Stroke adalah salah satu kondisi medis yang memiliki tingkat kematian dan kecacatan yang tinggi di seluruh dunia. Mendeteksi risiko stroke secara dini sungguhlah penting guna meminimalkan dampak yang tidak diinginkan dari penyakit tersebut. Maka, tujuan dari penelitian ini adalah untuk menciptakan aplikasi berbasis web yang mampu meramalkan potensi risiko stroke dengan memanfaatkan metode mechine learning. Dalam penelitian ini, dua model mechine learning yang digunakan adalah K-Nearest Neighbors (KNN) dan Naive Bayes. Aplikasi ini dibuat untuk memberikan prediksi yang tepat berdasarkan informasi pasien seperti usia, jenis kelamin, tekanan darah, dan faktor risiko lainnya. Metode KNN digunakan untuk mengelompokkan data berdasarkan kedekatan titik data, sedangkan Naive Bayes digunakan untuk menentukan probabilitas terjadinya stroke dengan mempertimbangkan asumsi independensi antar fitur. Hasil prediksi Model K-Nearest Neighbors (KNN) menerangkan akurasi keseluruhan sebesar 0.95, yang menerangkan performa tinggi dalam memberikan prediksi yang akurat dan Model Naive Bayes mempunyai akurasi keseluruhan sebesar 0.87, yang juga baik, namun lebih rendah dibandingkan menggunakan K-Nearest Neighbors (KNN).