Diabetes merupakan penyakit kronis yang terjadi karena gangguan metabolik dalam tubuh yang ditandai dengan kadar gula berlebihan. Riset Kesehatan Dasar menyatakan kasus penyakit diabetes dari tahun 2013 sebanyak 6,9% kasus diabetes ke tahun 2018 sebanyak 8,5%. Kasus diabetes dari tahun 2013 sampai 2018 semakin meningkat tiap tahunnya, namun dengan adanya perkembangan teknologi seperti Machine learning dapat dimanfaatkan untuk mendiagnosis penyakit secara akurat. Untuk mengatasi masalah tersebut maka penelitian ini menggunakan feature selection Minimal Redudancy Maximal Relevance (MRMR) yang berfungsi mengetahui dan mengurangi dimensi atribut/fitur paling optimal berdasarkan hasil klasifikasi. Perbandingan performa 2 model algoritma klasifikasi yaitu Random Forest dan Decision Tree CART (Classification And Regression Tree). Hasil klasifikasi dari data Gula Karya Medika dengan metode Random Forest menghasilkan akurasi sebesar 0.839241 dan Decision Tree CART sebesar 0.849263. Decision Tree CART menghasilkan prediksi akurasi lebih optimal dari pada Random Forest.