Terdapat perubahan paradigma dalam pencarian pola pada keranjang belanja, awalnya hanya memperhatikan itemset yang sering muncul secara bersamaan, sekarang tidak sekedar itemset yang sering muncul tetapi juga memperhatikan nilai utility dari itemset, yang dikenal sebagai high-utility itemset. Kuantitas dan bobot setiap item menjadi faktor utama untuk mendapatkan  high-utillity itemset. Akan tetapi ruang pencarian high-utility itemset sangatlah luas oleh karenanya diperlukan berbagai teknik untuk mendapatkan high-utility itemset agar hasil  yang diperoleh mendapatkan hasil yang optimum. Penggabungan metode pencarian high utility itemset dan swarm intelligence digunakan untuk meningkatkan kualitas dari high-utility itemset. Pendekatan swarm intelligence yang digunakan adalah particle swarm optimization yang memiliki empat parameter utama yaitu populasi awal, inertia weight, coefficient acceleration dan velocity clamping. Pengukuran kualitas high-utility itemset yang ditinjau dari jumlah itemset, total itemset, running time dan penggunaan memori. Hasil percobaan yang dilakukan terhadap dataset keranjang belanja diperoleh bahwa total utility mengalami peningkatan dan faktor yang paling mempengaruhi kualitas pencarian high-utility itemset menggunakan pendekatan swarm intelligence adalah inertia weight. Selain itu penggunaan pencarian tanpa memasukan nilai minimum utility meningkatkan kualitas high utility itemset ditinjau dari total utility yang diperoleh, yaitu  mengalami peningkatan sebanyak 70%.