Data mining terdiri dari metoda-metoda yang memiliki fungsi dan keunggulan masing-masing. Salah satu metoda data mining yang banyak dipakai adalah Association Rules. Melalui Association Rules, keterkaitan antara item – item dalam suatu transaksi dapat dilihat. Terutama bagaimana pengaruh dari suatu item atau kumpulan item terhadap item yang lain, sehingga dapat diambil keputusan yang tepat sesuai dengan kebutuhan dari pengguna proses data mining. Untuk mengoleksi algoritma-algoritma dari berbagai metoda Data Mining, direncanakan pengembangan Data Mining Algorithms Collection. Penelitian dan penerapan ini bertujuan untuk menerapkan algoritma data mining khususnya metoda Association Rules dalam rangka mendukung pengembangan Data Mining Algorithms Collection tersebut. Dalam penelitian dan penerapan ini, penulis menerapkan dua algoritma Association Rules yaitu Apriori dan FP-Growth. Kedua algoritma ini adalah algoritma dasar yang banyak dipakai dalam Association Rules. Algoritma Apriori lebih kearah menebak kumpulan – kumpulan item yang ada pada data, sedangkan algoritma FP-Growth lebih kearah bagaimana meringkas informasi data dan dapat menyimpannya ke memory. Selain algoritma Apriori dan FP-Growth, ditambahkan juga algoritma CT-Pro ke dalam program. Algoritma ini merupakan algoritma yang dikembangkan berdasarkan algoritma FP-Growth. Untuk tambahan perbandingan, algoritma-algoritma juga dibandingkan dengan algoritma Apriori yang dikembangkan oleh Christian Borgelt. Algoritma Apriori ini sudah dikembangkan lama dan tentunya lebih baik dari algoritma Apriori biasa. Algoritma Apriori dan FP-Growth yang diterapkan dibandingkan dengan algoritma CT-Pro dan algoritma Apriori yang dikembangkan oleh Christian Borgelt.