Penelitian ini membahas penerapan algoritma Equivalence Class Transformation (ECLAT) untuk mengidentifikasi pola asosiasi pembelian produk pada data transaksi penjualan Agung Supermarket selama periode Januari–Desember 2023. Tujuan penelitian adalah menemukan frequent itemsets yang mencerminkan keterkaitan antarproduk, sehingga dapat dijadikan dasar perumusan strategi bundling guna meningkatkan penjualan dan mengoptimalkan pengelolaan persediaan. Data yang digunakan merupakan catatan transaksi harian yang telah melalui proses data cleaning dan transformasi ke format vertikal untuk mendukung eksekusi algoritma ECLAT menggunakan bahasa pemrograman Python. Hasil penelitian menunjukkan adanya pola asosiasi konsisten pada kategori produk pokok seperti telur dan garam, serta pola musiman pada kombinasi minuman dan frozen food. Nilai support tertinggi berkisar antara 0,061 hingga 0,087, mengindikasikan kestabilan asosiasi di sebagian besar kategori utama. Temuan ini sejalan dengan penelitian terdahulu, namun juga menambahkan pola unik yang relevan dengan karakteristik belanja konsumen lokal. Kesimpulannya, algoritma ECLAT efektif digunakan untuk merumuskan strategi bundling berbasis data transaksi aktual, yang berpotensi meningkatkan rotasi stok, mengurangi risiko kedaluwarsa produk, dan memaksimalkan keuntungan operasional. Kata Kunci : Algoritma ECLAT , Pola Asosiasi , Bundling Produk , Data mining ,Bundling Produk.