Salah satu pengetahuan yang diminati perusahaan adalah tindakan/kejadian (basic event) apa yang akan membuat seorang pelanggan akan/tidak akan melakukan tindakan tertentu (target event) segera setelah terjadinya event tersebut. Permasalahan ini dikenal sebagai Discovering Target-Event Rules (DTER). Penelitian yang telah dilakukan sebelumnya menjawab permasalahan DTER dengan mengunakan metode candidate generation and test. Salah satu algoritma DTER berbasis candidate generation and test adalah CTSPD. Metode ini memiliki dua kekurangan, yaitu banyaknya proses pembangunan dan pengetesan candidate sequence, serta pembacaan basis data. Untuk mengurangi permasalahan yang terdapat pada algoritma tersebut, pada penelitian ini dibuat algoritma FTE-mine dengan teknik hybrid, yang menggabungkan teknik pattern growth dengan candidate generation and test. FTE-mine menggunakan sebuah struktur data yang lebih kompak yang disebut FTE-tree. FTE-tree terinspirasi dari struktur FP-tree pada algoritma FP-growth yang telah terbukti lebih baik untuk melakukan mining frequent itemset. Meskipun demikian, struktur ini pernah dinyatakan sebagai sebuah struktur yang kurang sesuai untuk digunakan pada sequence mining, dimana DTER merupakan salah satu permasalahan yang terdapat didalamnya. Hasil percobaan yang dilakukan pada FTE-mine dan CTSPD sampai pada tahap mining frequent 3-sequence menunjukkan bahwa untuk perubahan jumlah data, jumlah target event, dan jumlah pelanggan, penggunaan FTE-tree dapat meningkatkan performa sampai 90%. Untuk dense dataset peningkatan performa rata-rata sebesar 94%, sedangkan untuk sparse dataset, lebih sedikit menaikkan performa sebesar 37%. Baik untuk algoritma CTSPD maupun FTE-mine, berlaku ketentuan bahwa semakin panjang sequence yang dihasilkan, maka semakin besar waktu eksekusi yang dibutuhkan. Selain hasil di atas, percobaan lain yang dilakukan pada FTE-mine menunjukkan bahwa untuk nilai support yang semakin tinggi (di atas 4%), FTE-tree mampu menghasilkan rules dengan jumlah yang mendekati jumlah rules dari keseluruhan proses. Dapat dikatakan bahwa basis pattern growth yang digunakan pada algoritma FTE-mine berhasil memberikan alternatif algoritma DTER, dengan teknik hybrid yang menggabungkan teknik pattern growth sebagai alternatif dari fungsi perluasan ukuran, dan teknik candidate generation and test untuk mengatasi kebutuhan sequence yang lebih panjang. Selain itu, penggunaan struktur tree dalam algoritma ini sekaligus membuktikan bahwa struktur seperti FP-tree tidak selamanya tidak sesuai untuk digunakan pada sequence mining. Dengan menggunakan batasan-batasan tertentu seperti FTE-tree, struktur ini dapat digunakan untuk memecahkan masalah DTER. viii + 96 hlm; 40 gbr; 17 tbl. Bibliografi: 17 (1993 - 2006)