Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran PT MAD melalui pendekatan Market Basket Analysis (MBA) dengan algoritma FP-Growth serta prediksi permintaan produk snack menggunakan beberapa model machine learning. Pendekatan ini diharapkan dapat memberikan wawasan dalam pembentukan paket bundling produk yang lebih menarik bagi konsumen sekaligus meningkatkan efisiensi distribusi produk. Hasil analisis keranjang pasar menunjukkan kombinasi produk dengan tingkat ketertarikan tinggi, seperti UENAAAK + BELFOODS (41,3%) dan Mayasi Peanut Pedas + Jagung + Bawang (48,6%). Selain itu, survei terhadap 109 responden menunjukkan bahwa 75,2% sering membeli snack, 59,6% berbelanja dengan frekuensi tinggi, dan 80,8% bersedia membeli paket bundling apabila disertai promo harga, menunjukkan potensi besar untuk strategi pemasaran berbasis bundling. Dalam hal prediksi permintaan, empat model dievaluasi: LSTM, Multiple Linear Regression, Random Forest, dan XGBoost. Random Forest dan XGBoost menunjukkan performa terbaik dengan nilai MAPE di bawah 10%, dan Random Forest dipilih sebagai model akhir karena memberikan keseimbangan optimal antara akurasi dan efisiensi. Penelitian ini merekomendasikan eksplorasi algoritma asosiasi lainnya, analisis musiman, serta segmentasi konsumen sebagai pengembangan lanjutan untuk strategi bundling yang lebih tepat sasaran.