Stroke adalah kondisi ketika pasokan darah ke otak terganggu karena penyumbatan atau pecahnya pembuluh darah. Kondisi ini menyebabkan area tertentu pada otak tidak mendapat suplai oksigen dan nutrisi, sehingga terjadi kematian sel-sel otak. Setiap tahunnya penyakit stroke mengalami peningkatan. Hal tersebut menjadikan stroke sebagai permasalahan yang sangat serius dan perlu untuk segera ditangani. Telah banyak metode yang dikembangkan untuk mengklasifikasi penyakit stroke. 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 mengklasifikasi penyakit stroke. Pada penelitian ini dilakukan klasifikasi dengan menggunakan algoritman Random Forest serta oversampling data dengan menggunakan Majority Weighted Minority Oversampling Technique (MWMOTE). Data yang digunakan pada penelitian ini adalah data penyakit stroke yang memiliki kelas major sebanyak 4.861 data dan kelas minor sebanyak 249 data. Penelitian ini dilakukan dengan membandingkan klasifikasi Random Forest dengan dan tanpa oversampling MWMOTE. Proses oversampling dan klasifikasi ini dilakukan dalam Stratified 10-Fold Cross Validation. Hasilnya didapatkan bahwa klasifikasi Random Forest dengan MWMOTE menghasilkan performa terbaik, dengan nilai akurasi sebesar 91,35%, presisi sebesar 11,53%, recall sebesar 12,08%, f1-score sebesar 11,75%, dan AUC sebesar 0,537.