Bank Syariah adalah sistem perbankan yang menjalankan perusahaan berlandaskan prinsip keislaman, pada sebuah konsep keadilan, transparansi, dan berkelanjutan dalam menjalankan aktivitasnya. Dengan terus berkembangnya bank umum syariah di Indonesia pemangku kebijakan membuat peraturan untuk menilai tingkat kesehatan perusahaan Bank Umum Syariah, yaitu RGEC. RGEC merupakan salah satu cara untuk mengetahui tingkat kesehatan bank melalui penilaian komposit untuk menghasilkan skor gabungan pada setiap faktor variabel RGEC, namun seringkali penilaian menggunakan rasio RGEC belum dikatakan cukup untuk mengetahui tingkat kesehatan bank umum syariah dalam perspektif yang lebih luas. Oleh karna itu, diperlukanya solusi yaitu sistem untuk mengelompokan tingkat kesehatan bank umum syariah dengan menerapkan konsep machine learning. Penelitian ini menggunakan Metode Fuzzy C-Means, dalam melakukan pengelompokan ke dalam klaster berdasarkan rasio RGEC.dalam machine learning yang diterapkan pada sistem untuk mengelompokan tingkat kesehatan bank syariah kedalam kelompok-kelompok berdasarkan kesamaan data berdasarkan rasio RGEC. Penulis melakukan analisis dan mengembangkan sistem yang berdasarkan hasil analisis dengan menggunakan UML (Unified Modelling Leaguage) dengan metode RAD (Rapid Application Desain) dimulai dari tahapan Require planning, design workshop, dan implementation. Hasil analisis menunjukan metode Fuzzy C-Means memiliki performa yang baik, Partition Coefficient sebesar 0.69 dan Partition Entropy Coefficient sebesar 0.56, yang menunjukkan tingkat pemisahan klaster dan kekaburan data yang masih dapat diterima. Serta nilai keakurasian sebesar 80% menunjukkan efektivitas sistem dalam melakukan klasifikasi tingkat kesehatan bank. Berdasarkan hasil pengujian korelasi, Faktor ROA dan BOPO terbukti memiliki pengaruh yang besar dalam menentukan hasil akhir tingkat kesehatan bank. Selain itu, sistem diuji dengan menggunakan blackbox testing. Yang menunjukan seluruh fungsi berjalan sesuai dengan perencanaan kebutuhan sistem Dengan demikian, aplikasi ini dapat menjadi solusi alternatif atau rekomendasi dalam menilai tingkat kesehatan Bank Umum Syariah di Indonesia secara lebih luas
Kata Kunci: Data Mining;Klastering;Fuzzy C-Means;Kesehatan Bank Syariah