Fuzzy Possibilistic C-Means (FPCM) merupakan algoritma klasterisasi yang cocok digunakan untuk data yang terdapat pencilan tetapi tetap dengan ketepatan yang tinggi. Klasterisasi dengan menggunakan FPCM dapat diterapkan pada data faktor penyebab stunting. Stunting atau pendek adalah istilah gangguan pertumbuhan akibat dari gizi buruk selama di dalam kandungan yang digunakan secara umum untuk mengukur status gizi individu maupun kelompok masyarakat. Anak-anak yang menderita stunting ditandai dengan tidak mencapai tinggi badan maksimalnya. Tujuan dari penelitian ini adalah untuk mengetahui jumlah dan hasil klasterisasi yang optimal dengan FPCM dari 34 provinsi di Indonesia berdasarkan dengan indeks validitas partition entropy indeks (PEI). Sampel yang digunakan dalam penelitian ini adalah faktor penyebab stunting menurut provinsi di Indonesia Tahun 2022. Berdasarkan hasil penelitian, diperoleh jumlah klaster optimal sebanyak 2 klaster dengan PEI sebesar 0,6588016. Anggota di klaster 1 sebanyak 19 provinsi dengan variabel yang unggul adalah persentase bayi yang mendapatkan inisiasi menyusui dini (IMD) yang memiliki rata-rata lebih tinggi dibanding pada klaster 2. Jumlah pada klaster 2 sebanyak 15 provinsi dengan variabel yang unggul adalah persentase rumah tangga yang memiliki sanitasi layak, persentase rumah tangga yang memiliki sumber air minum layak, persentase bayi yang mendapatkan ASI eksklusif selama 6 bulan, persentase anak usia 12-59 bulan yang mendapatkan imunisasi lengkap, rata-rata pengeluaran rumah tangga per kapita per bulan, ratarata konsumsi kalori per kapita per hari, dan rata-rata konsumsi protein per kapita per hari yang memiliki rata-rata lebih tinggi dibanding pada klaster 1.