Penelitian ini bertujuan untuk mencluster pengunjung mall. Hal ini dilatarbelakangi oleh pendapatan mall yang kian menurun sejak pandemi. Nantinya dari beberapa cluster tersebut kita dapat mengetahui karakteristik dari pengunjung mall tersebut. karakteristik itulah yang nantinya akan kita manfaatkan untuk menambah pendapatan dari mall tersebut. Pada penelitian ini menggunakan dataset dari Kaggle yang Bernama Pengunjung_mall berformat CSV yang nantinya di olah dengan menggunakan Bahasa Python di Jupiter Notebook menggunakan metode K-Means. Untuk memastikan seberapa akurat metode K-Means tersebut dilakukan optimasi dengan metode PSO (Particle Swarm Optimization). Setelah dilakukan Clustering dan optimasi menggunakan Jupyter Notebook, selanjutnya hasil akan di evaluasi dengan DBI (Davies Bouldin Index) di Microsoft Excel untuk mengetahui seberapa baik Clustering yang di Hasilkan. Hasil Clustering yang di dapatkan di gunakan sebagai acuan menentukan karakteristik pengunjung mall yang menjadi salah satu strategi untuk meningkatkan keuntungan Mall. Hasilnya, kami telah berhasil membagi pelanggan mall menjadi 5 cluster berdasarkan pendapatan tahunan yang mereka dapatkan dan skor pengeluaran. Cluster tersebut sudah di optimasi dengan PSO dan berhasil meningkatkan cluster hasil metode K-Means yang di buktikan dengan metode Davies Bouldin Index. Penelitian ini telah disimpulkan bahwa pelanggan yang memiliki tingkat pendapatan tinggi dan memiliki skor pengeluaran tinggi adalah target dengan tingkat prioritas utama bagi mall.