Stroke adalah kondisi yang terjadi ketika pasokan darah ke otak berkurang. Stroke terbagi 2 jenis, yaitu stroke iskemik yang disebabkan akibat penyumbatan dan storoke hemoragik yang disebabkan akibat pecahnya pembuluh darah.Tanpa darah, otak tidak dapat mendapat asupan oksigen sehingga sel yang terdampak akan segera mati. Pada penelitian ini, akan dibangun model prediksi penyakit stroke dengan menggunakan Deep Neural Network dengan dropout dan Cost-Sensitive Learning serta Probability Tuning untuk melakukan handling terhadap kelas yang tidak seimbang dari dataset. Dataset yang digunakan dalam penelitian ini adalah Cerebral Stroke Prediction-Imbalanced Dataset yang bersumber dari Kaggle. Data ini akan dilakukan preprocessing terlebih dahulu sebelum diolah lebih lanjut menjadi suatu model. Hasil akurasi tertinggi diraih oleh model Deep Neural Network adalah 84,50% dengan menggunakan learning rate 0,01, hidden layer 3, epoch 100, dan activation functiontanh. Hasil ROC tertinggi diraih oleh model Deep Neural Network adalah 0,5303 dengan menggunakan learning rate 0,01, hidden layer 4, epoch 10, dan activation function tanh.