Perkembangan dunia digital sangatlah pesat, hal ini dibuktikan dengan meningkatnya jumlah pelaku usaha di e-commerce mencapai hampir 3 juta dan jumlah pengguna e-commerce di Indonesia diperkirakan mencapai sekitar 131 juta pada tahun 2028. Hal ini membuat persaingan di e-commerce semakin ketat menuntut perusahaa untuk menerapkan strategi pemasaran yang tepat guna meningkatkan kepuasan pelanggan dan konversi penjualan. Salah satu pendekatan yang digunakan adalah analsis perilaku konsumen melalui metode Market Basket Analysis (MBA) dengan algoritma Apriori untuk menemukan association rules dari pola pembelian konsumen. Data yang digunakan yaitu data transaksi dari e-commerce Tokopedia, dalam penelitian ini menghasilkan 32 aturan asosiasi terbaik, kemudian dipilih 8 aturan teratas yang digunakan untuk klasifikasi. Aturan asosiasi terbaik ditemukan pada kombinasi kategori Steering Wheel dan Game Boy, yang menunjukkan nilai confidence tertinggi sebesar 88% serta lift sebesar 112.97. Delapan aturan asosiasi kemudian dikelompokan menggunakan algoritma K-Means untuk mendefinisikan label berdasarkan kombinasi kategori dari aturan asosiasi, kemudian diklasifikasikan berdasarkan preferensi kata kunci pengguna menggunakan algoritma Support Vector Machine (SVM). Untuk meningkatkan performa klasifikasi, dilakukan preprocessing teks menggunakan library Sastrawi dan NLTK, serta feature extraction menggunakan IndoBERT. Untuk mengatasi ketidakseimbangan kelas digunakan teknik SMOTETomek agar memperoleh distribusi data seimbang. Berbagai uji kernel yang dilakukan, model dengan performa terbaik diperoleh menggunakan kernel RBF dengan parameter C=1 dan gamma=0.01, yang mampu mencapai akurasi hingga 90%. Model yang dihasikan mampu memprediksi label produk berdasarkan kata kunci serta merekomendasikan daftar produk yang relevan. Kata Kunci: E-commerce, Market Basket Analysis, Perilaku Konsumen, Support Vector Machine, User Interface