Stroke adalah penyakit serebrovaskular yang menyebabkan kerusakan pada bagian otak, hal tersebut dikarenakan adanya gangguan di dalam peredaran darah. Tidak dapat dipungkiri kalau penyakit stroke mengalami peningkatan setiap tahunnya. Hal tersebut menjadikan stroke sebagai permasalahan yang sangat serius dan butuh untuk segera ditangani. Telah banyak metode yang dikembangkan untuk mengatasi penyakit stroke ini. Salah satunya adalah dengan menggunakan machine learning. Dalam bidang medis machine learning telah berkembang pesat dalam beberapa dekade terakhir. Beberapa algoritma machine learning telah banyak digunakan untuk membantu bidang medis dalam mendiagnosis penyakit stroke. Penelitian ini mencoba membandingkan algoritma Regresi Logistik pada stroke, dengan bantuan beberapa teknik oversampling untuk data tidak seimbang seperti ADASYN (Adaptive Synthetic Sampling), ROS (Random Over Sampling) dan SMOTE (Synthetic Minority Oversampling Technique). Dengan menggunakan dataset sebanyak 5.110 data dan 12 variabel independen serta satu variabel dependen. Kedua algoritma tadi diproses setelah data tidak seimbang sudah diatasi dengan teknik-teknik oversampling. Dari hasil percobaan, algoritma Regresi Logistik-SMOTE mencapai tingkat akurasi tertinggi dengan nilai akurasi sebesar 90,7%.