Penyakit diabetes adalah penyakit dengan kadar gula darah yang tinggi yang menganggu metabolisme yang bersifat kronis pada tubuh manusia. Penyakit ini ditandai dengan gangguan metabolisme pada karbohidrat, lipid dan protein yang disebabkan oleh ketidakmampuan insulin untuk menjalankan fungsinya secara baik. Berdasarkan data dari International Diabetes Federation (IDF) setidaknya setiap 8 detik terdapat 1 orang meninggal dunia yang disebabkan oleh penyakit diabetes. IDF juga memperkirakan sedikitnya terdapat 463 juta orang pada usia 20-79 tahun di dunia menderita diabetes pada tahun 2019 atau setara dengan angka prevalensi sebesar 9,3% dari total penduduk pada usia yang sama. Untuk melakukan klasifikasi penyakit diabetes hal yang bisa dilakukan salah satunya adalah dengan melakukan pengklasifikasian terhadap penyakit diabetes. Dengan kemajuan teknologi, klasifikasi dalam Machine Learning dipercaya menjadi salah satu cara untuk melakukan klasifikasi pada diabetes. Machine Learning sendiri dapat mempermudah untuk mengklasifikasi penyakit diabetes. Dataset yang akan di gunakan pada penelitian kali ini adalah Pima Indian Diabetes Dataset dengan dataset 768 data. Pada penelitian ini penulis akan melakukan perbandingan hasil akurasi antara algoritma Decision Tree dan algoritma Support Vector Machine untuk mengklasifikasi dataset Pima Indian Diabetes Dataset. Sebelum dilakukan perbandingan hasil akurasi dari kedua algoritma tersebut, penulis melakukan tahap Preprocessing Data terhadap dataset. Langkah-langkah pada tahap ini diawali dengan membersihkan dataset, membuat Matrix of Features, dan terakhir melakukan Spliting Data. Setelah data melewati tahap Preprocessing Data, tahap selanjutnya adalah mencari akurasi terbaik dari perbandingan rasio Splitting Data. Setelah itu membuat Confusion Matrix untuk menemukan hasil dari ROC AUC dan hasil F1-Score dari setiap algoritma yang di gunakan. Pada penelitian ini, hasil akurasi yang didapat algoritma Decision Tree sebesar 85.93%, sedangkan hasil akurasi yang didapat dari algoritma Support Vector Machine sebesar 87.50 %.