Stroke adalah suatu kondisi ketika pasokan darah di suatu bagian otak berhenti mengalir secara tiba-tiba. Dalam jaringan otak, kurangnya aliran darah yang cukup dapat mengakibatkan serangkaian reaksi biokimia, yang dapat merusak bahkan mematikan sel-sel saraf di dalam otak. Kematian jaringan otak tersebut dapat mengakibatkan hilangnya fungsi yang dikendalikan oleh jaringan itu dan menyebabkan pasien terkena stroke. Penelitian ini akan membahas bagaimana mendapatkan hasil diagnosa penyakit stroke berdasarkan rekam medik dari pasien menggunakan metode Fuzzy C-Means clustering yang hasilnya sama dengan diagnosa pakar. Dengan mengimplementasikan kemampuan pakar ke dalam sistem, maka akan lebih mudah dan lebih akurat dalam proses clustering penyakit stroke. Clustering merupakan proses pengelompokkan objek atau data tidak berlabel kedalam suatu kelas atau Cluster dengan objek yang memiliki kesamaan. Fuzzy C-Means adalah suatu teknik pengklasteran yang mana keberadaan tiap-tiap titik data dalam suatu klaster ditentukan oleh derajat keanggotaan. Keunggulan dari metode ini adalah mampu melakukan pengelompokkan untuk data yang tersebar secara tidak teratur. Sebelum dilakukan perangkingan perlu dilakukan pengklasteran karena usulan akan di klaster menjadi layak, kurang layak, dan tidak layak sehingga jika usulan tidak layak maka tidak perlu dirangking lagi. Berdasarkan keempat skenario pengujian akurasi terhadap variasi data menghasilkan nilai akurasi masing-masing skenario sebesar 92,5%, 92%, 93% dan 95%. Rata-rata empat skenario pengujian akurasi adalah 93,125%. Tingkat akurasi tertinggi didapat ketika variasi data latih berjumlah 100% dari keseluruhan jumlah data latih yang ada. Hal ini membuktikan bahwa komposisi data kasus berpengaruh dalam hasil akurasi sistem. Semakin banyak data training akan menghasilkan akurasi yang semakin baik. Selain itu, dalam menentukkan data training harus memperhatikan komposisi jumlah data kasus masing-masing class untuk menghasilkan sistem pakar yang baik.