Stroke merupakan masalah serius dalam kesehatan global dengan dampak signifikan pada kematian dan kecacatan, terutama di negara-negara berkembang seperti Indonesia. Tingkat prevalensi stroke meningkat dari waktu ke waktu, yang mendorong perlunya peningkatan akses terhadap pelayanan kesehatan berkualitas, pencegahan penyakit, dan investasi dalam tenaga medis dan infrastruktur kesehatan. Salah satu cara untuk mengurangi dampak dari stroke adalah dengan melakukan pemeriksaan CT scan pada bagian otak untuk mengetahui tipe stroke yang diderita pasien agar penanganan yang diberikan sesuai dan efisien. Pemeriksaan tersebut menghasilkan citra yang perlu dianalisa oleh tenaga medis, dan sistem ini akan dapat membantu dalam melakukan pengklasifikasian secara dini tipe stroke pasien. Tahapannya adalah citra CT scan pasien di konversi menjadi data gambar jpg, serta dilakukan pre proses untuk memperbaiki citra. Setelahnya, dilakukan segmentasi gambar, agar mesin klasifikasi dapat lebih cepat mengetahui bagian gambar yang memiliki informasi penting. Vision Transformer base 16 dengan pretrained model digunakan dalam membuat model klasifikasi stroke pasien. Model ini menghasilkan angka akurasi 98% pada pengujian data validasi setelah dilakukan pencarian parameter terbaik menggunakan metode grid search, parameter tersebut meliputi batch size 32, epochs 50, layers 128, learning rate: 0.0001