<![CDATA[Diabetes mellitus merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat di Indonesia, mencapai 11,3% dari total populasi berdasarkan data International Diabetes Federation tahun 2024. Permasalahan utama dalam penanganan diabetes adalah keterlambatan diagnosis yang menyebabkan komplikasi serius. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi diabetes mellitus berbasis web menggunakan algoritma K-Nearest Neighbor (KNN) guna mendukung deteksi dini secara praktis dan mudah diakses. Dataset yang digunakan adalah Pima Indians Diabetes Database yang terdiri dari 768 data dengan 8 atribut. Tahapan pre-processing data meliputi imputasi median untuk menangani nilai anomali, penanganan outlier menggunakan metode Interquartile Range (IQR), penyeimbangan data dengan teknik Synthetic Minority Over-sampling Technique (SMOTE), serta normalisasi Min-Max. Model KNN diimplementasikan dengan nilai K optimal sebesar 8 yang diperoleh melalui cross-validation. Hasil evaluasi menunjukkan akurasi pada data testing sebesar 73,68% dengan precision 71,15%, recall 78,72%, F1-score 74,75%, dan nilai ROC-AUC 0,8132. Sistem web dirancang menggunakan arsitektur client-server dengan React.js sebagai frontend dan Python Flask sebagai backend. Antarmuka sistem menyediakan fitur edukasi, form input data kesehatan, serta halaman hasil klasifikasi yang informatif. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan risiko diabetes dengan performa yang cukup baik dan dapat digunakan sebagai alat bantu skrining awal.]]>
