Diabetes merupakan salah satu penyakit kronis yang diakibatkan adanya kelainan sekresi insulin pada kenaikan glukosa secara tidak teratur. Resiko penyakit stroke, penyakit jantung, kebutaan bahkan hingga resiko kematian merupakan penyakit komplikasi yang terjadi ketika adanya peningkatakn gula darah dalam tubuh pada penderita diabetes. Diabetes merupakan salah satu penyakit yang memiliki faktor resiko kematian yang tinggi. Deteksi dini penyakit diabetes perlu dilakukan sebagai upaya dalam menurukan tingkat kematian yang diakibatkan oleh faktor penyakit tersebut. Model yang diusulkan yaitu menerapkan algoritma Naive Bayes sebagai algoritma pengklasifikasi. Dataset yang dijadikan sebagai objek penelitian yaitu dataset Early Stage Diabetes Risk Prediction merupakan dataset terbuka yang bersumber dari UCI Machine Learning. Metode-metode yang digunakan dalam melakukan prediksi yaitu metode data mining. Data mining merupakan serangkaian tindakan untuk menemukan hubungan dari pola dan kecenderungan dari data yang disimpan. Desain alur sistem klasifikasi jenis pada penelitian ini, dimulai dari penentuan Dataset, Loading dan baca data, Analisis Eksplorasi Data, Data Preprocessing, membangun model data, evaluasi Confusion Matrix, dan Hyperparameter Tuning. Didapatkan nilai True Positive sebanyak 276, True Negative sebanyak 180, False Positive sebanyak 20 dan False Negative sebanyak 44. Nilai akurasi yang didapatkan dalam penelitian yaitu sebesar 87.88% dengan kategori Good Classification serta memiliki error rate yang rendah yaitu 12.12% termasuk kedalam kategori Good Error Rate. Hasil penelitian tersebut menunjukan bahwa algoritma Naive Bayes memiliki kinerja yang baik serta dapat dijadikan sebagai landasan dalam memprediksi risiko diabetes tahap awal.