Stroke adalah serangan pada otak yang dapat terjadi secara tiba-tiba dan dapat mengakibatkan kematian atau kelumpuhan sebelah bagian tubuh. Hal ini terjadi, sebab aliran darah ke otak terputus. Stroke merupakan penyebab kematian ketiga dinegara maju setelah penyakit jantung dan kanker. Untuk mengurangi tingginya angka kematian karena penyakit ini, sangat perlu dilakukan pencegahan dini. Pencegahan dini dapat dilakukan melalui pemeriksaan dokter, namun karena banyaknya faktor yang dapat memicu penyakit stroke dengan parameternya yang tidak terstruktur, dokter mengalami kendala dalam melakukan deteksi dini. Parameter-parameter yang tidak terstruktur tersebut, dapat diselesaikan dengan menggunakan sistem pakar. Sistem pakar merupakan sistem yang digunakan untuk memecahkan permasalahan di kehidupan nyata. Pengetahuannya berasal dari seorang pakar, jadi permasalahan tersebut dapat lebih mudah untuk dipecahkan. Sistem pakar memiliki banyak metode, diantaranya adalah metode Improved K-Nearest Neighbor (KNN+). Metode ini menggunakan algoritma yang sederhana, cepat dalam implementasinya dan memiliki keakurasian yang bagus. Oleh karena itu, dalam penelitian ini digunakan metode Improved K-Nearest Neighbor (KNN+) dalam melakukan deteksi dini. Sistem pakar dengan metode ini dapat mendeteksi stroke berdasarkan tingkat resikonya yakni resiko tinggi, sedang dan rendah. Hasil pengujian menunjukan uji validasi fungsional sistem sebesar 100%,  pengujian akurasi terhadap variasi nilai k sebesar 87%, dan akurasi terhadap data latih sebesar 80%. Data latih yang digunakan sebanyak 120 dengan 30 data uji. Untuk proses penelitian, diawali dengan melakukan konsultasi dengan pakar penyakit stroke yakni dr. Eko Ari Setijono Marhendraputro, Sp.S (K). Setelah melakukan konsultasi, selanjutnya adalah menganalisa data mentah yang kemudian dikomputasi menggunakan metode KNN+ yang mana metode ini memiliki keakurasian yang lebih baik dari KNN biasa. Oleh karena itu, digunakanlah metode KNN+ untuk memecahkan permasalahan diagnosis pada penyakit stroke. Hasil klasifikasi yang didapatkan memiliki akurasi maksimal sebesar 87%  dengan nilai k= 1, data latih sebanyak 120 dan data uji sebanyak 30