Diabetes melitus merupakan penyakit kelainan metabolisme yang ditandai dengan tingginya kadar gula dalam darah karena kekurangan insulin, atau resistensi insulin. Penyakit diabetes semakin meningkat setiap tahunnya, sehingga deteksi dini penyakit diabetes diperlukan untuk mengantisipasi penyakit semakin parah. Maka dari itu penelitian ini bertujuan untuk membandingkan performa algoritma Random Forest Classifier dengan Naïve Bayes dalam prediksi penyakit diabetes. Metode pada penelitian ini meliputi pengumpulan data dan implementasi model yang terdiri dari preparation data, training data, testing data, evaluasi tiap model dan perbandingan performa kedua model. Adapun hasil penelitian ini menemukan rata – rata accuracy Random Forest Classifier sebesar 89.77%, precision 88.23%, recall 91.03%, F1-score 89.49% dan rata-rata execution time 3.6 detik, sementara nilai accuracy Naïve Bayes sebesar 83.68%, precision 86.90%, recall 77.06%, F1-score 82.49% dan execution time 0 detik. Maka, kesimpulan dalam penelitian ini berdasarkan hasil perbandingan adalah penggunaan algoritma Random Forest Classifier lebih baik dibandingkan dengan algoritma Naïve Bayes dalam kasus prediksi penyakit diabetes melitus.
KATA KUNCI : Prediksi Diabetes Melitus;Machine Learning,;Random Forest Classifier,;naïve bayes