Penelitian ini membahas penerapan algoritma Fuzzy C-Means (FCM) dalam pengelompokkan tingkat penyakit anemia. Anemia merupakan keadaan dimana jumlah sel darah merah atau jumlah hemoglobin (protein pembawa oksigen), lekosit, trombosit dan eritrosit dibawah normal atau kekurangan sel darah merah, sehingga darah tidak dapat mengangkut oksigen dalam jumlah sesuai yang diperlukan tubuh. Clustering merupakan metode mengelompokkan suatu objek ke dalam sejumlah kelompok (cluster) yang sesuai. Prinsip dari clustering adalah meminimumkan kesamaan antar anggota satu cluster dan memaksimalkan kesamaan antar anggota cluster yang berbeda. Fuzzy C-Means merupakan (FCM) merupakan teknik pengklusteran dimana tiap-tiap data ditentukan oleh derajat keanggotaannya. Semakin besar nilai derajat keanggotaan data dalam suatu cluster maka semakin besar pula data tersebut menjadi anggota cluster tersebut. Hasil clustering kemudian diproses atau dievaluasi menggunakan nilai F-measure dimana sebelumnya harus diketahui nilai precission dan nilai recall terlebih dahulu. Pengujian dilakukan dengan sebaran data yang berbeda dengan jumlah dataset yaitu 150 dataset, 180 dataset dan 210 dataset. Dari ketiga pengujian yang dilakukan menunjukkan bahwa nilai F-measure dari 150 dataset yang tertinggi pada cluster ke 2 yaitu 0.61013, F-measure dari 180 dataset yang tertinggi pada cluster ke 2 yaitu 0.58547 dan F-measure dari 210 dataset yang tertinggi pada cluster ke 2 yaitu 0.55989 yang dilakukan sebanyak 10 kali. Perbedaan nilai f-measure dikarenakan pada proses awal pengelompokkan terdapat pembangkitan bilangan random untuk pembentukan matriks awal dan karena sebaran data yang digunakan berbeda-beda pada data latih dan data uji. Sehingga pada pengelompokkan data tingkat penyakit anemia ini nilai f-measure yang tertinggi berada pada cluster 2.