Abstrak. Diabetes melitus merupakan salah satu masalah kesehatan utama secara global, dengan diabetes melitus (DM) sebagai salah satu subtipenya yang signifikan. Deteksi dini memegang peran krusial dalam mengurangi risiko kesehatan yang terkait dengan DM, di mana algoritma klasifikasi dapat dimanfaatkan untuk mendukung diagnosis tepat waktu. Peningkatan kadar glukosa darah merupakan indikator utama diabetes, sehingga intervensi dini yang tepat sangat diperlukan untuk mencegah komplikasi. Penelitian ini menyajikan pengembangan Diabetes Virtual Assistant (DIVISTANT), sebuah asisten digital berbasis chatbot yang dirancang untuk membantu penderita diabetes dalam memantau kondisi kesehatan, memberikan materi edukasi, serta mengingatkan jadwal perawatan. Evaluasi dilakukan secara komprehensif melalui Web Testing, Mobile Testing, Performance Testing, dan User Acceptability Testing (UAT) guna memastikan keandalan fungsional, desain yang berpusat pada pengguna, serta performa sistem yang optimal. Metode pengujian yang digunakan meliputi Selenium, Unit Testing, Integration Testing, dan GTMetrix untuk menilai fungsionalitas, kegunaan, dan efisiensi kinerja aplikasi. Hasil penelitian menunjukkan bahwa DIVISTANT mampu memfasilitasi pemantauan pola makan penderita diabetes secara mandiri dan akurat. Aplikasi ini memperoleh skor System Usability Scale (SUS) sebesar 78,166 yang dikategorikan sebagai usability rata-rata, sehingga memiliki potensi praktis untuk diadopsi secara lebih luas dalam manajemen mandiri penderita diabetes. Abstract. Diabetes mellitus is a major global health concern, with diabetes mellitus (DM) being one of its significant subtypes. Early detection plays a crucial role in reducing the health risks associated with DM, where classification algorithms can be utilized to support timely diagnosis. Elevated blood glucose levels are the primary indicator of diabetes, making appropriate early intervention essential to prevent complications.This study presents the development of the Diabetes Virtual Assistant (DIVISTANT), a chatbot-based digital assistant designed to assist individuals with diabetes in monitoring their health status, providing educational materials, and reminding them of treatment schedules. A comprehensive evaluation was carried out through Web Testing, Mobile Testing, Performance Testing, and User Acceptability Testing (UAT) to ensure functional reliability, user-centered design, and optimal system performance.Testing methodologies included Selenium, Unit Testing, Integration Testing, and GTMetrix to assess the application's functionality, usability, and performance efficiency. The results indicate that DIVISTANT facilitates independent and accurate dietary monitoring for diabetes patients. The application achieved a System Usability Scale (SUS) score of 78.166 categorized as average usability, indicating its practical potential for broader adoption in diabetes self-management.