Kesehatan memegang peran penting dalam menjaga kualitas hidup manusia, namun banyak yang mengabaikan aspek ini, membiarkan penyakit menyerang tanpa disadari, sehingga diagnosa sering terlambat. Di antara penyakit-penyakit yang sering terlambat terdeteksi adalah stroke, kondisi serius yang membutuhkan penanganan cepat karena dapat menyebabkan kematian dalam hitungan menit. Menurut WHO, stroke menempati peringkat kedua sebagai penyebab kematian di seluruh dunia setelah penyakit iskemik. Data dari Kementerian Kesehatan Indonesia menunjukkan peningkatan kasus stroke dari tahun 2013 hingga 2018, dengan rentang usia paling rentan antara 55-64 tahun. Proyeksi juga menunjukkan peningkatan jumlah kasus stroke pada tahun 2023. Stroke juga merupakan penyebab utama kecacatan pada orang dewasa. Penelitian ini bertujuan untuk menghasilkan model prediksi yang efektif untuk mengidentifikasi risiko stroke otak dengan menggunakan algoritma Naive Bayes dan Particle Swarm Optimization (PSO). Eksperimen dilakukan untuk mengevaluasi kinerja model dengan fokus pada tingkat akurasi. Hasilnya menunjukkan bahwa penggunaan algoritma Naive Bayes dengan PSO menghasilkan tingkat akurasi sebesar 95,02%, meningkatkan akurasi sebesar 8,81% dibandingkan dengan penggunaan Naive Bayes secara mandiri. Ini menunjukkan bahwa pengoptimalan menggunakan PSO efektif dalam meningkatkan kinerja model prediksi stroke otak. Kombinasi algoritma Naive Bayes dengan PSO memiliki potensi untuk membantu dalam mendeteksi risiko stroke otak lebih awal, memungkinkan intervensi yang lebih cepat dan penanganan yang lebih efektif. Hasil penelitian ini memberikan kontribusi penting dalam bidang kesehatan, membantu dalam meningkatkan pemahaman dan kemampuan prediksi terkait penyakit stroke otak. Dengan demikian, penelitian ini memiliki implikasi signifikan dalam upaya pencegahan dan penanganan penyakit yang mematikan ini.