Diabetes adalah penyakit kronis yang ditandai dengan glukosa yang tinggi atau di atas normal. Glukosa sangat penting bagi kesehatan manusia karena merupakan sumber energi penting untuk sel dan jaringan. Jika tidak dikontrol dengan baik, dapat menyebabkan penyakit kritis seperti jantung, hipertensi, obesitas, dan diabetes. Sebagian besar individu yang menderita diabetes tidak menyadari bahwa mereka berisiko atau telah di diagnosis menderita diabetes. Kurangnya pengetahuan tentang gejala-gejala yang terjadi membuat mereka merasa seolah-olah tidak ada yang salah. Metode yang digunakan dalam penelitian ini, yaitu algoritma Naïve Bayes, tujuan penelitian ini untuk menghasilkan model deteksi Naïve Bayes dengan nilai akurasi yang tinggi untuk menangani masalah deteksi manusia yang berpotensi terjangkit penyakit diabetes. Hasil akurasi penelitian di dapatkan nilai akurasi 90% untuk data training dan 91% untuk data testing. Dengan hasil tersebut dapat di simpulkan bahwa metode Naïve Bayes cukup efektif dan dapat di implementasikan untuk mendeteksi seseorang yang mengidap penyakit diabetes

Diabetes is a chronic disease characterized by high or above-normal glucose levels. Glucose is crucial for human health as it serves as an essential energy source for cells and tissues. If not properly controlled, it can lead to critical conditions such as heart disease, hypertension, obesity, and diabetes. Most individuals with diabetes are unaware that they are at risk or have been diagnosed with the disease. A lack of knowledge about the symptoms makes them feel as though nothing is wrong. The method used in this study is the Naïve Bayes algorithm. The purpose of this research is to develop a Naïve Bayes detection model with a high accuracy rate to address the problem of detection individuals who are at risk of developing diabetes. The study's accuracy results showed 90% accuracy for the training data and 91% accuracy for the testing data. Based on these results, it can be concluded that the Naïve Bayes method is quite effective and can be implemented to detection whether someone is likely to develop diabetes.