Setiap pengguna yang berselancar pada suatu web data aksesnya akan tersimpan pada access log. Banyaknya informasi yang tersimpan pada access log memungkinkan untuk menambang data menjadi pengetahuan yang berguna. Salah satu teknik untuk menelaah access log yaitu web usage mining. Web usage mining dapat mengekstraksi informasi tersembunyi, contohnya yaitu pola optimasi penyajian website. Pola penyajian yang dimaksud merupakan pola yang mengatur penyajian tampilan konten web untuk pengguna. Data access log sebelumnya akan disiapkan terlebih dahulu melalui tahap preprocessing sehingga mendapatkan data bersih yang optimal. Tujuan dilakukan optimasi data yaitu agar mendapatkan hanya data yang relevan dan mengurangi kapasitas data. Association rule diterapkan untuk mengetahui relasi yang terdapat pada data. Adapun algoritma yang digunakan yaitu Apriori dan FP-Growth. Dataset penelitian ini diperoleh dari toko online web Zanbil dari Iran. Hasil penelitian ini menunjukan hasil yang sama pada kedua algoritma tersebut dalam kategori kandidat itemset dan aturan asosiasi. Terdapat 32 frequent itemset dengan minimum support 0,2 dan 6 aturan asosiasi dengan minimum confidence 0.6 dan pola tertinggi memiliki asosiasi kuat sebesar 85,71%. Pada penelitian ini algoritma Apriori lebih cepat dari pada algoritma FP-Growth. Rata-rata waktu pemrosesan frequent itemset yaitu 33,805ms pada Apriori dan 59,605ms pada FP-Growth. Sedangkan rata-rata penemuan aturan asosiasi adalah 4,543ms pada Apriori dan 5,941ms pada FP-Growth.