Model prediksi diabetes berbasis data tabular kerap dilaporkan dengan akurasi di atas 96%, padahal rendahnya prevalensi kasus membuat akurasi tersebut condong pada kelas mayoritas. Selain itu, fitur non-invasif dan penanda diagnostik umumnya digabungkan dalam satu model, sementara penjelasan SHAP jarang diuji kestabilannya. Penelitian ini bertujuan mengukur kontribusi marginal setiap kelompok fitur sekaligus menguji stabilitas penjelasan model. Sebanyak 96.128 rekam data dengan prevalensi diabetes 8,82% dimodelkan dalam empat tahap fitur, yaitu demografi dan riwayat penyakit (T0), penambahan indeks massa tubuh (T1), glukosa darah (T2), dan HbA1c (T3). XGBoost yang dioptimasi dengan Optuna dibandingkan dengan ResMLP dan FT-Transformer melalui validasi silang berulang 5×3 serta data uji terpisah, dengan AUPRC, balanced accuracy, dan Brier score sebagai metrik utama. AUPRC XGBoost mencapai 0,266; 0,325; 0,713; dan 0,889 untuk T0 hingga T3, dan setiap kenaikan antartahap signifikan (uji t terkoreksi, p < 0,001). Glukosa darah memberikan kenaikan AUPRC terbesar (0,389), sedangkan kontribusi usia menyusut dari 58,9% menjadi 12,7%. Peringkat fitur SHAP tetap stabil (Kendall τ = 0,93–1,00; Jaccard tiga fitur teratas = 1,0) walaupun kinerja model berbeda jauh antartahap. XGBoost setara dengan model deep learning pada T0–T1, unggul pada T2–T3, dan lebih terkalibrasi. Audit menemukan 23,1% label tidak sesuai ambang ADA, dan seluruh kesalahan T3 berada pada zona label tidak konsisten. Fitur non-invasif berpotensi menjadi alat triase, sedangkan diagnosis membutuhkan penanda glikemik; temuan dari data publik berpola sintetis ini memerlukan validasi klinis eksternal.