Stroke adalah suatu kondisi dimana pasokan darah ke otak terganggu sehingga bagian tubuh yang dikendalikan oleh area otak yang rusak tidak dapat berfungsi dengan baik. Penyebab stroke antara lain adalah terjadinya penyumbatan pada pembuluh darah (stroke iskemik) atau pecahnya pembuluh darah (stroke hemoragik). Pasien yang terkena stroke harus segera ditangani secepatnya karena sel otak dapat mati dalam hitungan menit. Tindakan penanganan stroke secara cepat dan tepat dapat mengurangi resiko kerusakan otak dan mencegah terjadinya komplikasi. Penelitian ini bertujuan untuk mengembangkan perangkat lunak yang dapat membaca dan menganalisis citra CT scan dari otak, dan kemudian secara otomatis memprediksi apakah citra CT scan tersebut stroke iskemik atau stroke hemoragik. Data citra CT scan berasal dari Rumah Sakit Umum Haji Surabaya yang diambil selama periode Januari-Mei 2019 dan berasal dari 102 pasien yang terindikasi stroke. Sebelum data gambar tersebut diolah dengan menggunakan beberapa algoritma mesin pembelajaran, data tersebut melalui tahap pre-processing yang bertujuan untuk meningkatkan kualitas citra meliputi konversi citra, pemotongan citra, penskalaan, greyscaling, penghilangan noise dan augmentasi. Tahap selanjutnya adalah ekstraksi fitur menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM). Penelitian ini juga bertujuan untuk membandingkan kinerja lima algoritma mesin pembelajaran yaitu Naïve Bayes, Logistic Regression, Neural Network, Support Vector Machine dan Deep Learning yang diterapkan untuk memprediksi penyakit stroke. Hasil percobaan menunjukkan bahwa algoritma Deep Learning menghasilkan tingkat performansi paling tinggi yaitu nilai akurasi 96.78%, presisi 97.59% dan recall 95.92%.