Penyakit strok atau cerebrovascular diseases adalah salah satu penyakit pembunuh tertinggi didunia. Lebih parahnya penyakit stroke dapat dialami oleh siapa saja. Agar penanggulangan dini dapat dilakukan, maka diperlukan sistem prediksi kemungkinan seseorang terkena penyakit strok. Masalah yang sering dihadapi pada penelitian sebelumnya adalah minimnya data sampel pasien strok sehingga sistem prediksi yang dibangun kurang akurat. Penelitian sebelumnya telah mencoba untuk menyeimbangkan data guna meningkatkan akurasi. Namun teknik oversampling yang digunakan tidak memperhatikan kesimbangan variasi data dalam kelas minoritas serta kemungkinan adanya overlapping antar kelas. Untuk mengatasi permasalah tersebut, diajukan metode Adaptive Weighted Oversampling berdasarkan Density Peaks Clustering (AWODPC) dengan Heuristic Filter yang dapat menjaga keseimbangan antar sub-class didalam kelas minoritas serta mengatasi kasus overlapping. Selain itu, juga diterapkan ensemble model yang dibangun dari beberapa single model seperti Artificial Neural Network (ANN), Knearest Neighbor (KNN), Support Vector Machine(SVM) dan Logistic Regression. Dari hasil pengujian, AWODPC dengan Heuristic Filter pada ensemble model menunjukan hasil terbaik dengan nilai G-mean sebesar 75.2%, F-measure 23.9% dan AUC 75.2%. Maka dari itu AWODPC dengan Heuristic Filter dan ensemble model efektif untuk meningkatkan akurasi prediksi pada kasus penyakit strok.